图像驱动的知识图揭示了治疗心脏病的新目标

图像驱动的知识图揭示了治疗心脏病的新目标

知识图是一种强大的工具，可以汇集生物数据库中的信息，并将有关基因、疾病、治疗、分子途径和症状的已知知识链接到结构化网络中。到目前为止，还缺乏有关受影响器官的实际外观和功能的详细个人信息。

MRC 医学科学实验室计算心脏成像组的博士后研究员 Khaled Rjoob 博士和组长 Declan O’Regan 教授领导的最新研究通过首次将图像数据添加到知识图谱中，进一步发展了这项技术。 CardioKG 提供了心脏结构和功能的详细概述，大大提高了预测哪些基因与疾病相关以及现有药物是否可以治疗这些疾病的准确性。

捕捉心脏变化

为了开发 CardioKG，该团队使用了 4,280 名患有房颤、心力衰竭或心脏病的英国生物银行参与者以及 5,304 名健康参与者的心脏成像数据，并捕获了心脏结构和功能的变化。总共生成了超过 200,000 个基于图像的特征并用于训练模型。该团队将其与来自 18 个不同生物数据库的数据相结合，并使用人工智能 (AI) 来预测基因与疾病之间的联系以及药物重新利用的机会。

知识图谱的优点之一是它们整合了有关基因、药物和疾病的信息。这意味着您有更多机会发现新疗法。我们发现，将心脏成像纳入图表中改变了新基因和药物的识别方式。”

Declan O’Regan 教授，MRC 医学科学实验室计算心脏成像小组

预测新药机会

该模型确定了一系列新的疾病相关基因，并预测了两种治疗心脏病的药物；治疗类风湿关节炎的药物甲氨蝶呤可以改善心力衰竭，而用于治疗糖尿病的格列汀可能有助于治疗心房颤动。研究小组还发现了一个令人惊讶的发现，咖啡因可以使心脏更加兴奋，对脉搏不规则且快速的心房颤动患者具有保护作用。

“令人兴奋的是，该领域最近的其他研究支持了我们的初步结果，”德克兰说。 “这凸显了知识图在发现可用作新疗法的现有药物方面的巨大潜力。”

将技术扩展到其他器官

CardioKG 提供的概念验证技术可以远远超出心脏范围。研究人员现在可以开发知识图，在存在器官成像的地方整合成像数据，这意味着相同的方法可以应用于脑部扫描、身体脂肪成像或其他器官和组织，以探索痴呆或肥胖等领域的新治疗可能性。

这些知识图能够准确、快速地生成一系列疾病的高优先级基因列表，这将为制药公司提供一个宝贵的起点，突出显示他们可以比传统发现方法更有效地探索、验证并可能开发成新疗法的生物靶点。

“在这项工作的基础上，我们将把知识图扩展成一个动态的、以患者为中心的框架，捕捉现实世界的疾病进展，”哈立德说。 “这将为个性化治疗和预测疾病何时可能发生开辟新的机会。”

这项研究得到了医学研究委员会、英国心脏基金会、拜耳公司和国家健康与护理研究所 (NIHR) 帝国理工学院生物医学研究中心的支持。

除了在 LMS 的职务外，Declan 还担任英国心脏基金会心血管人工智能教授以及帝国理工学院国家心肺研究所英国心脏基金会卓越研究中心的临床主题负责人。

资料来源：