A mesterséges intelligencia javítani fogja az autoimmun betegségek prognózisát és kezelését

Egy új, fejlett mesterséges intelligencia (MI) algoritmus pontosabb és korábbi előrejelzésekhez, valamint új kezelésekhez vezethet az autoimmun betegségek esetében, amelyek során az immunrendszer tévesen támadja meg a szervezet saját egészséges sejtjeit és szöveteit. Az algoritmus elemzi az ezen állapotok mögött meghúzódó genetikai kódot, hogy pontosabban modellezze, hogyan fejeződnek ki és szabályozódnak az egyes autoimmun betegségekhez kapcsolódó gének, és további kockázati géneket azonosítson.

A Pennsylvaniai Egyetem Orvostudományi Karának kutatócsoportja által kidolgozott munka felülmúlja a meglévő módszereket, és 26%-kal több új gén-tulajdonság összefüggést azonosított, jelentették a kutatók. Munkájuk ma jelent meg a Nature Communications folyóiratban.

„Mindannyiunk DNS-ében vannak mutációk, és meg kell értenünk, hogy ezek a mutációk hogyan befolyásolhatják a betegséggel kapcsolatos gének expresszióját, hogy korán megjósolhassuk a betegség kockázatát. Ez különösen fontos az autoimmun betegségek esetében” – mondta Dajiang Liu, a Pennsylvaniai Egyetem Orvostudományi Karának elismert professzora, kutatási alelnöke, a mesterséges intelligencia és biomedicinális informatika igazgatója, valamint a tanulmány társszerzője.

„Ha egy mesterséges intelligencia algoritmusa pontosabban képes megjósolni a betegségek kockázatát, az azt jelenti, hogy korábban beavatkozhatunk.”

Genetika és a betegségek kialakulása

A betegségek kialakulásának hátterében gyakran áll a genetika. A DNS-variációk befolyásolhatják a génexpressziót, amely az a folyamat, amelynek során a DNS-ben található információk funkcionális termékekké, például fehérjévé alakulnak. Az, hogy egy gén mennyire erősen vagy gyengén expresszálódik, befolyásolhatja a betegségek kockázatát.

A genomszintű asszociációs vizsgálatok (GWAS), a humángenetikai kutatásokban népszerű megközelítés, képesek azonosítani a genom azon régióit, amelyek egy adott betegséggel vagy tulajdonsággal társulnak, de nem tudják pontosan meghatározni azokat a specifikus géneket, amelyek befolyásolják a betegség kockázatát. Olyan ez, mintha megosztaná a tartózkodási helyét egy barátjával, de az okostelefonján történő finomhangolás nélkül – a város nyilvánvaló lehet, de a cím rejtve van.

A jelenlegi módszerek elemzési részletességükben is korlátozottak. A génexpresszió bizonyos sejttípusokra specifikus lehet. Ha az elemzés nem tesz különbséget a különböző sejttípusok között, az eredményekből hiányozhatnak a genetikai variánsok és a génexpresszió közötti valódi ok-okozati összefüggések.

EXPRESSO módszer

A csapat EXPRESSO (EXpression PREdiction with Summary Statistics Only) nevű módszere egy fejlettebb mesterséges intelligencia algoritmust használ, és a mononukleáris sejtek kvantitatív expressziós szignatúráiból származó adatokat elemzi, amelyek a genetikai variánsokat az általuk szabályozott génekhez kötik.

Emellett integrálja a 3D genomikai adatokat és az epigenetikát, amely azt méri, hogy a környezet hogyan módosíthatja a géneket a betegségek befolyásolása érdekében. A csapat az EXPRESSO-t 14 autoimmun betegség, köztük a lupus, a Crohn-betegség, a fekélyes vastagbélgyulladás és a reumatoid artritisz GWAS-adatkészleteire alkalmazta.

„Ezzel az új módszerrel sokkal több olyan autoimmun betegség kockázatát jelentő gént tudtunk azonosítani, amelyek valóban sejttípus-specifikus hatással bírnak, ami azt jelenti, hogy csak egy bizonyos sejttípust érintenek, másokat nem” – mondta Bibo Jiang, a Pennsylvaniai Egyetem Orvostudományi Karának adjunktusa és a tanulmány vezető szerzője.

Potenciális terápiás alkalmazások

A csapat ezeket az információkat felhasználta az autoimmun betegségek lehetséges terápiáinak azonosítására. Jelenleg, mondják, nincsenek jó hosszú távú kezelési lehetőségek.

„A legtöbb kezelés célja a tünetek enyhítése, nem pedig a betegség gyógyítása. Ez egy dilemma, tudván, hogy az autoimmun betegségek hosszú távú kezelést igényelnek, de a meglévő kezeléseknek gyakran olyan rossz mellékhatásaik vannak, hogy hosszú távon nem alkalmazhatók. A genomika és a mesterséges intelligencia azonban ígéretes utat kínál új terápiák fejlesztéséhez” – mondta Laura Carrel, a Pennsylvaniai Egyetem Orvostudományi Karának biokémia és molekuláris biológia professzora, a tanulmány társszerzője.

A csapat munkája olyan gyógyszervegyületekre mutatott rá, amelyek képesek visszafordítani a génexpressziót az autoimmun betegségekkel összefüggő sejttípusokban, mint például a K-vitamin a fekélyes vastagbélgyulladás esetén, és a metformin, amelyet gyakran felírnak 2-es típusú cukorbetegség esetén, az 1-es típusú cukorbetegség esetén. Ezeket a gyógyszereket, amelyeket az Egyesült Államok Élelmiszer- és Gyógyszerügyi Hatósága (FDA) már jóváhagyott, mint más betegségek kezelésében biztonságos és hatékony gyógyszereket, potenciálisan újra lehetne hasznosítani.

A kutatócsoport kollégáival együttműködve laboratóriumi, majd végül klinikai vizsgálatokban is teszteli eredményeit.

A tanulmányt Lida Wang, a biostatisztikai program doktorandusza, valamint Chakrit Khunsriraksakul vezette, aki 2022-ben doktori fokozatot szerez bioinformatikából és genomikából, májusban pedig orvosi diplomát szerez a Pennsylvaniai Egyetemen. A Pennsylvaniai Egyetem Orvostudományi Karának további szerzői közé tartozik Havell Marcus, aki doktori és orvosi fokozatot szerez; Deyi Chen posztdoktori ösztöndíjas; Fang Zhang, végzős hallgató; és Fang Chen posztdoktori ösztöndíjas. A munkához csatlakozott Xiaowei Zhang, a Texasi Egyetem Délnyugati Orvosi Központjának adjunktusa is.