一種新的先進人工智能(AI)算法可能會帶來更好、更早的自身免疫性疾病預測和新療法，這種疾病涉及免疫系統錯誤地攻擊人體自身的健康細胞和組織。該算法深入研究這些疾病背后的遺傳密碼，以更準確地模擬與特定自身免疫性疾病相關的基因是如何表達和調節的，并識別其他風險基因。

研究人員說，這項工作是由賓夕法尼亞州立大學醫學院(Penn State College of Medicine)的研究人員領導的一個團隊開發的，比現有的方法要好，多識別出26%的新基因和特征關聯。他們5月20日在《自然通訊》上發表了他們的研究成果。

“我們都攜帶一些DNA突變，我們需要弄清楚這些突變中的任何一個是如何影響與疾病相關的基因表達的，這樣我們就可以早期預測疾病風險。這對自身免疫性疾病尤其重要，”賓夕法尼亞州立醫學院的杰出教授、研究副主席、人工智能和生物醫學信息學主任、該研究的資深作者之一劉大江說。“如果人工智能算法可以更準確地預測疾病風險，這意味著我們可以更早地進行干預。”

基因通常是疾病發展的基礎。DNA的變異會影響基因表達，或者影響DNA信息轉化為蛋白質等功能性產物的過程?；虮磉_的多少會影響疾病的風險。

全基因組關聯研究(GWAS)是人類遺傳學研究中的一種流行方法，它可以定位與特定疾病或特征相關的基因組區域，但不能精確定位影響疾病風險的特定基因。這就像在智能手機上關閉精確定位設置的情況下與朋友分享你的位置一樣——城市可能很明顯，但地址卻很模糊?，F有的方法在其分析的粒度上也受到限制?；虮磉_可能是特定于某些類型的細胞。如果分析不區分不同的細胞類型，結果可能會忽略遺傳變異和基因表達之間的真正因果關系。

該研究小組的方法被稱為EXPRESSO(僅用摘要統計進行表達預測)，它應用了更先進的人工智能算法，并分析了來自單細胞表達數量性狀位點的數據，這是一種將遺傳變異與它們所調節的基因聯系起來的數據。它還將3D基因組數據和表觀遺傳學(測量基因如何被環境修改從而影響疾病)整合到模型中。該團隊將EXPRESSO應用于14種自身免疫性疾病的GWAS數據集，包括狼瘡、克羅恩病、潰瘍性結腸炎和類風濕性關節炎。

賓夕法尼亞州立醫學院助理教授、該研究的資深作者Bibo Jiang說:“通過這種新方法，我們能夠識別出更多的自身免疫性疾病的風險基因，這些基因實際上具有細胞類型特異性的影響，這意味著它們只對特定的細胞類型有影響，而對其他細胞類型沒有影響。”

然后，研究小組利用這些信息來確定自身免疫性疾病的潛在治療方法。他們說，目前還沒有好的長期治療方案。

“大多數治療都是為了減輕癥狀，而不是治愈疾病。知道自身免疫性疾病需要長期治療是一個兩難的選擇，但現有的治療方法往往有很壞的副作用，不能長期使用。然而，基因組學和人工智能為開發新療法提供了一條有希望的途徑，”賓夕法尼亞州立醫學院生物化學和分子生物學教授、該研究的共同資深作者勞拉·卡雷爾說。

該團隊的工作指出，藥物化合物可以逆轉與自身免疫性疾病相關的細胞類型中的基因表達，例如治療潰瘍性結腸炎的維生素K和治療1型糖尿病的典型處方二甲雙胍。這些藥物已經被美國食品和藥物管理局(Food and Drug Administration)批準為安全有效的治療其他疾病的藥物，可能會被重新利用。

研究小組正在與合作者合作，在實驗室環境中驗證他們的發現，并最終在臨床試驗中驗證。

生物統計學專業的博士生王麗達(Lida Wang)和于2022年獲得生物信息學和地理學博士學位，并于今年5月從賓夕法尼亞州立大學獲得醫學學位的查克里特·坤斯里拉庫爾(Chachrit Khunsriraksakul)共同領導了這項研究。賓夕法尼亞州立大學醫學院的其他論文作者包括:正在攻讀博士學位和醫學學位的Havell Markus;陳蝶一，博士研究生;張帆，研究生;陳方，博士后。德克薩斯大學西南醫學中心副教授詹曉偉也參與了這篇論文。

美國國立衛生研究院(資助號R01HG011035, R01AI174108和R01ES036042)和賓夕法尼亞州立醫學院的人工智能和生物醫學信息學試點資助支持了這項工作。



（文章來源：www.ebiotrade.com/newsf/2024-5）