Umetna inteligenca bo izboljšala napoved in zdravljenje avtoimunskih bolezni

Nov napredni algoritem umetne inteligence (UI) bi lahko vodil do natančnejših in zgodnejših napovedi ter novih načinov zdravljenja avtoimunskih bolezni, pri katerih imunski sistem pomotoma napade lastne zdrave celice in tkiva telesa. Algoritem analizira genetsko kodo, ki je podlaga za te bolezni, da bi natančneje modeliral, kako se geni, povezani s specifičnimi avtoimunskimi boleznimi, izražajo in regulirajo, ter identificiral dodatne gene tveganja.

Raziskovalci poročajo, da delo, ki ga je razvila skupina raziskovalcev na Medicinski fakulteti Univerze v Pensilvaniji, presega obstoječe metodologije in je odkrilo 26 % več novih povezav med genskimi lastnostmi. Njihovo delo je bilo danes objavljeno v reviji Nature Communications.

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

"Če lahko algoritem umetne inteligence natančneje napove tveganje za bolezni, to pomeni, da lahko posredujemo prej."

Genetika in razvoj bolezni

Genetika je pogosto podlaga za razvoj bolezni. Spremembe v DNK lahko vplivajo na izražanje genov, kar je proces, s katerim se informacije v DNK pretvorijo v funkcionalne produkte, kot so beljakovine. Moč ali šibkost izražanja gena lahko vpliva na tveganje za nastanek bolezni.

Študije asociacij na ravni celotnega genoma (GWAS), priljubljen pristop v raziskavah človeške genetike, lahko identificirajo regije genoma, ki so povezane z določeno boleznijo ali lastnostjo, vendar ne morejo natančno določiti specifičnih genov, ki vplivajo na tveganje za bolezen. To je kot deljenje lokacije s prijateljem, vendar brez natančnega uglaševanja na pametnem telefonu – mesto je morda očitno, naslov pa je skrit.

Trenutne metode so prav tako omejene v podrobnostih analize. Izražanje genov je lahko specifično za določene tipe celic. Če analiza ne razlikuje med različnimi tipi celic, lahko rezultati spregledajo dejanske 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 izraznih podpisov mononuklearnih celic, ki povezujejo genetske variante z geni, ki jih uravnavajo.

Prav tako združuje 3D genomske podatke in epigenetiko, ki meri, kako lahko okolje spremeni gene, da vpliva na bolezen. Ekipa je uporabila EXPRESSO za nabore podatkov GWAS za 14 avtoimunskih bolezni, vključno z lupusom, Crohnovo boleznijo, ulceroznim kolitisom in revmatoidnim artritisom.

"S to novo metodo smo lahko identificirali veliko več genov za avtoimunske bolezni, ki imajo resnično učinke, specifične za celični tip, kar pomeni, da vplivajo le na določeno vrsto celic, drugih pa ne," je dejal Bibo Jiang, docent na Medicinski fakulteti Univerze v Pensilvaniji in višji avtor študije.

Potencialne terapevtske aplikacije

Ekipa je te informacije uporabila za identifikacijo potencialnih terapevtskih sredstev za avtoimunske bolezni. Trenutno, pravijo, ni dobrih dolgoročnih možnosti zdravljenja.

»Večina zdravljenj je namenjena lajšanju simptomov in ne ozdravitvi bolezni. 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. Vendar pa genomika in umetna inteligenca ponujata obetavno pot za razvoj novih terapevtskih sredstev,« je dejala Laura Carrel, profesorica biokemije in molekularne biologije na Medicinski fakulteti Univerze v Pensilvaniji in soavtorica študije.

Delo ekipe je pokazalo na zdravilne spojine, ki lahko obrnejo izražanje genov v tipih celic, povezanih z avtoimunskimi boleznimi, kot sta vitamin K za ulcerozni kolitis in metformin, ki se pogosto predpisuje 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 se lahko potencialno ponovno uporabila.

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

Študijo sta vodila Lida Wang, doktorska študentka na programu biostatistike, in Chakrit Khunsriraksakul, ki bo leta 2022 doktoriral iz bioinformatike in genomike, maja pa še diplomiral iz medicine na Univerzi v Pensilvaniji. Med drugimi avtorji z Medicinske fakultete Univerze v Pensilvaniji so Havell Marcus, ki študira in diplomira iz medicine; Deyi Chen, podoktorski sodelavec; Fang Zhang, podiplomski študent; in Fang Chen, podoktorski sodelavec. Delu se je pridružila tudi Xiaowei Zhang, docentka na Medicinskem centru Southwestern Univerze v Teksasu.