Umetna inteligenca bo izboljšala prognozo in zdravljenje avtoimunskih bolezni

Nov napredni algoritem umetne inteligence (AI) bi lahko vodil do natančnejših in zgodnejših napovedi ter do razvoja novih zdravljenj avtoimunskih bolezni, pri katerih imunski sistem pomotoma napade lastne zdrave celice in tkiva telesa. Algoritem analizira genetsko kodo, na kateri temeljijo ta stanja, da natančneje modelira, kako se izražajo in uravnavajo geni, povezani s posebnimi avtoimunskimi boleznimi, in da identificira dodatne gene za tveganje.

Delo, ki ga je razvila skupina raziskovalcev z Medicinskega kolidža Univerze v Pensilvaniji, prekaša obstoječe metodologije in je odkrilo 26 % več novih povezav genskih lastnosti, poročajo raziskovalci. Njihovo delo je bilo danes objavljeno v Nature Communications.

"Vsi imamo mutacije v naši DNK in moramo razumeti, kako lahko katera koli od teh mutacij vpliva na izražanje genov, povezanih z boleznijo, da lahko zgodaj predvidimo tveganje za bolezen. To je še posebej pomembno za avtoimunske bolezni," je dejal Dajiang Liu, ugledni profesor, podpredsednik za raziskave in direktor umetne inteligence in biomedicinske informatike na Medicinski fakulteti Univerze v Pensilvaniji in soavtor študije.

»Če lahko algoritem umetne inteligence natančneje predvidi tveganje za nastanek bolezni, to pomeni, da lahko posredujemo prej.«

Genetika in razvoj bolezni

Genetika je pogosto vzrok za razvoj bolezni. Variacije v DNK lahko vplivajo na izražanje genov, kar je proces, s katerim se informacije v DNK pretvorijo v funkcionalne produkte, kot je beljakovina. Kako močno ali šibko je gen izražen, lahko vpliva na tveganje za nastanek bolezni.

Študije asociacij celotnega genoma (GWAS), priljubljen pristop v raziskavah človeške genetike, lahko prepoznajo regije genoma, povezane z določeno boleznijo ali lastnostjo, vendar ne morejo natančno določiti specifičnih genov, ki vplivajo na tveganje za nastanek bolezni. Podobno je deljenju vaše lokacije s prijateljem, vendar brez natančnega prilagajanja v pametnem telefonu – mesto je morda očitno, vendar je naslov skrit.

Obstoječe metode so omejene tudi glede podrobnosti analize. Izražanje genov je lahko specifično za določene vrste celic. Če analiza ne razlikuje med različnimi vrstami celic, lahko rezultati zgrešijo resnične vzročno-posledične povezave med genetskimi različicami in izražanjem genov.

METODA EXPRESSO

Metoda ekipe, imenovana EXPRESSO (EXpression PREdiction with Summary Statistics Only), uporablja naprednejši algoritem umetne inteligence in analizira podatke iz kvantitativnih izrazov mononuklearnih celic, ki povezujejo genetske različice z geni, ki jih uravnavajo.

Vključuje tudi 3D genomske podatke in epigenetiko, ki meri, kako lahko okolje spremeni gene, da vplivajo na bolezen. Ekipa je uporabila EXPRESSO za nabore podatkov GWAS za 14 avtoimunskih bolezni, vključno z lupusom, Crohnovo boleznijo, ulcerozni kolitis in revmatoidni artritis.

"S to novo metodo smo lahko identificirali veliko več genov tveganja za avtoimunske bolezni, ki imajo resnično specifične učinke na tip celice, kar pomeni, da prizadenejo le določeno vrsto celic in ne drugih," je povedal Bibo Jiang, docent z medicinske fakultete Univerze v Pensilvaniji in višji avtor študije.

Potencialne terapevtske uporabe

Skupina je te informacije uporabila za identifikacijo potencialnih terapevtikov za avtoimunske bolezni. Pravijo, da trenutno ni dobrih možnosti dolgoročnega zdravljenja.

»Namen večine zdravljenj je ublažiti simptome, namesto da bi pozdravili bolezen. To je dilema, saj vemo, da avtoimunske bolezni zahtevajo dolgotrajno zdravljenje, vendar imajo obstoječa zdravljenja pogosto tako slabe stranske učinke, da jih ni mogoče uporabljati dolgoročno., genomika in umetna inteligenca ponujata obetavno pot za razvoj novih terapevtikov,« je povedala Laura Carrel, profesorica biokemije in molekularne biologije na Medicinski fakulteti Univerze v Pensilvaniji in soavtorica študije.

Delo skupine je pokazalo na spojine zdravil, ki lahko obrnejo izražanje genov v tipih celic, povezanih z avtoimunsko boleznijo, kot sta vitamin K za ulcerozni kolitis in metformin, ki običajno predpisano za sladkorno bolezen tipa 2, za sladkorno bolezen tipa 1. Ta zdravila, ki jih je ameriška uprava za hrano in zdravila (FDA) že odobrila kot varna in učinkovita za zdravljenje drugih bolezni, bi lahko potencialno spremenili namen.

Raziskovalna skupina sodeluje s kolegi pri testiranju svojih ugotovitev v laboratoriju in na koncu v kliničnih preskušanjih.

Študijo sta vodila Lida Wang, doktorska študentka programa biostatistike, in Chakrit Khunsriraksakul, ki je leta 2022 doktoriral iz bioinformatike in genomike, maja pa je doktoriral iz medicine na Univerzi v Pensilvaniji. Drugi avtorji z Medicinske fakultete Univerze v Pennsylvaniji so Havell Marcus, ki si prizadeva za doktorat medicine in diplomo iz medicine; Deyi Chen, doktorski študent; Fan Zhang, podiplomski študent; in Fang Chen, podoktorski sodelavec. Delu se je pridružil tudi Xiaowei Zhang, docent na Southwestern Medical Center Univerze v Teksasu.