Naujas pažangus dirbtinio intelekto (AI) algoritmas gali paskatinti geresnius ir ankstesnius prognozes ir naujus gydymo būdus autoimuninėms ligoms, kai imuninė sistema klaidingai atakuoja savo organizmo sveikas ląsteles ir audinius. Algoritmas gilinasi į genetinį kodą, kuriuo grindžiamos sąlygos, kad būtų galima tiksliau modeliuoti, kaip išreiškiami ir reguliuojami genai, susiję su konkrečiomis autoimuninėmis ligomis, ir nustatyti papildomus rizikos genus.
Pasak mokslininkų, darbas, kurį sukūrė Penn State College of Medicine tyrėjų komanda, pranoksta esamas metodikas ir nustatė 26% daugiau naujų genų ir savybių asociacijų. Jie paskelbė savo darbą šiandien Gamtos komunikacijos.
„Mes visi turime tam tikras DNR mutacijas, todėl turime išsiaiškinti, kaip kuri nors iš šių mutacijų gali paveikti genų ekspresiją, susijusią su liga, kad galėtume anksti numatyti ligos riziką. Tai ypač svarbu autoimuninėms ligoms”, – sakė žinomas profesorius Dajiang Liu. , viceprezidentas tyrimams, dirbtinio intelekto ir biomedicininės informatikos direktorius Peno valstijos medicinos koledže ir vienas iš vyresniųjų tyrimo autorių.
„Jei AI algoritmas gali tiksliau numatyti ligos riziką, tai reiškia, kad galime atlikti intervencijas anksčiau.”
Genetika dažnai lemia ligos vystymąsi. DNR pokyčiai gali turėti įtakos genų ekspresijai arba procesui, kurio metu DNR informacija paverčiama funkciniais produktais, tokiais kaip baltymai. Tai, kiek ar mažai yra išreikštas genas, gali turėti įtakos ligos rizikai.
Viso genomo asociacijos tyrimai (GWAS), populiarus žmogaus genetikos tyrimų metodas, gali apimti genomo regionus, susijusius su tam tikra liga ar bruožu, bet negali tiksliai nustatyti konkrečių genų, turinčių įtakos ligos rizikai. Tai panašu į dalijimąsi savo buvimo vieta su draugu, kai išmaniajame telefone išjungtas tikslus vietos nustatymas – miestas gali būti akivaizdus, bet adresas užmaskuotas.
Esami metodai taip pat yra riboti analizės detalumu. Genų ekspresija gali būti būdinga tam tikrų tipų ląstelėms. Jei analizė neatskiria skirtingų ląstelių tipų, rezultatai gali nepastebėti tikrojo priežastinio ryšio tarp genetinių variantų ir genų ekspresijos.
Tyrėjų komandos metodas, pavadintas EXPRESSO, skirtas raiškos numatymui, naudojant tik suvestinę statistiką, taiko pažangesnį dirbtinio intelekto algoritmą ir analizuoja duomenis iš vienos ląstelės ekspresijos kiekybinių požymių lokusų – duomenų tipo, susiejančio genetinius variantus su jų reguliuojamais genais.
Ji taip pat integruoja 3D genominius duomenis ir epigenetiką, kuri matuoja, kaip aplinka gali modifikuoti genus, kad paveiktų ligą, į savo modeliavimą. Komanda EXPRESSO taikė GWAS duomenų rinkiniams, skirtiems 14 autoimuninių ligų, įskaitant vilkligę, Krono ligą, opinį kolitą ir reumatoidinį artritą.
„Naudodami šį naują metodą galėjome nustatyti daug daugiau autoimuninių ligų rizikos genų, kurie iš tikrųjų turi specifinį ląstelių tipui būdingą poveikį, o tai reiškia, kad jie turi poveikį tik tam tikram ląstelių tipui, o ne kitiems“, – sakė Bibo Jiangas, profesorius. Penn State medicinos koledžas ir vyresnysis tyrimo autorius.
Tada komanda naudojo šią informaciją, kad nustatytų galimus autoimuninės ligos gydymo būdus. Šiuo metu nėra gerų ilgalaikio gydymo galimybių, sakė jie.
„Dauguma gydymo būdų yra skirti simptomams švelninti, o ne ligai gydyti. Dilema, žinant, kad autoimuninę ligą reikia gydyti ilgai, tačiau esami gydymo būdai dažnai turi tokį blogą šalutinį poveikį, kad jų negalima naudoti ilgai. Tačiau genomika ir dirbtinis intelektas siūlo daug žadantį būdą kurti naujus gydymo būdus“, – sakė Peno valstijos medicinos koledžo biochemijos ir molekulinės biologijos profesorė Laura Carrel ir viena iš vyresniųjų tyrimo autorių.
Grupės darbas nurodė vaistų junginius, galinčius pakeisti genų ekspresiją ląstelių tipuose, susijusiuose su autoimunine liga, pavyzdžiui, vitaminu K nuo opinio kolito ir metformino, kuris paprastai skiriamas 2 tipo diabetui, 1 tipo diabetui. Šie vaistai, kuriuos Maisto ir vaistų administracija jau patvirtino kaip saugius ir veiksmingus gydant kitas ligas, gali būti pakartotinai panaudoti.
Tyrimo grupė dirba su bendradarbiais, kad patvirtintų savo išvadas laboratorijoje ir galiausiai klinikiniuose tyrimuose.
Tyrimui vadovavo biostatistikos programos doktorantė Lida Wang ir Chachrit Khunsriraksakul, kuri 2022 m. įgijo bioinformatikos ir geonomikos daktaro laipsnį, o gegužę – medicinos laipsnį Peno valstijoje. Kiti Penn State College of Medicine autoriai yra šie: Havelas Markusas, siekiantis daktaro laipsnio ir medicinos laipsnio; Dieyi Chen, doktorantas; Fan Zhang, magistrantas; ir Fang Chen, doktorantas. Xiaowei Zhan, UT Pietvakarių medicinos centro docentas, taip pat prisidėjo prie šio straipsnio.