Idėja, kad biologija nėra likimas, vargu ar nauja. Tyrimai su dvyniais parodė, kad net tarp identiškų porų – tų, kurios dalijasi 100 % savo DNR – tie patys ligos genai nevirsta į pilnavertę abiejų asmenų ligą.
Daugumą žmonių ligų skatina ir genetiniai, ir aplinkos veiksniai. Genai sudaro 30–70% rizikos susirgti tokiomis ligomis kaip 1 tipo diabetas, hipertenzija, insultas ar Parkinsono liga. Likusi dalis greičiausiai kyla dėl išorinių, nebiologinių veiksnių.
Šis menkai suprantamas aplinkos kintamųjų kratinys, būdingas kiekvienam iš mūsų, sudaro mūsų individualias ekspozicijas.
Šių išorinių poveikių ir jų susikirtimo su mūsų genais atskleidimas galėtų suteikti svarbių užuominų apie sudėtingų ligų, kylančių dėl genų ir aplinkos sąveikos, galvosūkį. Tokios žinios gali optimizuoti būdą, kaip mokslininkai prognozuoja paciento ligos riziką ir individualizuoja gydymą.
Tačiau mūsų poveikio aplinkai apimtis yra tokia didelė, o sąveika tokia sudėtinga, kad norint suprasti žmogaus ekspoziciją, mokslininkams vis dažniau reikės kreiptis pagalbos į dirbtinį intelektą.
„Kai kurie iš mūsų priežastinių ligų modelių žlunga, todėl didėja susidomėjimas suprasti, kaip atsiranda ligos, kad galėtume sukurti terapiją ir intervencijas, kurios atsižvelgtų į aplinkos ir elgsenos pokyčių šaltinius“, – sakė biomedicinos docentas Chiragas Patelis. informatiką Blavatniko institute Harvardo medicinos mokykloje. Patelis pasakė.
„Turime įvertinti AI metodus, kaip perklasifikuoti ligas arba sujungti poveikio istorijas, kad susidarytume priežastinį vaizdą.
Pavyzdys – Alzheimerio liga, labai paveldima būklė, kuri dažniausiai pasireiškia vėliau.
„Šis modelis reiškia, kad nepaisant reikšmingo genetikos vaidmens, daugelį dešimtmečių trunkantis poveikis aplinkai taip pat vaidina svarbų vaidmenį ligos atsiradimui ir progresavimui“, – sakė Hyun-Sik Yang, HMS neurologijos docentas Brigham ir moterų ligoninėje.
Tačiau tikslus genų ir aplinkos sąveikos pobūdis sergant Alzheimerio liga lieka neaiškus. „Tai sudėtinga problema, atsižvelgiant į tai, kad poveikis aplinkai įvyksta daugelį dešimtmečių iki ligos pradžios”, – sakė Yang.
Geresnis ekspozicijos supratimas gali padėti užpildyti šias žinių spragas apie Alzheimerio ligos riziką ir ligos progresavimą. Žinodami paciento genetinį ir ekspozicinį profilį, taip pat galite pasirinkti pritaikytą gydymą. Šiuo metu yra tik vienas FDA patvirtintas ligą modifikuojantis gydymas – antikūnas, kuris blokuoja amiloidinių apnašų kaupimąsi, kad sulėtintų ligos progresavimą 25–30%, sakė Yangas. Tai pabrėžia, kaip svarbu suprasti papildomus biologinius kelius, skatinančius ligą, ir modifikuojamus rizikos veiksnius, įskaitant ekspoziciją.
Gamtos supratimo ir puoselėjimo evoliucija
Klausimas apie tai, kaip mus formuoja aplinka, jau nuo seno kėlė mokslininkų ir filosofų smalsumą. Beveik prieš 2500 metų graikų gydytojas Hipokratas savo traktate „Apie orus, vandenis ir vietas“ bandė paaiškinti, kaip aplinkos sąlygos veikia sveikatą. Aristotelis ir Platonas garsiai nesutarė dėl gamtos ir auklėjimo vaidmens žmogaus vystymuisi.
Tačiau tik XX amžiaus viduryje šiuolaikiniai ekspozicijos tyrimai buvo pradėti rimtai, atlikus svarbius Anglijos tyrimus, siejančius rūkymą su plaučių vėžiu ir kasdienio fizinio aktyvumo lygį su širdies ir kraujagyslių ligų rizika.
Nuo to laiko mokslas padarė didelę pažangą apibrėždamas kai kuriuos mechanizmus, kuriais įvairios ekspozicijos keičia fiziologiją ir veikia sveikatą. Tyrimai parodė, kad šios ekspozicijos gali pakeisti mūsų DNR, pagrindinį vėžio sukėlėją, pakeisti mūsų genų aktyvavimo ar deaktyvavimo būdą ir kitais būdais paveikti mūsų biologiją.
Kai kurie bandymai užfiksuoti ekspoziciją buvo sutelkti į molekulinių kraujo pokyčių, kuriuos sukelia įvairios ekspozicijos, matavimą – klasikinius epigenetikos tyrimus. Tačiau ekspozicinis mokslas turėtų būti daugiau nei tai, pridūrė Patelis, nes kai kurios svarbiausios mūsų ekspozicijos gali būti sunkiai užfiksuotos kraujyje plūduriuojančiose molekulėse.
