Nytt AI-verktøy forbedrer oppdagelsen av gener involvert i nevroutviklingstilstander

Nytt AI-verktøy forbedrer oppdagelsen av gener involvert i nevroutviklingstilstander

Forskere har utviklet en kunstig intelligens (AI) tilnærming som akselererer identifiseringen av gener som bidrar til nevroutviklingstilstander som autismespekterforstyrrelse, epilepsi og utviklingsforsinkelse. Dette nye kraftige beregningsverktøyet kan hjelpe fullt ut å karakterisere det genetiske landskapet av nevroutviklingsforstyrrelser. Dette er nøkkelen til nøyaktig molekylær diagnose, belysningsmekanisme og utvikling av målrettede terapier. Studien dukket opp iAmerican Journal of Human Genetics.

"Selv om forskere har gjort viktige fremskritt med å identifisere ulike gener assosiert med nevroutviklingsforstyrrelser, får mange pasienter med disse lidelsene fortsatt ikke en genetisk diagnose, noe som indikerer at det er mange flere gener som venter på å bli oppdaget," sa den første og medkorrigerende forfatteren Dr.

For å oppdage nye gener assosiert med en sykdom, sekvenserer forskere genomene til mange mennesker med lidelsene og sammenligner dem med genomene til mennesker uten lidelsene.

Vi har tatt en komplementær tilnærming. Vi brukte AI for å finne mønstre mellom gener som allerede er knyttet til nevroutviklingssykdommer og forutsi flere gener som også er involvert i disse lidelsene. "

Dr. Ryan S. Dhindsa, assisterende professor i patologi og immunologi, Baylor College of Medicine

Forskerne så etter mønstre for genuttrykk målt på enkeltcellenivå fra den utviklende menneskehjernen. "Vi fant at AI-modeller trent utelukkende på disse uttrykksdataene kan robust forutsi gener involvert i autismespekterforstyrrelser, utviklingsforsinkelser og epilepsi. Vi ønsket imidlertid å ta dette arbeidet et skritt videre," sa Dhindsa.

For å forbedre modellene ytterligere, inkluderte teamet mer enn 300 ekstra biologiske funksjoner, inkludert mål på hvor intolerante gener er overfor mutasjoner, om de samhandler med andre kjente sykdomsassosierte gener, og deres funksjonelle roller i ulike biologiske veier.

"Disse modellene har eksepsjonelt høy prediktiv verdi," sa Dhindsa. "De øverste genene var opptil to ganger eller seks ganger, avhengig av type arv, og ble beriket for gener med høy konfidenslidelse i stedet for genetisk intoleranse alene. I tillegg var det 45 til 500 ganger større sannsynlighet for at noen topprangerte gener ble støttet av litteraturen lavere enn gener med lavere rangering."

"Vi ser på disse modellene som analytiske verktøy som kan validere gener som kommer fra sekvenseringsstudier, men som ennå ikke har nok statistisk bevis til å være involvert i betingelsene for nevroutvikling," sa Dhindsa. "Vi håper modellene våre vil akselerere genoppdagelse og pasientdiagnoser, og fremtidige studier vil evaluere denne muligheten."

Blake A. Weido, Justin S. Dhindsa, Arya J. Shetty, Chloe F. Sands, Slavé Petrovski, Dimitrios Vitsios og fellesforfatter Anthony W. Zoghbi bidro til dette arbeidet. Forfatterne er tilknyttet en eller flere av følgende institusjoner: Baylor College of Medicine, Jan og Dan Duncan Neurological Research Institute ved Texas Children's Hospital, AstraZeneca og University of Melbourne.

Dette arbeidet er støttet av tilskudd fra NIH Ninds (F32 NS127854), NIH (DP5 OD036131), et stipend for lang levetid fra Norn Group, Hevolution Foundation, Rosenkranz Foundation og Grant K23MH121669.

Kilder: