Mākslīgais intelekts uzlabos autoimūno slimību prognozi un ārstēšanu

Jauns uzlabots mākslīgā intelekta (AI) algoritms varētu radīt precīzākas un agrākas prognozes, kā arī izstrādāt jaunas ārstēšanas metodes autoimūnām slimībām, kurās imūnsistēma kļūdaini uzbrūk paša organisma veselajām šūnām un audiem. Algoritms analizē šo nosacījumu pamatā esošo ģenētisko kodu, lai precīzāk modelētu, kā tiek ekspresēti un regulēti gēni, kas saistīti ar konkrētām autoimūnām slimībām, un identificētu papildu riska gēnus.

Pētnieki ziņo, ka darbs, ko izstrādājusi Pensilvānijas Universitātes Medicīnas koledžas pētnieku komanda, pārspēj esošās metodoloģijas un atklāja par 26% vairāk jaunu gēnu iezīmju asociāciju. Viņu darbs šodien tika publicēts Nature Communications.

"Mums visiem ir mutācijas mūsu DNS, un mums ir jāsaprot, kā jebkura no šīm mutācijām var ietekmēt ar slimību saistīto gēnu ekspresiju, lai mēs varētu savlaicīgi prognozēt slimības risku. Tas ir īpaši svarīgi autoimūnām slimībām," teica Dajiang Liu, izcilais profesors, pētniecības vietnieks un mākslīgā intelekta un biomedicīnas informātikas direktors Pensilvānijas Universitātes Medicīnas koledžā un pētījuma līdzautors.

"Ja AI algoritms var precīzāk paredzēt slimības risku, tas nozīmē, ka mēs varam iejaukties agrāk."

Ģenētika un slimību attīstība

Slimību attīstības pamatā bieži ir ģenētika. DNS variācijas var ietekmēt gēnu ekspresiju, kas ir process, kurā informācija DNS tiek pārvērsta funkcionālos produktos, piemēram, olbaltumvielās. Tas, cik spēcīgi vai vāji izteikts gēns, var ietekmēt slimības risku.

Genoma mēroga asociācijas pētījumi (GWAS), populāra pieeja cilvēka ģenētikas pētījumos, var identificēt genoma reģionus, kas saistīti ar konkrētu slimību vai iezīmi, bet nevar precīzi noteikt konkrētus gēnus, kas ietekmē slimības risku. Tas ir līdzīgs jūsu atrašanās vietas kopīgošanai ar draugu, taču bez viedtālruņa precizēšanas — pilsēta var būt acīmredzama, taču adrese ir paslēpta.

Arī esošās metodes ir ierobežotas analīzes detaļās. Gēnu ekspresija var būt specifiska noteiktiem šūnu tipiem. Ja analīzē netiek nošķirti dažādi šūnu veidi, rezultātos var nebūt reālas cēloņsakarības starp ģenētiskajiem variantiem un gēnu ekspresiju.

EXPRESSO metode

Komandas metode, ko sauc par EXPRESSO (Expression PREdiction with Summary Statistics Only), izmanto progresīvāku mākslīgā intelekta algoritmu un analizē datus no mononukleāro šūnu kvantitatīvās ekspresijas parakstiem, kas saista ģenētiskos variantus ar to regulētajiem gēniem.

Tā arī integrē 3D genoma datus un epiģenētiku, kas nosaka, kā vide var modificēt gēnus, lai ietekmētu slimības. Komanda izmantoja EXPRESSO GWAS datu kopām 14 autoimūnām slimībām, tostarp vilkēdes, Krona slimībai, čūlainais kolīts un reimatoīdais artrīts.

"Izmantojot šo jauno metodi, mēs varējām identificēt daudz vairāk autoimūnu slimību riska gēnu, kuriem patiešām ir šūnu tipam specifiska iedarbība, kas nozīmē, ka tie ietekmē tikai noteikta veida šūnas, nevis citas," sacīja docents Bibo Dzjans. No Pensilvānijas Universitātes Medicīnas koledžas un pētījuma vecākais autors.

Iespējamie terapeitiskie pielietojumi

Komanda izmantoja šo informāciju, lai identificētu iespējamos autoimūno slimību ārstēšanas līdzekļus. Pašlaik viņi saka, ka nav labu ilgtermiņa ārstēšanas iespēju.

"Lielākā daļa ārstēšanas metožu ir vērsta uz simptomu mazināšanu, nevis slimības ārstēšanu. Tā ir dilemma, zinot, ka autoimūnām slimībām nepieciešama ilgstoša ārstēšana, taču esošajām ārstēšanas metodēm bieži ir tik sliktas blakusparādības, ka tās nevar izmantot ilgstoši., genomika un mākslīgais intelekts piedāvā daudzsološu ceļu jaunu ārstniecības līdzekļu izstrādei," sacīja Laura Kerela, Pensilvānijas Universitātes Medicīnas koledžas bioķīmijas un molekulārās bioloģijas profesore un pētījuma līdzautore.

Komandas darbs ir norādījis uz zāļu savienojumiem, kas var mainīt gēnu ekspresiju šūnu tipos, kas saistīti ar autoimūnu slimību, piemēram, K vitamīns čūlainā kolīta ārstēšanai un metformīns, kas parasti parakstīts 2.tipa cukura diabēta, 1.tipa diabēta gadījumā. Šīs zāles, ko ASV Pārtikas un zāļu pārvalde (FDA) jau apstiprinājusi kā drošas un efektīvas citu slimību ārstēšanai, varētu tikt izmantotas atkārtoti.

Pētnieku komanda strādā ar kolēģiem, lai pārbaudītu savus atklājumus laboratorijā un galu galā klīniskajos pētījumos.

Pētījumu vadīja biostatistikas programmas doktorante Lida Vanga un Čakrits Khunsriraksakuls, kurš 2022. gadā ieguva doktora grādu bioinformātikā un genomikā, bet maijā ieguva medicīnas grādu Pensilvānijas Universitātē. Pie citiem Pensilvānijas Universitātes Medicīnas koledžas autoriem pieder Havels Markuss, kurš iegūst M.D. Un medicīnas grādu; Deyi Chen, doktorants; Fans Džans, maģistrants; un Fang Chen, pēcdoktorantūras stipendiāts. Darbam pievienojās arī Teksasas Universitātes Dienvidrietumu medicīnas centra docents Sjaovejs Džans.