Un nouvel outil d’IA améliore la découverte de gènes impliqués dans les conditions neurodéveloppementales

Un nouvel outil d’IA améliore la découverte de gènes impliqués dans les conditions neurodéveloppementales

Les chercheurs ont développé une approche d’intelligence artificielle (IA) qui accélère l’identification des gènes contribuant aux troubles neurodéveloppementaux tels que les troubles du spectre autistique, l’épilepsie et les retards de développement. Ce nouvel outil informatique puissant peut aider à caractériser pleinement le paysage génétique des troubles neurodéveloppementaux. C’est la clé d’un diagnostic moléculaire précis, d’un mécanisme d’élucidation et du développement de thérapies ciblées. L'étude est parue dans leJournal américain de génétique humaine.

"Bien que les chercheurs aient fait des progrès importants en identifiant divers gènes associés aux troubles du développement neurologique, de nombreux patients atteints de ces troubles ne reçoivent toujours pas de diagnostic génétique, ce qui indique qu'il existe de nombreux autres gènes qui attendent d'être découverts", a déclaré le premier auteur et co-correcteur, le Dr.

Pour découvrir de nouveaux gènes associés à une maladie, les chercheurs séquencent les génomes de nombreuses personnes atteintes de ces troubles et les comparent aux génomes de personnes non atteintes.

Nous avons adopté une approche complémentaire. Nous avons utilisé l’IA pour trouver des modèles entre des gènes déjà liés à des maladies neurodéveloppementales et prédire des gènes supplémentaires également impliqués dans ces troubles. "

M. Ryan S. Dhindsa, professeur adjoint de pathologie et d'immunologie, Baylor College of Medicine

Les chercheurs ont recherché des modèles d’expression génique mesurés au niveau d’une seule cellule du cerveau humain en développement. "Nous avons constaté que les modèles d'IA formés uniquement sur ces données d'expression peuvent prédire de manière robuste les gènes impliqués dans les troubles du spectre autistique, le retard de développement et l'épilepsie. Cependant, nous voulions aller plus loin dans ce travail", a déclaré Dhindsa.

Pour améliorer davantage les modèles, l'équipe a inclus plus de 300 caractéristiques biologiques supplémentaires, notamment des mesures de l'intolérance des gènes aux mutations, de leur interaction avec d'autres gènes connus associés à la maladie et de leurs rôles fonctionnels dans diverses voies biologiques.

“These models have exceptionally high predictive value,” Dhindsa said. "Les gènes les plus importants étaient jusqu'à deux ou six fois plus nombreux, selon le type d'héritage, étant enrichis pour les gènes à risque de trouble de confiance élevé plutôt que pour les seuls paramètres d'intolérance génétique. De plus, certains gènes de premier rang étaient 45 à 500 fois plus susceptibles d'être soutenus par la littérature que les gènes de rang inférieur. "

"Nous considérons ces modèles comme des outils analytiques capables de valider les gènes issus des études de séquençage, mais qui ne disposent pas encore de suffisamment de preuves statistiques pour être impliqués dans les conditions du développement neurologique", a déclaré Dhindsa. « Nous espérons que nos modèles accéléreront la découverte de gènes et le diagnostic des patients, et que de futures études évalueront cette possibilité. »

Blake A. Weido, Justin S. Dhindsa, Arya J. Shetty, Chloe F. Sands, Slavé Petrovski, Dimitrios Vitsios et le co-auteur Anthony W. Zoghbi ont contribué à ce travail. Les auteurs sont affiliés à une ou plusieurs des institutions suivantes : Baylor College of Medicine, Jan et Dan Duncan Neurological Research Institute du Texas Children's Hospital, AstraZeneca et l'Université de Melbourne.

Ce travail est soutenu par des subventions du NIH Ninds (F32 NS127854), du NIH (DP5 OD036131), une subvention de longévité du Norn Group, de la Hevolution Foundation, de la Rosenkranz Foundation et de la Grant K23MH121669.

Sources :