Novi AI alat poboljšava otkrivanje gena uključenih u neurorazvojna stanja

Novi AI alat poboljšava otkrivanje gena uključenih u neurorazvojna stanja

Istraživači su razvili pristup umjetne inteligencije (AI) koji ubrzava identifikaciju gena koji pridonose neurorazvojnim stanjima kao što su poremećaj iz spektra autizma, epilepsija i kašnjenje u razvoju. Ovaj novi snažni računalni alat može pomoći u potpunoj karakterizaciji genetskog krajolika neurorazvojnih poremećaja. To je ključ točne molekularne dijagnoze, razjašnjavanja mehanizma i razvoja ciljanih terapija. Studija se pojavila uAmerički časopis za ljudsku genetiku.

"Iako su istraživači postigli značajan napredak u identificiranju različitih gena povezanih s neurorazvojnim poremećajima, mnogi pacijenti s tim poremećajima još uvijek ne dobivaju genetsku dijagnozu, što ukazuje na to da postoji mnogo više gena koji čekaju da budu otkriveni", rekao je prvi i suautor ispravljanja dr.

Kako bi otkrili nove gene povezane s bolešću, istraživači sekvenciraju genome mnogih ljudi s poremećajima i uspoređuju ih s genomima ljudi bez poremećaja.

Zauzeli smo komplementaran pristup. Koristili smo AI kako bismo pronašli obrasce između gena koji su već povezani s neurorazvojnim bolestima i predvidjeli dodatne gene koji su također uključeni u te poremećaje. “

Dr. Ryan S. Dhindsa, docent patologije i imunologije, Baylor College of Medicine

Istraživači su tražili obrasce ekspresije gena mjerene na razini jedne stanice iz ljudskog mozga u razvoju. "Otkrili smo da modeli umjetne inteligencije trenirani isključivo na ovim podacima o ekspresiji mogu robusno predvidjeti gene koji su uključeni u poremećaje iz autističnog spektra, kašnjenje u razvoju i epilepsiju. Međutim, htjeli smo ovaj rad učiniti korak dalje", rekao je Dhindsa.

Kako bi dodatno poboljšao modele, tim je uključio više od 300 dodatnih bioloških značajki, uključujući mjere koliko su geni netolerantni na mutacije, stupaju li u interakciju s drugim poznatim genima povezanim s bolestima i njihove funkcionalne uloge u različitim biološkim putevima.

"Ovi modeli imaju iznimno visoku prediktivnu vrijednost", rekao je Dhindsa. "Najbolji geni bili su dvostruko ili šesterostruko veći, ovisno o vrsti nasljeđa, obogaćeni genima rizika od poremećaja visokog povjerenja, a ne samo metrikom genetske netolerancije. Dodatno, neki geni najvišeg ranga imali su 45 do 500 puta veću vjerojatnost da će ih literatura poduprijeti niže nego geni nižeg ranga."

"Vidimo ove modele kao analitičke alate koji mogu potvrditi gene koji proizlaze iz studija sekvenciranja, ali još nemaju dovoljno statističkih dokaza da bi bili uključeni u uvjete za neurorazvoj", rekao je Dhindsa. "Nadamo se da će naši modeli ubrzati otkrivanje gena i dijagnoze pacijenata, a buduće studije će procijeniti tu mogućnost."

Blake A. Weido, Justin S. Dhindsa, Arya J. Shetty, Chloe F. Sands, Slavé Petrovski, Dimitrios Vitsios i zajednički autor Anthony W. Zoghbi doprinijeli su ovom radu. Autori su povezani s jednom ili više od sljedećih institucija: Baylor College of Medicine, Jan and Dan Duncan Neurological Research Institute u Texas Children's Hospital, AstraZeneca i Sveučilište u Melbourneu.

Ovaj je rad podržan potporama NIH Ninds (F32 NS127854), NIH (DP5 OD036131), potporom za dugovječnost Norn Group, Hevolution Foundation, Rosenkranz Foundation i Grant K23MH121669.

Izvori: