Un nuovo strumento di intelligenza artificiale migliora la scoperta di geni coinvolti nelle condizioni dello sviluppo neurologico

Un nuovo strumento di intelligenza artificiale migliora la scoperta di geni coinvolti nelle condizioni dello sviluppo neurologico

I ricercatori hanno sviluppato un approccio di intelligenza artificiale (AI) che accelera l’identificazione di geni che contribuiscono a condizioni di sviluppo neurologico come il disturbo dello spettro autistico, l’epilessia e il ritardo dello sviluppo. Questo nuovo potente strumento computazionale può aiutare a caratterizzare completamente il panorama genetico dei disturbi dello sviluppo neurologico. Questa è la chiave per una diagnosi molecolare accurata, un meccanismo di delucidazione e lo sviluppo di terapie mirate. Lo studio è apparso inGiornale americano di genetica umana.

"Sebbene i ricercatori abbiano fatto importanti progressi identificando vari geni associati ai disturbi dello sviluppo neurologico, molti pazienti con questi disturbi non ricevono ancora una diagnosi genetica, indicando che ci sono molti più geni in attesa di essere scoperti", ha detto il primo e co-correttore Dr.

Per scoprire nuovi geni associati a una malattia, i ricercatori sequenziano i genomi di molte persone affette dai disturbi e li confrontano con i genomi di persone senza disturbi.

Abbiamo adottato un approccio complementare. Abbiamo utilizzato l’intelligenza artificiale per trovare modelli tra geni già collegati a malattie dello sviluppo neurologico e prevedere ulteriori geni anch’essi coinvolti in questi disturbi. “

Dr. Ryan S. Dhindsa, assistente professore di patologia e immunologia, Baylor College of Medicine

I ricercatori hanno cercato modelli di espressione genetica misurati a livello di singola cellula del cervello umano in via di sviluppo. "Abbiamo scoperto che i modelli di intelligenza artificiale addestrati esclusivamente su questi dati di espressione possono prevedere in modo affidabile i geni coinvolti nei disturbi dello spettro autistico, nel ritardo dello sviluppo e nell'epilessia. Tuttavia, volevamo portare questo lavoro un ulteriore passo avanti", ha affermato Dhindsa.

Per migliorare ulteriormente i modelli, il team ha incluso più di 300 caratteristiche biologiche aggiuntive, comprese le misure di quanto i geni siano intolleranti alle mutazioni, se interagiscono con altri geni noti associati alla malattia e i loro ruoli funzionali in vari percorsi biologici.

“Questi modelli hanno un valore predittivo eccezionalmente elevato”, ha affermato Dhindsa. "I geni più importanti erano fino a due o sei volte, a seconda del tipo di eredità, essendo stati arricchiti per i geni di rischio di disturbo ad alta confidenza piuttosto che per i soli parametri di intolleranza genetica. Inoltre, alcuni geni di alto rango avevano da 45 a 500 volte più probabilità di essere supportati dalla letteratura inferiore rispetto ai geni di rango inferiore".

"Consideriamo questi modelli come strumenti analitici in grado di convalidare i geni che emergono dagli studi di sequenziamento ma che non hanno ancora prove statistiche sufficienti per essere coinvolti nelle condizioni del neurosviluppo", ha detto Dhindsa. “Speriamo che i nostri modelli accelerino la scoperta dei geni e le diagnosi dei pazienti, e gli studi futuri valuteranno questa possibilità”.

Blake A. Weido, Justin S. Dhindsa, Arya J. Shetty, Chloe F. Sands, Slavé Petrovski, Dimitrios Vitsios e il coautore Anthony W. Zoghbi hanno contribuito a questo lavoro. Gli autori sono affiliati a una o più delle seguenti istituzioni: Baylor College of Medicine, Jan e Dan Duncan Neurological Research Institute presso il Texas Children's Hospital, AstraZeneca e l'Università di Melbourne.

Questo lavoro è supportato da sovvenzioni di NIH Ninds (F32 NS127854), NIH (DP5 OD036131), una sovvenzione di longevità del Gruppo Norn, della Fondazione Hevolution, della Fondazione Rosenkranz e di Grant K23MH121669.

Fonti: