Tekoäly parantaa autoimmuunisairauksien ennustetta ja hoitoa

Uusi edistynyt tekoälyalgoritmi voisi johtaa tarkempiin ja aikaisempiin ennusteisiin ja uusiin hoitoihin autoimmuunisairauksissa, joissa immuunijärjestelmä hyökkää virheellisesti kehon omia terveitä soluja ja kudoksia vastaan. Algoritmi analysoi näiden sairauksien taustalla olevaa geneettistä koodia mallintaakseen tarkemmin, miten tiettyihin autoimmuunisairauksiin liittyvät geenit ilmentyvät ja säätelevät, ja tunnistaakseen lisää riskigeenejä.

Pennsylvanian yliopiston lääketieteellisen tiedekunnan tutkijaryhmän kehittämä tutkimus ylittää olemassa olevat menetelmät ja tunnisti 26 % enemmän uusia geenien ja ominaisuuksien välisiä yhteyksiä, tutkijat raportoivat. Heidän työnsä julkaistiin tänään Nature Communications -lehdessä.

"Meillä kaikilla on mutaatioita DNA:ssamme, ja meidän on ymmärrettävä, miten mikä tahansa näistä mutaatioista voi vaikuttaa sairauksiin liittyvien geenien ilmentymiseen, jotta voimme ennustaa sairausriskin varhaisessa vaiheessa. Tämä on erityisen tärkeää autoimmuunisairauksien yhteydessä", sanoi Dajiang Liu, Pennsylvanian yliopiston lääketieteellisen tiedekunnan tekoälyn ja biolääketieteellisen informatiikan johtaja ja tutkimuksen toinen kirjoittaja.

"Jos tekoälyalgoritmi pystyy ennustamaan sairausriskiä tarkemmin, se tarkoittaa, että voimme puuttua asiaan aikaisemmin."

Genetiikka ja sairauksien kehittyminen

Genetiikka on usein sairauksien kehittymisen taustalla. DNA:n vaihtelut voivat vaikuttaa geenien ilmentymiseen, joka on prosessi, jossa DNA:n sisältämä informaatio muunnetaan toiminnallisiksi tuotteiksi, kuten proteiineiksi. Geenien ilmentymisen voimakkuus tai heikkous voi vaikuttaa sairauksien riskiin.

Koko genomin kattavat assosiaatiotutkimukset (GWAS), suosittu lähestymistapa ihmisgenetiikan tutkimuksessa, voivat tunnistaa genomin alueita, jotka liittyvät tiettyyn sairauteen tai ominaisuuteen, mutta ne eivät voi määrittää tiettyjä geenejä, jotka vaikuttavat sairausriskiin. Se on kuin jakaisi sijaintinsa ystävän kanssa, mutta ilman älypuhelimen hienosäätöä – kaupunki voi olla ilmeinen, mutta osoite on piilossa.

Nykyiset menetelmät ovat myös rajallisia analyysiensa yksityiskohtien suhteen. Geenien ilmentyminen voi olla spesifistä tietyille solutyypeille. Jos analyysi ei erottele eri solutyyppejä, tuloksista voi jäädä huomaamatta todelliset syy-seuraussuhteet geneettisten varianttien ja geenien ilmentymisen välillä.

EXPRESSO-menetelmä

Tiimin menetelmä, nimeltään EXPRESSO (EXpression PREdiction with Summary Statistics Only), käyttää kehittyneempää tekoälyalgoritmia ja analysoi tietoja mononukleaaristen solujen kvantitatiivisista ilmentymisallekirjoituksista, jotka yhdistävät geneettiset variantit niiden säätelemiin geeneihin.

Se yhdistää myös 3D-genomidatan ja epigenetiikan, joka mittaa, miten ympäristö voi muokata geenejä sairauksien aikaansaamiseksi. Tiimi sovelsi EXPRESSOa GWAS-tietojoukkoihin 14 autoimmuunisairaudesta, mukaan lukien lupus, Crohnin tauti, haavainen paksusuolitulehdus ja nivelreuma.

"Tällä uudella menetelmällä pystyimme tunnistamaan paljon enemmän autoimmuunisairauksien riskigeenejä, joilla on todella solutyyppikohtaisia vaikutuksia, eli ne vaikuttavat vain tietyn tyyppisiin soluihin eivätkä muihin", sanoo Bibo Jiang, Pennsylvanian yliopiston lääketieteellisen tiedekunnan apulaisprofessori ja tutkimuksen vanhempi kirjoittaja.

Mahdollisia terapeuttisia sovelluksia

Tiimi käytti näitä tietoja tunnistaakseen potentiaalisia hoitoja autoimmuunisairauksiin. Tällä hetkellä heidän mukaansa ei ole olemassa hyviä pitkäaikaisia hoitovaihtoehtoja.

"Useimmat hoidot tähtäävät oireiden lievittämiseen pikemminkin kuin taudin parantamiseen. Tämä on dilemma, kun tiedetään, että autoimmuunisairaudet vaativat pitkäaikaista hoitoa, mutta olemassa olevilla hoidoilla on usein niin pahoja sivuvaikutuksia, että niitä ei voida käyttää pitkäaikaisesti. Genomiikka ja tekoäly tarjoavat kuitenkin lupaavan tien uusien hoitojen kehittämiseen", sanoo Laura Carrel, biokemian ja molekyylibiologian professori Pennsylvanian yliopiston lääketieteellisessä tiedekunnassa ja tutkimuksen toinen kirjoittaja.

Tiimin työ on osoittanut lääkeyhdisteitä, jotka voivat kääntää geenien ilmentymistä autoimmuunisairauksiin liittyvissä solutyypeissä, kuten K-vitamiini haavaisen paksusuolitulehduksen hoitoon ja metformiini, jota yleisesti määrätään tyypin 2 diabeteksen hoitoon, tyypin 1 diabeteksen hoitoon. Näitä lääkkeitä, jotka Yhdysvaltain elintarvike- ja lääkevirasto (FDA) on jo hyväksynyt turvallisiksi ja tehokkaiksi muiden sairauksien hoidossa, voitaisiin mahdollisesti käyttää uudelleen.

Tutkimusryhmä työskentelee kollegoiden kanssa testatakseen löydöksiään laboratoriossa ja lopulta kliinisissä tutkimuksissa.

Tutkimusta johtivat biostatistiikan ohjelman tohtoriopiskelija Lida Wang ja Chakrit Khunsriraksakul, joka väittelee bioinformatiikassa ja genomiikassa vuonna 2022 ja lääketieteen tutkintonsa toukokuussa Pennsylvanian yliopistosta. Muita Pennsylvanian yliopiston lääketieteellisen tiedekunnan kirjoittajia ovat Havell Marcus, joka suorittaa tohtorin tutkintoa ja lääketieteen tutkintoa; postdoc-tutkija Deyi Chen; jatko-opiskelija Fang Zhang; ja postdoc-tutkija Fang Chen. Työhön osallistui myös Xiaowei Zhang, apulaisprofessori Texasin yliopiston Southwestern Medical Centeristä.