Mākslīgais intelekts uzlabos autoimūno slimību prognozi un ārstēšanu

Jauns uzlabots mākslīgā intelekta (MI) algoritms varētu nodrošināt precīzākas un agrākas prognozes un jaunas ārstēšanas metodes autoimūnām slimībām, kurās imūnsistēma kļūdaini uzbrūk organisma veselajām šūnām un audiem. Algoritms analizē šo slimību pamatā esošo ģenētisko kodu, lai precīzāk modelētu, kā tiek ekspresēti un regulēti ar specifiskām autoimūnām slimībām saistītie gēni, un lai identificētu papildu riska gēnus.

Pensilvānijas Universitātes Medicīnas koledžas pētnieku komandas izstrādātais darbs pārspēj esošās metodoloģijas un identificē par 26 % vairāk jaunu gēnu un iezīmju saistību, ziņo pētnieki. Viņu darbs šodien tika publicēts žurnālā Nature Communications.

"Mums visiem ir mutācijas DNS, un mums ir jāsaprot, kā jebkura no šīm mutācijām var ietekmēt ar slimībām saistīto gēnu ekspresiju, lai mēs varētu laikus paredzēt slimību risku. Tas ir īpaši svarīgi autoimūno slimību gadījumā," sacīja Dajiangs Liu, Pensilvānijas Universitātes Medicīnas koledžas izcilais profesors, pētniecības vicepriekšsēdētājs un mākslīgā intelekta un biomedicīnas informātikas direktors, kā arī pētījuma līdzautors.

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

Ģenētika un slimību attīstība

Ģenētika bieži ir slimību attīstības pamatā. DNS variācijas var ietekmēt gēnu ekspresiju, kas ir process, kurā informācija DNS tiek pārveidota funkcionālos produktos, piemēram, olbaltumvielās. Cik spēcīgi vai vāji tiek ekspresēts gēns, var ietekmēt slimības risku.

Genoma mēroga asociācijas pētījumi (GWAS), populāra pieeja cilvēka ģenētikas pētījumos, var identificēt genoma reģionus, kas ir saistīti ar konkrētu slimību vai pazīmi, taču tie nevar precīzi noteikt konkrētos gēnus, kas ietekmē slimības risku. Tas ir līdzīgi kā dalīties ar savu atrašanās vietu ar draugu, taču bez precīzas iestatīšanas viedtālrunī — pilsēta var būt acīmredzama, bet adrese ir paslēpta.

Arī pašreizējās metodes ir ierobežotas analīzes detalizācijas ziņā. Gēnu ekspresija var būt raksturīga noteiktiem šūnu tipiem. Ja analīze neatšķir dažādus šūnu tipus, rezultāti var neļaut saskatīt reālas cēloņsakarības starp ģenētiskajiem variantiem un gēnu ekspresiju.

EXPRESSO metode

Komandas metode, ko sauc par EXPRESSO (EXpression PREdiction with Summary Statistics Only), izmanto modernāku mākslīgā intelekta algoritmu un analizē datus no mononukleāro šūnu kvantitatīvām ekspresijas parakstiem, kas saista ģenētiskos variantus ar gēniem, kurus tie regulē.

Tas integrē arī 3D genomikas datus un epigenetiku, kas mēra, kā vide var modificēt gēnus, lai ietekmētu slimības. Komanda piemēroja EXPRESSO GWAS datu kopām 14 autoimūnām slimībām, tostarp vilkēdei, Krona slimībai, čūlainajam kolītam un reimatoīdajam artrītam.

"Ar šo jauno metodi mēs varējām identificēt daudz vairāk autoimūnu slimību riska gēnu, kuriem patiešām ir šūnu tipam specifiska ietekme, kas nozīmē, ka tie ietekmē tikai noteiktu šūnu tipu, nevis citus," sacīja Bibo Dzjans, Pensilvānijas Universitātes Medicīnas koledžas docents un pētījuma vecākais autors.

Potenciālie terapeitiskie pielietojumi

Komanda izmantoja šo informāciju, lai identificētu potenciālās terapijas autoimūnām slimībām. Pašlaik, viņi apgalvo, nav labu ilgtermiņa ārstēšanas iespēju.

"Lielākā daļa ārstēšanas metožu ir vērstas uz simptomu mazināšanu, nevis slimības izārstēšanu. Tā ir dilemma, zinot, ka autoimūnām slimībām nepieciešama ilgstoša ārstēšana, taču esošajām ārstēšanas metodēm bieži vien ir tik sliktas blakusparādības, ka tās nevar lietot ilgtermiņā. Tomēr genomika un mākslīgais intelekts piedāvā daudzsološu iespēju jaunu terapeitisko līdzekļu izstrādei," sacīja Laura Karela, bioķīmijas un molekulārās bioloģijas profesore Pensilvānijas Universitātes Medicīnas koledžā un pētījuma līdzautore.

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

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

Pētījumu vadīja biostatistikas programmas doktorante Lida Vanga un Čakrits Hunsriraksakuls, kurš 2022. gadā Pensilvānijas Universitātē iegūs doktora grādu bioinformātikā un genomikā, bet maijā - medicīnas grādu. Citi autori no Pensilvānijas Universitātes Medicīnas koledžas ir Havels Markuss, kurš studē doktorantūrā un medicīnas grādu; Deji Čens, pēcdotorantūras stipendiāts; Fans Džans, doktorants; un Fans Čens, pēcdotorantūras stipendiāts. Darbā piedalījās arī Sjaovei Džans, Teksasas Universitātes Dienvidrietumu medicīnas centra docents.