Taigi, visa istorija apie gamtos ir auklėjimo sąveiką formuojant ligą ir sveikatą lieka beprotiškai sunkiai suprantama. Dabar grupė akademinių, vyriausybės ir pramonės tyrėjų tikisi tai pakeisti.
Laikas projektui „Human Exposome“.
Grupė, kurios narys yra Patelis, neseniai sušaukė minčių audrą, siekdama apibrėžti ekspozicijos mokslo sritį ir taip paruošti kelią žmogaus ekspozicijos projekto tyrimui. Žmogaus genomo projekto, kuris 2003 m. buvo sukurtas žmogaus genų planas, pagrindu sukurtas žmogaus ekspozicijos projektas siekia išsiaiškinti įvairių aplinkos poveikio žmonių ligoms ir sveikatai vaidmenį.
2023 m. gruodžio mėn. grupė surengė nacionalinį seminarą, siekdama išsiaiškinti, kas yra ekspozicinis mokslas ir kaip jį galima integruoti į kitus biomedicinos tyrimus.
Lauko apibrėžimo poreikis yra daugiau nei semantikos pratimas, sakė Patelis. Aiškus, vienodas apibrėžimas nubrėžia studijų eigą, suplanuoja dominančias sritis, išvardija su tyrimu susijusias disciplinas ir nurodo galutinius šios srities tikslus.
Seminaro dalyviai susitaikė su trimis vienas kitą papildančiais „eksposomikos“ apibrėžimais, skirtais skirtingiems ekspertams.
- Visų fizinių, cheminių, biologinių ir psichosocialinių poveikių, turinčių įtakos biologijai, integruoto rinkinio tyrimas.
- Visapusiško ir kaupiamojo fizinių, cheminių, biologinių ir psichosocialinių tarpininkų, turinčių įtakos biologinėms sistemoms, poveikio tyrimas integruojant įvairių tarpdisciplininių metodikų ir srautų duomenis, kad būtų galima atlikti atradimais pagrįstą aplinkos poveikio sveikatai analizę.
- Tarpdisciplininė sritis, skirta atradimais pagrįsti supratimui apie tai, kaip ekspozicija veikia biologiją ir sveikatą.
Kaip biomedicinos informatikos ekspertas, Patel pritaria antrajam apibrėžimui.
Norėdami išsiaiškinti tamsiąją ekspozicijos medžiagą, mokslininkai žvelgia į AI
Ekspozicija apima įvairius išorinius poveikius, su kuriais asmuo susiduria nuo gimimo dienos iki mirties dienos – kai kurios trumpalaikės, kitos nuolatinės. Tai yra tarša, mikroplastikas, vaistai, virusinės ir bakterinės infekcijos, maistas, pratimai, klimatas ir fiziniai bei psichologiniai stresai.
Tolesniu ir taip sudėtingo siužeto posūkiu kai kurie tyrimai netgi užsimena apie kartoms skirtą poveikio poveikį, pavyzdžiui, mūsų mamų ir močiučių mitybos vaidmenį keičiant mūsų sveikatą.
Patelis 2019 m. TEDx kalboje sakė, kad viso to išpainiojimas prilygsta tūkstančiams adatų, pamestų didžiulėje ligų kupetoje. Visos šios adatos turi būti identifikuojamos ir analizuojamos ne po vieną kintamąjį vienu metu, o kartu, siekiant jų sinergetinio poveikio.
„Atskirai tiriant ekspozicijas yra sumažinama ir gali atsirasti klaidingų asociacijų, nes galite nesuvokti viso vaizdo“, – sakė Patelis.
Tokia daugiasluoksnė analizė nepajėgia žmogaus smegenims. Čia AI gali padėti.
Tiesą sakant, dirbtinis intelektas gali būti vienintelis būdas suprasti ekspoziciją, sakė Patelis, nes dirbtinis intelektas gali priimti ir vienu metu žiūrėti skirtingų tipų duomenis – genominius profilius ir maisto suvartojimą ar gyvenamąją vietą bei biologinių audinių mėginius, tokius kaip kraujas ar šlapimas. arba, pavyzdžiui, odos ląsteles.
„Aš visiškai tikiu, kad naudojant šiuos naujus multimodalinius metodus taip, kad būtų sujungtos visos detalės, gali būti vienintelis būdas išanalizuoti sudėtingą žmogaus istoriją ir peržengti įprastą, ar rūkote, ar geriate“, – sakė Patelis.
AI įrankiai vieną dieną galėtų padėti gydytojams individualizuoti ligos rizikos prognozę, remiantis unikalia paciento ekspozicija ir genomu, sakė Patelis. Rezultatai gali paskatinti pritaikytas intervencijas, pvz., dažnesnį stebėjimą arba ankstesnį gydymą.
Dalis šių darbų jau vyksta HMS.
