Uusi tekoälytyökalu parantaa hermoston kehitykseen liittyvien geenien löytämistä

Uusi tekoälytyökalu parantaa hermoston kehitykseen liittyvien geenien löytämistä

Tutkijat ovat kehittäneet tekoälyn (AI) lähestymistavan, joka nopeuttaa sellaisten geenien tunnistamista, jotka vaikuttavat hermoston kehityshäiriöihin, kuten autismikirjon häiriöön, epilepsiaan ja kehityksen viivästymiseen. Tämä uusi tehokas laskennallinen työkalu voi auttaa täysin karakterisoimaan hermoston kehityshäiriöiden geneettistä maisemaa. Tämä on avain tarkan molekyylidiagnoosin, selvitysmekanismin ja kohdennettujen hoitojen kehittämiseen. Tutkimus ilmestyiAmerican Journal of Human Genetics.

"Vaikka tutkijat ovat saavuttaneet merkittäviä edistysaskeleita erilaisten hermoston kehityshäiriöihin liittyvien geenien tunnistamisessa, monet potilaat, joilla on näitä häiriöitä, eivät vieläkään saa geneettistä diagnoosia, mikä osoittaa, että monia muita geenejä odottavat löytämistä", sanoi ensimmäinen ja toinen korjaava kirjoittaja Dr.

Löytääkseen uusia geenejä, jotka liittyvät sairauteen, tutkijat sekvensoivat monien sairauksia sairastavien ihmisten genomeja ja vertaavat niitä sellaisten ihmisten genomeihin, joilla ei ole sairautta.

Olemme omaksuneet täydentävän lähestymistavan. Käytimme tekoälyä löytääksemme malleja geenien välillä, jotka ovat jo yhteydessä hermoston kehityssairauksiin, ja ennustaaksemme muita geenejä, jotka ovat myös mukana näissä sairauksissa. "

Dr. Ryan S. Dhindsa, patologian ja immunologian apulaisprofessori, Baylor College of Medicine

Tutkijat etsivät geenien ilmentymisen malleja, jotka mitattiin yksisolutasolla kehittyvistä ihmisaivoista. "Huomasimme, että yksinomaan näillä ilmentymistiedoilla koulutetut tekoälymallit voivat ennustaa vahvasti geenejä, jotka liittyvät autismikirjon häiriöihin, kehityksen viivästymiseen ja epilepsiaan. Halusimme kuitenkin viedä tätä työtä askeleen pidemmälle", Dhindsa sanoi.

Mallien edelleen parantamiseksi ryhmä sisälsi yli 300 biologista lisäominaisuutta, mukaan lukien mittaukset siitä, kuinka geenit eivät siedä mutaatioita, ovatko ne vuorovaikutuksessa muiden tunnettujen sairauksiin liittyvien geenien kanssa ja niiden toiminnalliset roolit erilaisissa biologisissa reiteissä.

"Näillä malleilla on poikkeuksellisen korkea ennustearvo", Dhindsa sanoi. "Huippugeenit olivat jopa kaksin- tai kuusinkertaisia ​​perinnöllisyyden tyypistä riippuen, ja niitä rikastettiin korkean luotettavuuden häiriöriskigeeneillä pelkän geneettisen intoleranssin mittareiden sijaan. Lisäksi joidenkin huippuluokan geenien tuki kirjallisuudessa oli 45-500 kertaa todennäköisempää kuin alemman tason geenit."

"Näemme nämä mallit analyyttisinä työkaluina, jotka voivat validoida geenejä, jotka syntyvät sekvensointitutkimuksista, mutta joilla ei vielä ole tarpeeksi tilastollista näyttöä osallistuakseen hermoston kehityksen olosuhteisiin", Dhindsa sanoi. "Toivomme mallimme nopeuttavan geenien löytämistä ja potilaiden diagnooseja, ja tulevat tutkimukset arvioivat tämän mahdollisuuden."

Blake A. Weido, Justin S. Dhindsa, Arya J. Shetty, Chloe F. Sands, Slavé Petrovski, Dimitrios Vitsios ja yhteinen kirjailija Anthony W. Zoghbi osallistuivat tähän työhön. Kirjoittajat ovat sidoksissa yhteen tai useampaan seuraavista laitoksista: Baylor College of Medicine, Jan and Dan Duncan Neurological Research Institute Texas Children's Hospitalissa, AstraZeneca ja Melbournen yliopisto.

Tätä työtä tukevat NIH Ninds (F32 NS127854), NIH (DP5 OD036131), Norn Groupin, Hevolution Foundationin, Rosenkranz Foundationin ja Grant K23MH121669 pitkäikäisyysapuraha.

Lähteet: