Nový nástroj AI zlepšuje objevování genů zapojených do neurovývojových stavů

Nový nástroj AI zlepšuje objevování genů zapojených do neurovývojových stavů

Výzkumníci vyvinuli přístup umělé inteligence (AI), který urychluje identifikaci genů, které přispívají k neurovývojovým stavům, jako je porucha autistického spektra, epilepsie a vývojové zpoždění. Tento nový výkonný výpočetní nástroj může pomoci plně charakterizovat genetickou krajinu neurovývojových poruch. To je klíčem k přesné molekulární diagnostice, mechanismu objasnění a vývoji cílených terapií. Studie se objevila vAmerican Journal of Human Genetics.

"Ačkoli vědci učinili významný pokrok při identifikaci různých genů spojených s neurovývojovými poruchami, mnoho pacientů s těmito poruchami stále nedostává genetickou diagnózu, což naznačuje, že existuje mnohem více genů, které čekají na objevení," řekl první a spoluopravující autor Dr.

Aby vědci objevili nové geny spojené s nemocí, sekvenují genomy mnoha lidí s poruchami a porovnávají je s genomy lidí bez těchto poruch.

Zvolili jsme doplňkový přístup. Použili jsme AI k nalezení vzorců mezi geny již spojenými s neurovývojovými chorobami a předpověděli další geny, které se také podílejí na těchto poruchách. “

Dr. Ryan S. Dhindsa, odborný asistent patologie a imunologie, Baylor College of Medicine

Vědci hledali vzorce genové exprese měřené na úrovni jednotlivých buněk z vyvíjejícího se lidského mozku. "Zjistili jsme, že modely umělé inteligence trénované pouze na těchto datech exprese mohou robustně předpovídat geny podílející se na poruchách autistického spektra, opožděném vývoji a epilepsii. Chtěli jsme však tuto práci posunout o krok dále," řekl Dhindsa.

Pro další vylepšení modelů tým zahrnul více než 300 dalších biologických vlastností, včetně měření toho, jak jsou geny netolerantní k mutacím, zda interagují s jinými známými geny spojenými s onemocněním a jejich funkční role v různých biologických drahách.

"Tyto modely mají výjimečně vysokou prediktivní hodnotu," řekl Dhindsa. "Nejvyšší geny byly až dvojnásobné nebo šestinásobné, v závislosti na typu dědičnosti, byly obohaceny o geny s vysokou spolehlivostí rizika poruchy spíše než o samotné metriky genetické nesnášenlivosti. Navíc u některých špičkových genů byla 45 až 500krát vyšší pravděpodobnost, že budou podporovány literaturou níže než geny s nižším hodnocením."

"Vidíme tyto modely jako analytické nástroje, které mohou ověřit geny, které vzejdou ze sekvenačních studií, ale ještě nemají dostatek statistických důkazů, aby byly zapojeny do podmínek pro neurovývoj," řekl Dhindsa. "Doufáme, že naše modely urychlí objevování genů a diagnózy pacientů a budoucí studie tuto možnost vyhodnotí."

Na této práci se podíleli Blake A. Weido, Justin S. Dhindsa, Arya J. Shetty, Chloe F. Sands, Slavé Petrovski, Dimitrios Vitsios a společný autor Anthony W. Zoghbi. Autoři jsou přidruženi k jedné nebo více z následujících institucí: Baylor College of Medicine, Neurologický výzkumný ústav Jana a Dana Duncanových v Texaské dětské nemocnici, AstraZeneca a University of Melbourne.

Tato práce je podporována granty od NIH Ninds (F32 NS127854), NIH (DP5 OD036131), grantem na dlouhověkost od Norn Group, Hevolution Foundation, Rosenkranz Foundation a Grant K23MH121669.

Zdroje: