Η τεχνητή νοημοσύνη θα βελτιώσει την πρόγνωση και τη θεραπεία των αυτοάνοσων νοσημάτων

Ένας νέος προηγμένος αλγόριθμος τεχνητής νοημοσύνης (AI) θα μπορούσε να οδηγήσει σε πιο ακριβείς και έγκαιρες προβλέψεις και νέες θεραπείες για αυτοάνοσα νοσήματα, στα οποία το ανοσοποιητικό σύστημα επιτίθεται εσφαλμένα στα υγιή κύτταρα και ιστούς του σώματος. Ο αλγόριθμος αναλύει τον γενετικό κώδικα που διέπει αυτές τις παθήσεις για να μοντελοποιήσει με μεγαλύτερη ακρίβεια τον τρόπο με τον οποίο εκφράζονται και ρυθμίζονται τα γονίδια που σχετίζονται με συγκεκριμένα αυτοάνοσα νοσήματα και για να εντοπίσει πρόσθετα γονίδια κινδύνου.

Η εργασία, που αναπτύχθηκε από μια ομάδα ερευνητών στο Ιατρικό Κολλέγιο του Πανεπιστημίου της Πενσυλβάνια, ξεπερνά τις υπάρχουσες μεθοδολογίες και εντόπισε 26% περισσότερες νέες συσχετίσεις γονιδίων-χαρακτηριστικών, αναφέρουν οι ερευνητές. Η εργασία τους δημοσιεύθηκε σήμερα στο περιοδικό Nature Communications.

«Όλοι έχουμε μεταλλάξεις στο DNA μας και πρέπει να κατανοήσουμε πώς οποιαδήποτε από αυτές τις μεταλλάξεις μπορεί να επηρεάσει την έκφραση γονιδίων που σχετίζονται με ασθένειες, ώστε να μπορούμε να προβλέψουμε τον κίνδυνο ασθένειας έγκαιρα. Αυτό είναι ιδιαίτερα σημαντικό για τις αυτοάνοσες ασθένειες», δήλωσε ο Dajiang Liu, διακεκριμένος καθηγητής, αντιπρόεδρος έρευνας και διευθυντής τεχνητής νοημοσύνης και βιοϊατρικής πληροφορικής στο Ιατρικό Κολλέγιο του Πανεπιστημίου της Πενσυλβάνια και συν-συγγραφέας της μελέτης.

«Εάν ένας αλγόριθμος τεχνητής νοημοσύνης μπορεί να προβλέψει με μεγαλύτερη ακρίβεια τον κίνδυνο ασθένειας, αυτό σημαίνει ότι μπορούμε να παρέμβουμε νωρίτερα».

Γενετική και ανάπτυξη ασθενειών

Η γενετική συχνά αποτελεί τη βάση της ανάπτυξης ασθενειών. Οι παραλλαγές στο DNA μπορούν να επηρεάσουν την γονιδιακή έκφραση, η οποία είναι η διαδικασία με την οποία οι πληροφορίες στο DNA μετατρέπονται σε λειτουργικά προϊόντα όπως η πρωτεΐνη. Το πόσο έντονα ή ασθενώς εκφράζεται ένα γονίδιο μπορεί να επηρεάσει τον κίνδυνο ασθένειας.

Οι μελέτες συσχέτισης σε επίπεδο γονιδιώματος (GWAS), μια δημοφιλής προσέγγιση στην έρευνα της ανθρώπινης γενετικής, μπορούν να εντοπίσουν περιοχές του γονιδιώματος που σχετίζονται με μια συγκεκριμένη ασθένεια ή χαρακτηριστικό, αλλά δεν μπορούν να εντοπίσουν τα συγκεκριμένα γονίδια που επηρεάζουν τον κίνδυνο ασθένειας. Είναι σαν να μοιράζεστε την τοποθεσία σας με έναν φίλο, αλλά χωρίς τις λεπτές ρυθμίσεις στο smartphone σας - η πόλη μπορεί να είναι προφανής, αλλά η διεύθυνση είναι κρυφή.

Οι τρέχουσες μέθοδοι περιορίζονται επίσης στις λεπτομέρειες της ανάλυσής τους. Η γονιδιακή έκφραση μπορεί να είναι ειδική για ορισμένους τύπους κυττάρων. Εάν η ανάλυση δεν κάνει διάκριση μεταξύ διαφορετικών τύπων κυττάρων, τα αποτελέσματα ενδέχεται να μην εντοπίζουν τις πραγματικές σχέσεις αιτίας-αποτελέσματος μεταξύ γενετικών παραλλαγών και γονιδιακής έκφρασης.

Μέθοδος EXPRESSO

Η μέθοδος της ομάδας, που ονομάζεται EXPRESSO (EXpression PREdiction with Summary Statistics Only), χρησιμοποιεί έναν πιο προηγμένο αλγόριθμο τεχνητής νοημοσύνης και αναλύει δεδομένα από ποσοτικές υπογραφές έκφρασης μονοπύρηνων κυττάρων που συνδέουν γενετικές παραλλαγές με τα γονίδια που ρυθμίζουν.

Ενσωματώνει επίσης τρισδιάστατα γονιδιωματικά δεδομένα και επιγενετική, η οποία μετράει τον τρόπο με τον οποίο τα γονίδια μπορούν να τροποποιηθούν από το περιβάλλον για να επηρεάσουν ασθένειες. Η ομάδα εφάρμοσε το EXPRESSO σε σύνολα δεδομένων GWAS για 14 αυτοάνοσα νοσήματα, συμπεριλαμβανομένου του λύκου, της νόσου του Crohn, της ελκώδους κολίτιδας και της ρευματοειδούς αρθρίτιδας.

«Με αυτή τη νέα μέθοδο, καταφέραμε να εντοπίσουμε πολλά περισσότερα γονίδια κινδύνου αυτοάνοσων νοσημάτων που πραγματικά έχουν επιδράσεις ειδικές για τον κυτταρικό τύπο, που σημαίνει ότι επηρεάζουν μόνο έναν συγκεκριμένο τύπο κυττάρου και όχι άλλους», δήλωσε ο Bibo Jiang, επίκουρος καθηγητής στο Ιατρικό Κολλέγιο του Πανεπιστημίου της Πενσυλβάνια και κύριος συγγραφέας της μελέτης.

Πιθανές θεραπευτικές εφαρμογές

Η ομάδα χρησιμοποίησε αυτές τις πληροφορίες για να εντοπίσει πιθανές θεραπείες για αυτοάνοσα νοσήματα. Προς το παρόν, λένε, δεν υπάρχουν καλές μακροπρόθεσμες θεραπευτικές επιλογές.

«Οι περισσότερες θεραπείες στοχεύουν στην ανακούφιση των συμπτωμάτων και όχι στη θεραπεία της νόσου. Αυτό είναι ένα δίλημμα, γνωρίζοντας ότι οι αυτοάνοσες ασθένειες απαιτούν μακροχρόνια θεραπεία, αλλά οι υπάρχουσες θεραπείες συχνά έχουν τόσο κακές παρενέργειες που δεν μπορούν να χρησιμοποιηθούν μακροπρόθεσμα. Ωστόσο, η γονιδιωματική και η τεχνητή νοημοσύνη προσφέρουν μια πολλά υποσχόμενη οδό για την ανάπτυξη νέων θεραπευτικών μεθόδων», δήλωσε η Laura Carrel, καθηγήτρια βιοχημείας και μοριακής βιολογίας στο Ιατρικό Κολλέγιο του Πανεπιστημίου της Πενσυλβάνια και συν-συγγραφέας της μελέτης.

Η εργασία της ομάδας έχει επισημάνει φαρμακευτικές ενώσεις που μπορούν να αντιστρέψουν την γονιδιακή έκφραση σε κυτταρικούς τύπους που σχετίζονται με αυτοάνοσα νοσήματα, όπως η βιταμίνη Κ για την ελκώδη κολίτιδα και η μετφορμίνη, η οποία συνταγογραφείται συνήθως για τον διαβήτη τύπου 2, για τον διαβήτη τύπου 1. Αυτά τα φάρμακα, που έχουν ήδη εγκριθεί από τον Αμερικανικό Οργανισμό Τροφίμων και Φαρμάκων (FDA) ως ασφαλή και αποτελεσματικά για τη θεραπεία άλλων ασθενειών, θα μπορούσαν ενδεχομένως να επαναχρησιμοποιηθούν.

Η ερευνητική ομάδα συνεργάζεται με συναδέλφους για να δοκιμάσει τα ευρήματά της στο εργαστήριο και, τελικά, σε κλινικές δοκιμές.

Η Lida Wang, διδακτορική φοιτήτρια στο πρόγραμμα βιοστατιστικής, και ο Chakrit Khunsriraksakul, ο οποίος θα λάβει το διδακτορικό του στη βιοπληροφορική και τη γονιδιωματική το 2022 και το πτυχίο ιατρικής τον Μάιο από το Πανεπιστήμιο της Πενσυλβάνια, ηγήθηκαν της μελέτης. Άλλοι συγγραφείς από το Ιατρικό Κολλέγιο του Πανεπιστημίου της Πενσυλβάνια περιλαμβάνουν τον Havell Marcus, ο οποίος επιδιώκει το διδακτορικό του και το πτυχίο ιατρικής, τον Deyi Chen, μεταδιδακτορικό ερευνητή, τον Fang Zhang, μεταπτυχιακό φοιτητή και τον Fang Chen, μεταδιδακτορικό ερευνητή. Στην εργασία συμμετείχε επίσης ο Xiaowei Zhang, επίκουρος καθηγητής στο Ιατρικό Κέντρο Southwestern του Πανεπιστημίου του Τέξας.