Pavyzdžiui, 2019 m. Patelio vadovaujamas tyrimas išaiškino, kaip aplinka veikia įvairių genų veiklą. Tyrimas buvo pagrįstas 56 000 JAV broliškų ir identiškų dvynių porų, užaugusių skirtingais pašto kodais, medicininių įrašų analize.
Kitame projekte, kuris vis dar tik pradedamas kurti, Patel tikisi panaudoti genomikos ir ekspozicijos duomenis, kad sukurtų daugialypės ekspozicijos rizikos balą, kuris apimtų daugybę negenetinių poveikių, sukeliančių įvairias diabeto formas visame pasaulyje įvairiose populiacijose. Komandoje taip pat yra Broad Institute genomikos specialistas Josep Mercader ir AI bei sveikatos skirtumų ekspertas Raj Manrai, HMS biomedicininės informatikos docentas.
Kitame planuojamame tyrime Patel ir bendradarbiai, įskaitant Deborah Blacker, HMS psichiatrijos profesorę Mass Generalinėje mokykloje, analizuos vyresnio amžiaus žmonių poveikio konsteliaciją, kad nustatytų, kam gresia Alzheimerio liga ir kitos demencijos formos. Norėdami tai padaryti, jie integruos metabolomikos, genomikos ir epigenetikos duomenis kartu su informacija iš smegenų ir viso kūno vaizdų.
„Mes sutalpinsime visus šiuos dalykus į modelį ir išskirsime demencijos prognozes“, – sakė Patelis. „Labai džiaugiuosi dėl to, nes pirmą kartą turėsime tai, ko trūksta šioje srityje, kuri matuoja viską iš karto tuose pačiuose individuose.
Kaip atrodys ateitis?
Kai kurie mokslininkai mato ne per tolimą ateitį, kai vienas iš būdų užfiksuoti paciento ekspoziciją būtų atliktas atliekant paprastą kraujo tyrimą. Andrea Baccarelli, Harvardo TH Chan visuomenės sveikatos mokyklos dekanas, prognozuoja, kad tai gali įvykti jau po 10 metų.
Toks bandymas priklausytų nuo proceso, vadinamo metilinimo, aptikimo, kai molekulės, vadinamos metilo grupėmis, prilimpa prie konkrečių DNR segmentų. Šios molekulės gali pažadinti tam tikrus genus ir priversti kitus į ramybės būseną, nekeičiant paties pagrindinio genetinio kodo.
Įvairūs poveikiai, įskaitant chemines medžiagas, maistą, lėtinį stresą ir virusus, gali paskatinti metilinimo pokyčius, kurie turi didelį poveikį mūsų ląstelėms ir organams. Šia prasme metilinimo pokyčiai galėtų būti praeities poveikio pėdsakai.
Turėdami dirbtinį intelektą šalia jų, gydytojai galės individualizuoti rizikos prognozes, atsižvelgdami į individualų paciento ekspoziciją – unikalų ekspozicijos rinkinį per visą gyvenimą. Remiantis žmogaus ekspozicija ir genomu, AI galėtų numatyti ilgalaikę riziką ir rekomenduoti agresyvesnę stebėseną bei, jei reikia, ankstyvesnį gydymą.
Patelis teigia, kad dirbtinis intelektas galėtų padėti ir kitu būdu – išgaudamas paciento poveikio užuominas, jau slypinčias esamuose duomenyse, kurie šiuo metu nepastebimi. Pavyzdžiui, jei pacientas atvyksta į greitosios pagalbos skyrių su simptomų rinkiniu, gydytojas gali įtraukti į AI modelį paciento medicininę, socialinę ir šeimos istoriją; jų pagrindinis skundas; kraujo tyrimo rezultatai; ir įvairūs vaizdai. Tada gydytojas gaus ataskaitą apie galimą paciento apšvitą, pagrįstą elementais, kurių gydytojai gali lengvai praleisti.
Žinoma, dirbtinio intelekto modelių dar nėra. Tyrėjai turi pašalinti klaidas, kurti ir patobulinti algoritmus bei atlikti griežtus bandymus ir patvirtinimą, kad užtikrintų, jog modeliai būtų tiksliai išgaunami ir nuspėjami. Tačiau galimybė visa tai padaryti, sakė Patelis, yra tik laiko klausimas.
Patelis taip pat įspėja, kad kuriant naujas žinias, atskleisti ekspoziciją gali kilti naujų iššūkių ir prireikti naujų mąstymo būdų. Pirmosios linijos gydytojai ir politikos formuotojai turėtų nuspręsti, kaip, pavyzdžiui, pritaikyti naujai sukurtas įžvalgas ligų prevencijai. Šiandien ligų prevencijos ir reguliavimo mokslas tebėra redukcinis, daugiausia dėmesio skiriant vienam kintamajam reguliavimui vienu metu – oro taršai, vandens kokybei, rūkymui.
„Kai turėsite visą ekspozicijos prognozę, kaip reguliuoti kelių ekspozicijų atvejus? Patelis pasakė. „Tai yra kitas iššūkis mums, kaip bendruomenei: jei manome, kad šie dalykai yra priežastiniai, kaip pradėti galvoti apie naujas reguliavimo ar intervencijos paradigmas, kuriose visa tai nagrinėjama vienu metu, o ne po vieną?