Nowe narzędzie AI usprawnia odkrywanie genów odpowiedzialnych za warunki neurorozwojowe

Nowe narzędzie AI usprawnia odkrywanie genów odpowiedzialnych za warunki neurorozwojowe

Naukowcy opracowali podejście oparte na sztucznej inteligencji (AI), które przyspiesza identyfikację genów przyczyniających się do schorzeń neurorozwojowych, takich jak zaburzenia ze spektrum autyzmu, epilepsja i opóźnienie rozwoju. To nowe, potężne narzędzie obliczeniowe może pomóc w pełnym scharakteryzowaniu krajobrazu genetycznego zaburzeń neurorozwojowych. Jest to klucz do dokładnej diagnostyki molekularnej, mechanizmu wyjaśnienia i opracowania terapii celowanych. Badanie ukazało się wAmerykański dziennik genetyki człowieka.

„Chociaż badacze poczynili istotne postępy, identyfikując różne geny powiązane z zaburzeniami neurorozwojowymi, wielu pacjentów z tymi zaburzeniami nadal nie otrzymuje diagnozy genetycznej, co wskazuje, że na odkrycie czeka znacznie więcej genów” – powiedział pierwszy i współautor korekty, dr.

Aby odkryć nowe geny powiązane z chorobą, badacze sekwencjonują genomy wielu osób cierpiących na te zaburzenia i porównują je z genomami osób zdrowych.

Przyjęliśmy podejście uzupełniające. Wykorzystaliśmy sztuczną inteligencję, aby znaleźć wzorce między genami już powiązanymi z chorobami neurorozwojowymi i przewidzieć dodatkowe geny, które również są zaangażowane w te zaburzenia. „

Dr Ryan S. Dhindsa, adiunkt patologii i immunologii, Baylor College of Medicine

Naukowcy szukali wzorców ekspresji genów mierzonych na poziomie pojedynczych komórek rozwijającego się ludzkiego mózgu. „Odkryliśmy, że modele sztucznej inteligencji wytrenowane wyłącznie na podstawie danych dotyczących ekspresji mogą skutecznie przewidywać geny odpowiedzialne za zaburzenia ze spektrum autyzmu, opóźnienie rozwoju i epilepsję. Chcieliśmy jednak posunąć się o krok dalej w tych pracach” – powiedział Dhindsa.

Aby jeszcze bardziej udoskonalić modele, zespół uwzględnił ponad 300 dodatkowych cech biologicznych, w tym miary nietolerancji genów na mutacje, tego, czy oddziałują z innymi znanymi genami związanymi z chorobą oraz ich funkcjonalnej roli w różnych szlakach biologicznych.

„Te modele mają wyjątkowo wysoką wartość predykcyjną” – powiedział Dhindsa. „Najważniejsze geny były od 2 do 6 razy większe, w zależności od rodzaju dziedziczenia, i zostały wzbogacone pod kątem genów ryzyka zaburzeń o wysokim stopniu ufności, a nie samych wskaźników nietolerancji genetycznej. Ponadto w przypadku niektórych najwyżej sklasyfikowanych genów prawdopodobieństwo ich poparcia w literaturze było od 45 do 500 razy większe niż w przypadku genów o niższej randze”.

„Postrzegamy te modele jako narzędzia analityczne, które mogą zweryfikować geny powstałe w wyniku badań sekwencjonowania, ale nie mają jeszcze wystarczających dowodów statystycznych, aby uwzględnić je w warunkach rozwoju neurologicznego” – powiedział Dhindsa. „Mamy nadzieję, że nasze modele przyspieszą odkrywanie genów i diagnozowanie pacjentów, a przyszłe badania ocenią tę możliwość”.

Blake A. Weido, Justin S. Dhindsa, Arya J. Shetty, Chloe F. Sands, Slavé Petrovski, Dimitrios Vitsios i współautor Anthony W. Zoghbi wnieśli swój wkład w tę pracę. Autorzy są związani z jedną lub kilkoma z następujących instytucji: Baylor College of Medicine, Instytut Badań Neurologicznych Jana i Dana Duncanów w Szpitalu Dziecięcym w Teksasie, AstraZeneca i Uniwersytet w Melbourne.

Praca ta jest wspierana przez granty z NIH Ninds (F32 NS127854), NIH (DP5 OD036131), grant na długowieczność od Grupy Norn, Fundacji Hevolution, Fundacji Rosenkranz i Grantu K23MH121669.

Źródła: