一種新的先進人工智能(AI)算法可能會帶來更好、更早的自身免疫性疾病預(yù)測和新療法，這種疾病涉及免疫系統(tǒng)錯誤地攻擊人體自身的健康細胞和組織。該算法深入研究這些疾病背后的遺傳密碼，以更準確地模擬與特定自身免疫性疾病相關(guān)的基因是如何表達和調(diào)節(jié)的，并識別其他風(fēng)險基因。
研究人員說，這項工作是由賓夕法尼亞州立大學(xué)醫(yī)學(xué)院(Penn State College of Medicine)的研究人員領(lǐng)導(dǎo)的一個團隊開發(fā)的，比現(xiàn)有的方法要好，多識別出26%的新基因和特征關(guān)聯(lián)。他們5月20日在《自然通訊》上發(fā)表了他們的研究成果。
“我們都攜帶一些DNA突變，我們需要弄清楚這些突變中的任何一個是如何影響與疾病相關(guān)的基因表達的，這樣我們就可以早期預(yù)測疾病風(fēng)險。這對自身免疫性疾病尤其重要，”賓夕法尼亞州立醫(yī)學(xué)院的杰出教授、研究副主席、人工智能和生物醫(yī)學(xué)信息學(xué)主任、該研究的資深作者之一劉大江說。“如果人工智能算法可以更準確地預(yù)測疾病風(fēng)險，這意味著我們可以更早地進行干預(yù)。”
基因通常是疾病發(fā)展的基礎(chǔ)。DNA的變異會影響基因表達，或者影響DNA信息轉(zhuǎn)化為蛋白質(zhì)等功能性產(chǎn)物的過程?；虮磉_的多少會影響疾病的風(fēng)險。
全基因組關(guān)聯(lián)研究(GWAS)是人類遺傳學(xué)研究中的一種流行方法，它可以定位與特定疾病或特征相關(guān)的基因組區(qū)域，但不能精確定位影響疾病風(fēng)險的特定基因。這就像在智能手機上關(guān)閉精確定位設(shè)置的情況下與朋友分享你的位置一樣——城市可能很明顯，但地址卻很模糊。現(xiàn)有的方法在其分析的粒度上也受到限制?；虮磉_可能是特定于某些類型的細胞。如果分析不區(qū)分不同的細胞類型，結(jié)果可能會忽略遺傳變異和基因表達之間的真正因果關(guān)系。
該研究小組的方法被稱為EXPRESSO(僅用摘要統(tǒng)計進行表達預(yù)測)，它應(yīng)用了更先進的人工智能算法，并分析了來自單細胞表達數(shù)量性狀位點的數(shù)據(jù)，這是一種將遺傳變異與它們所調(diào)節(jié)的基因聯(lián)系起來的數(shù)據(jù)。它還將3D基因組數(shù)據(jù)和表觀遺傳學(xué)(測量基因如何被環(huán)境修改從而影響疾病)整合到模型中。該團隊將EXPRESSO應(yīng)用于14種自身免疫性疾病的GWAS數(shù)據(jù)集，包括狼瘡、克羅恩病、潰瘍性結(jié)腸炎和類風(fēng)濕性關(guān)節(jié)炎。
賓夕法尼亞州立醫(yī)學(xué)院助理教授、該研究的資深作者Bibo Jiang說:“通過這種新方法，我們能夠識別出更多的自身免疫性疾病的風(fēng)險基因，這些基因?qū)嶋H上具有細胞類型特異性的影響，這意味著它們只對特定的細胞類型有影響，而對其他細胞類型沒有影響。”
然后，研究小組利用這些信息來確定自身免疫性疾病的潛在治療方法。他們說，目前還沒有好的長期治療方案。
“大多數(shù)治療都是為了減輕癥狀，而不是治愈疾病。知道自身免疫性疾病需要長期治療是一個兩難的選擇，但現(xiàn)有的治療方法往往有很壞的副作用，不能長期使用。然而，基因組學(xué)和人工智能為開發(fā)新療法提供了一條有希望的途徑，”賓夕法尼亞州立醫(yī)學(xué)院生物化學(xué)和分子生物學(xué)教授、該研究的共同資深作者勞拉·卡雷爾說。
該團隊的工作指出，藥物化合物可以逆轉(zhuǎn)與自身免疫性疾病相關(guān)的細胞類型中的基因表達，例如治療潰瘍性結(jié)腸炎的維生素K和治療1型糖尿病的典型處方二甲雙胍。這些藥物已經(jīng)被美國食品和藥物管理局(Food and Drug Administration)批準為安全有效的治療其他疾病的藥物，可能會被重新利用。
研究小組正在與合作者合作，在實驗室環(huán)境中驗證他們的發(fā)現(xiàn)，并最終在臨床試驗中驗證。
生物統(tǒng)計學(xué)專業(yè)的博士生王麗達(Lida Wang)和于2022年獲得生物信息學(xué)和地理學(xué)博士學(xué)位，并于今年5月從賓夕法尼亞州立大學(xué)獲得醫(yī)學(xué)學(xué)位的查克里特·坤斯里拉庫爾(Chachrit Khunsriraksakul)共同領(lǐng)導(dǎo)了這項研究。賓夕法尼亞州立大學(xué)醫(yī)學(xué)院的其他論文作者包括:正在攻讀博士學(xué)位和醫(yī)學(xué)學(xué)位的Havell Markus;陳蝶一，博士研究生;張帆，研究生;陳方，博士后。德克薩斯大學(xué)西南醫(yī)學(xué)中心副教授詹曉偉也參與了這篇論文。
美國國立衛(wèi)生研究院(資助號R01HG011035, R01AI174108和R01ES036042)和賓夕法尼亞州立醫(yī)學(xué)院的人工智能和生物醫(yī)學(xué)信息學(xué)試點資助支持了這項工作。
（文章來源：www.ebiotrade.com/newsf/2024-5） | 
