Naujasis AI įrankis randa retus variantus, susijusius su širdies ligomis 17 genų

Naujasis AI įrankis randa retus variantus, susijusius su širdies ligomis 17 genų

Gyvensena mityba, dietos, judėjimas

Naudodami pažangų dirbtinio intelekto įrankį, Icahn medicinos mokyklos Sinajaus kalne mokslininkai nustatė retus koduojančius 17 genų variantus, kurie atskleidžia koronarinės arterijos ligos (CAD), pagrindinės sergamumo ir mirtingumo visame pasaulyje, molekulinį pagrindą.

Atradimai, išsamiai aprašyti Gamtos genetikaatskleidžia genetinius veiksnius, turinčius įtakos širdies ligoms, o tai atveria naujas krypties gydymo ir individualizuotų širdies ir kraujagyslių priežiūros metodų galimybes.

Tyrėjai naudojo in silico (kompiuterinį) vainikinių arterijų ligos (ISCAD) balą, kuris visapusiškai atspindi CAD, kaip aprašyta ankstesniame tyrimo grupės dokumente. Lancetas. ISCAD balas apima šimtus skirtingų klinikinių požymių iš elektroninio sveikatos įrašo, įskaitant gyvybinius požymius, laboratorinių tyrimų rezultatus, vaistus, simptomus ir diagnozes. Norėdami sukurti balą, jie apmokė mašininio mokymosi modelius pagal 604 914 asmenų elektroninius sveikatos įrašus iš JK Biobank, All of Us Research Program ir BioMe Biobank, atlikdami šią išsamią metaanalizę.

Tada buvo patikrintas rezultatas, ar jis siejamas su retais ir itin retais kodavimo variantais, randamais šių asmenų egzomų sekose. Be to, tyrimo grupė atliko tolesnį aptiktų genų tyrimą, kad ištirtų jų vaidmenį priežastiniuose CAD rizikos veiksniuose, CAD klinikinėse apraiškose ir jų sąsajose su CAD būkle tradiciniuose didelio masto genomo asociacijos tyrimuose, be kitų veiksnių.

„Mūsų išvados padeda suprasti, kaip šie 17 genų yra susiję su vainikinių arterijų liga. Jau žinoma, kad kai kurie iš šių genų daro įtaką širdies ligų vystymuisi, o kiti niekada anksčiau nebuvo su ja susiję”, – sako mokslų daktaras Ron Do. vyresnysis studijų autorius ir Charles Bronfman personalizuotos medicinos profesorius Icahn Mount Sinai. „Mūsų tyrimas rodo, kaip mašininio mokymosi įrankiai gali atskleisti genetines įžvalgas, kurių tradiciniai metodai gali nepastebėti lyginant atvejus ir kontrolę. Tai gali paskatinti naujus būdus nustatyti biologinius širdies ligų mechanizmus arba gydymo genų taikinius.”

Kadangi jie pasitaiko tik nedidelei daliai asmenų, reti kodavimo variantai gali turėti didelės įtakos ligos rizikai arba jautrumui, kai yra. Todėl šių variantų tyrimas yra būtinas norint suprasti genetinį ligų pagrindą ir gali informuoti apie terapinius tikslus.

Tyrimą lėmė iššūkiai, su kuriais susidūrė per pastarąjį dešimtmetį, nustatant retus kodavimo variantus, susijusius su CAD, naudojant tradicinius metodus, pagrįstus diagnozuotais atvejais ir kontrole. Diagnostinių kodų apribojimai fiksuojant CAD sudėtingumą paskatino tyrėjus ištirti naujas tyrimo galimybes.

„Mūsų ankstesnis Lancetas dokumentas parodė, kad mašininio mokymosi modelis, parengtas naudojant elektroninius sveikatos įrašus, gali generuoti vainikinių arterijų ligos in silico balą ir užfiksuoti ligas visame jos spektre“, – sako pagrindinis autorius Ben Omega Petrazzini, asocijuotas bioinformatikas iš Dr. Do laboratorijos Icahn Mount Sinai. Remdamiesi šiomis išvadomis, iškėlėme hipotezę, kad CAD in-silico balas gali atskleisti naujus retus kodavimo variantus, susijusius su CAD, pasiūlydamas visapusiškesnį ligos vaizdą.

Be to, tyrėjai planuoja toliau tirti nustatytų genų vaidmenį CAD biologijoje ir ištirti galimus mašininio mokymosi pritaikymus kitų sudėtingų ligų genetiniams tyrimams, kaip dalį savo nuolatinių pastangų geriau suprasti ligos mechanizmus, atrasti naujus gydymo būdus, ir pagerinti pacientų rezultatus.

Likę straipsnio autoriai, visi su Icahn Mount Sinai, išskyrus nurodytus atvejus, yra Iain S. Forrest, Ph.D. (MD kandidatas); Ghislain Rocheleau, mokslų daktaras; Ha My T. Vy, mokslų daktaras; Carla Márquez-Luna, mokslų daktarė; Áine Duffy, MS (kandidatė į daktaro laipsnį); Robertas Chenas, MS (MD/Ph.D. kandidatas); Joshua K. Park, BS (MD/Ph.D. kandidatas); Kyle'as Gibsonas, BA (MD kandidatas); Sascha N. Goonewardena, MD (Mičigano universitetas); Waqas A. Malick, MD; Robertas S. Rosensonas, medicinos mokslų daktaras; ir Daniel M. Jordan, Ph.D.