Нов инструмент за изкуствен интелект подобрява откриването на гени, участващи в състояния на неврологично развитие

Нов инструмент за изкуствен интелект подобрява откриването на гени, участващи в състояния на неврологично развитие

Изследователите са разработили подход с изкуствен интелект (AI), който ускорява идентифицирането на гени, които допринасят за състояния на неврологичното развитие, като разстройство от аутистичния спектър, епилепсия и забавяне на развитието. Този нов мощен изчислителен инструмент може да помогне за пълното характеризиране на генетичния пейзаж на разстройствата на неврологичното развитие. Това е ключът към точната молекулярна диагноза, изясняване на механизма и разработване на целеви терапии. Проучването се появи вАмерикански журнал за човешка генетика.

„Въпреки че изследователите са постигнали важен напредък в идентифицирането на различни гени, свързани с разстройства на неврологичното развитие, много пациенти с тези разстройства все още не получават генетична диагноза, което показва, че има много повече гени, които чакат да бъдат открити“, каза първият и съкоригиращ автор д-р.

За да открият нови гени, свързани с дадено заболяване, изследователите подреждат геномите на много хора с разстройства и ги сравняват с геномите на хора без разстройства.

Възприехме допълващ подход. Използвахме AI, за да намерим модели между гени, които вече са свързани със заболявания на неврологичното развитие, и да предвидим допълнителни гени, които също участват в тези разстройства. “

Д-р Ryan S. Dhindsa, асистент по патология и имунология, Baylor College of Medicine

Изследователите са търсили модели на генна експресия, измерени на ниво една клетка от развиващия се човешки мозък. „Ние открихме, че AI моделите, обучени единствено на тези данни за експресия, могат стабилно да предскажат гени, участващи в разстройства от аутистичния спектър, забавяне на развитието и епилепсия. Ние обаче искахме да направим тази работа крачка напред“, каза Дхиндса.

За да подобри допълнително моделите, екипът включи повече от 300 допълнителни биологични характеристики, включително измервания за това колко непоносими са гените към мутациите, дали взаимодействат с други известни гени, свързани с болести, и техните функционални роли в различни биологични пътища.

„Тези модели имат изключително висока прогнозна стойност“, каза Дхиндса. "Най-добрите гени бяха до два пъти или шест пъти, в зависимост от вида на наследството, като бяха обогатени за гените на риска от разстройство с висока степен на доверие, а не само за показателите за генетична непоносимост. Освен това, някои гени с най-висок ранг бяха 45 до 500 пъти по-склонни да бъдат подкрепени от литературата по-ниско от гените с по-нисък ранг."

„Ние виждаме тези модели като аналитични инструменти, които могат да валидират гени, които възникват от проучвания за секвениране, но все още нямат достатъчно статистически доказателства, за да бъдат включени в условията за невроразвитие“, каза Дхиндса. „Надяваме се, че нашите модели ще ускорят откриването на гени и диагнозите на пациентите, а бъдещите проучвания ще оценят тази възможност.“

Блейк А. Уайдо, Джъстин С. Диндса, Аря Дж. Шети, Клои Ф. Сандс, Славе Петровски, Димитриос Вициос и съвместният автор Антъни У. Зогби допринесоха за тази работа. Авторите са свързани с една или повече от следните институции: Baylor College of Medicine, Ян и Дан Дънкан Неврологичен изследователски институт в Тексаската детска болница, AstraZeneca и Университета на Мелбърн.

Тази работа е подкрепена от грантове от NIH Ninds (F32 NS127854), NIH (DP5 OD036131), грант за дълголетие от Norn Group, Hevolution Foundation, Rosenkranz Foundation и Grant K23MH121669.

източници: