Artificiell intelligens kommer att förbättra prognosen och behandlingen av autoimmuna sjukdomar

En ny algoritm för avancerad artificiell intelligens (AI) kan leda till mer exakta och tidigare förutsägelser, samt utveckling av nya behandlingar för autoimmuna sjukdomar, där immunsystemet av misstag attackerar kroppens egna friska celler och vävnader. Algoritmen analyserar den genetiska koden som ligger bakom dessa tillstånd för att mer exakt modellera hur gener associerade med specifika autoimmuna sjukdomar uttrycks och regleras, och för att identifiera ytterligare riskgener.

Arbetet, som utvecklats av ett team av forskare från University of Pennsylvania College of Medicine, överträffar befintliga metoder och identifierade 26 % fler nya genetiska egenskaper, rapporterar forskarna. Deras arbete publicerades idag i Nature Communications.

"Vi har alla mutationer i vårt DNA, och vi måste förstå hur någon av dessa mutationer kan påverka uttrycket av sjukdomsrelaterade gener så att vi kan förutsäga sjukdomsrisken tidigt. Detta är särskilt viktigt för autoimmuna sjukdomar." sa Dajiang Liu, framstående professor, vice ordförande för forskning och chef för artificiell intelligens och biomedicinsk informatik vid University of Pennsylvania College of Medicine och medförfattare till studien.

"Om en AI-algoritm kan förutsäga sjukdomsrisken mer exakt, betyder det att vi kan ingripa tidigare."

Genetik och sjukdomsutveckling

Genetik ligger ofta till grund för utvecklingen av sjukdomar. Variationer i DNA kan påverka genuttryck, vilket är den process genom vilken information i DNA omvandlas till funktionella produkter som protein. Hur starkt eller svagt en gen uttrycks kan påverka sjukdomsrisken.

Genomomfattande associationsstudier (GWAS), ett populärt tillvägagångssätt inom humangenetikforskning, kan identifiera regioner av genomet som är associerade med en viss sjukdom eller egenskap, men kan inte peka ut specifika gener som påverkar sjukdomsrisken. Det liknar att dela din plats med en vän, men utan finjustering på din smartphone – staden kan vara uppenbar, men adressen är dold.

Befintliga metoder är också begränsade i detalj i analysen. Genuttryck kan vara specifikt för vissa celltyper. Om analysen inte skiljer mellan olika celltyper kan resultaten missa verkliga orsak-och-verkan-samband mellan genetiska varianter och genuttryck.

EXPRESSO-metod

Teamets metod, kallad EXPRESSO (EXpression PREdiction with Summary Statistics Only), använder en mer avancerad algoritm för artificiell intelligens och analyserar data från kvantitativa uttryckssignaturer av mononukleära celler som länkar genetiska varianter till generna de reglerar.

Den integrerar också genomisk 3D-data och epigenetik, som mäter hur gener kan modifieras av miljön för att påverka sjukdomar. Teamet tillämpade EXPRESSO på GWAS-datauppsättningar för 14 autoimmuna sjukdomar, inklusive lupus, Crohns sjukdom, ulcerös kolit och reumatoid artrit.

"Med den här nya metoden kunde vi identifiera många fler riskgener för autoimmuna sjukdomar som verkligen har celltypsspecifika effekter, vilket innebär att de bara påverkar en viss typ av celler och inte andra", säger Bibo Jiang, biträdande professor från University of Pennsylvania College of Medicine och senior författare till studien.

Möjliga terapeutiska tillämpningar

Teamet använde denna information för att identifiera potentiella läkemedel för autoimmuna sjukdomar. För närvarande, säger de, finns det inga bra långtidsbehandlingsalternativ.

"De flesta behandlingar syftar till att lindra symtom snarare än att bota sjukdomen. Detta är ett dilemma, att veta att autoimmuna sjukdomar kräver långvarig behandling, men befintliga behandlingar har ofta så dåliga biverkningar att de inte kan användas på lång sikt., genomik och AI erbjuder en lovande väg till att utveckla nya terapier", säger Laura Carrel, professor i biokemi och molekylärbiologi vid University of Pennsylvania College of Medicine och medförfattare till studien.

Teamets arbete har pekat på läkemedelsföreningar som kan vända genuttryck i celltyper associerade med autoimmun sjukdom, såsom vitamin K för ulcerös kolit och metformin, som vanligtvis ordinerats för typ 2-diabetes, för typ 1-diabetes. Dessa läkemedel, som redan godkänts av US Food and Drug Administration (FDA) som säkra och effektiva för behandling av andra sjukdomar, skulle potentiellt kunna återanvändas.

Forskargruppen arbetar med kollegor för att testa sina resultat i laboratoriet och så småningom i kliniska prövningar.

Lida Wang, doktorand på biostatistikprogrammet, och Chakrit Khunsriraksakul, som tog sin doktorsexamen i bioinformatik och genomik 2022 och sin medicinska examen i maj från University of Pennsylvania, ledde studien. Andra författare från University of Pennsylvania College of Medicine inkluderar Havell Marcus, som läser en M.D. Och medicinsk examen; Deyi Chen, doktorand; Fan Zhang, doktorand; och Fang Chen, postdoktor. Xiaowei Zhang, en biträdande professor vid University of Texas Southwestern Medical Center, gick också med i arbetet.