新的人工智能工具改进了与神经发育状况相关的基因的发现

新的人工智能工具改进了与神经发育状况相关的基因的发现

研究人员开发了一种人工智能（AI）方法，可以加速识别导致自闭症谱系障碍、癫痫和发育迟缓等神经发育疾病的基因。这种新的强大计算工具可以帮助全面表征神经发育障碍的遗传景观。这是准确的分子诊断、阐明机制和开发靶向治疗的关键。该研究发表在美国人类遗传学杂志。

“尽管研究人员在识别与神经发育障碍相关的各种基因方面取得了重要进展，但许多患有这些疾病的患者仍然没有接受基因诊断，这表明还有更多的基因等待被发现，”第一作者和共同纠正者 Dr.

为了发现与疾病相关的新基因，研究人员对许多患有该疾病的人的基因组进行了测序，并将其与未患有该疾病的人的基因组进行比较。

我们采取了一种互补的方法。我们使用人工智能来寻找已经与神经发育疾病相关的基因之间的模式，并预测也与这些疾病有关的其他基因。 “

Ryan S. Dhindsa 博士，贝勒医学院病理学和免疫学助理教授

研究人员寻找发育中的人类大脑在单细胞水平上测量的基因表达模式。 “我们发现仅根据这些表达数据训练的人工智能模型可以稳健地预测与自闭症谱系障碍、发育迟缓和癫痫有关的基因。然而，我们希望这项工作更进一步，”Dhindsa 说。

为了进一步改进模型，该团队纳入了 300 多个额外的生物学特征，包括测量基因对突变的不耐受程度、它们是否与其他已知的疾病相关基因相互作用，以及它们在各种生物途径中的功能作用。

“这些模型具有极高的预测价值，”Dhindsa 说。 “根据遗传类型，排名靠前的基因高达两倍或六倍，富集了高置信度疾病风险基因，而不仅仅是遗传不耐受指标。此外，一些排名靠前的基因得到较低排名基因的文献支持的可能性是排名较低的基因的 45 至 500 倍。”

“我们将这些模型视为分析工具，可以验证测序研究中出现的基因，但目前还没有足够的统计证据来参与神经发育的条件，”Dhindsa 说。 “我们希望我们的模型能够加速基因发现和患者诊断，未来的研究将评估这种可能性。”

Blake A. Weido、Justin S. Dhindsa、Arya J. Shetty、Chloe F. Sands、Slavé Petrovski、Dimitrios Vitsios 和联合作者 Anthony W. Zoghbi 对这项工作做出了贡献。作者隶属于以下一个或多个机构：贝勒医学院、德克萨斯儿童医院 Jan 和 Dan Duncan 神经学研究所、阿斯利康和墨尔本大学。

这项工作得到了 NIH Ninds (F32 NS127854)、NIH (DP5 OD036131) 的资助、Norn Group、Hevolution 基金会、Rosenkranz 基金会和 Grant K23MH121669 的长寿资助。

资料来源：