Artificiell intelligens kommer att förbättra prognosen och behandlingen av autoimmuna sjukdomar

En ny avancerad algoritm för artificiell intelligens (AI) kan leda till mer exakta och tidigare förutsägelser och nya behandlingar för autoimmuna sjukdomar, där immunförsvaret felaktigt 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 forskarteam vid University of Pennsylvania College of Medicine, överträffar befintliga metoder och identifierade 26 % fler nya samband mellan genegenskaper, rapporterar forskarna. Deras arbete publicerades idag i tidskriften Nature Communications.

"Vi har alla mutationer i vårt DNA, och vi behöver 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", säger 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 risken för sjukdom.

Genomövergripande associationsstudier (GWAS), en populär metod inom humangenetisk forskning, kan identifiera regioner i genomet som är associerade med en viss sjukdom eller ett visst drag, men de kan inte precisera de specifika gener som påverkar sjukdomsrisken. Det är som att dela din plats med en vän, men utan finjusteringen på din smartphone – staden kan vara uppenbar, men adressen är dold.

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

EXPRESSO-metoden

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

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

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

Potentiella terapeutiska tillämpningar

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

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

Teamets arbete har pekat på läkemedelssubstanser som kan reversera genuttryck i celltyper associerade med autoimmuna sjukdomar, såsom vitamin K för ulcerös kolit och metformin, som vanligtvis förskrivs för typ 2-diabetes, för typ 1-diabetes. Dessa läkemedel, som redan är godkända 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 i slutändan i kliniska prövningar.

Lida Wang, doktorand vid biostatistikprogrammet, och Chakrit Khunsriraksakul, som kommer att doktorera i bioinformatik och genomik år 2022 och ta sin medicinska examen i maj vid University of Pennsylvania, ledde studien. Andra författare från University of Pennsylvania College of Medicine inkluderar Havell Marcus, som doktorerar och tar sin medicinska examen; Deyi Chen, postdoktor; Fang Zhang, doktorand; och Fang Chen, postdoktor. I arbetet deltog även Xiaowei Zhang, biträdande professor vid University of Texas Southwestern Medical Center.