Kunstig intelligens vil forbedre prognosen og behandlingen af autoimmune sygdomme

En ny avanceret algoritme til kunstig intelligens (AI) kan føre til mere præcise og tidligere forudsigelser og nye behandlinger af autoimmune sygdomme, hvor immunsystemet fejlagtigt angriber kroppens egne raske celler og væv. Algoritmen analyserer den genetiske kode, der ligger til grund for disse tilstande, for mere præcist at modellere, hvordan gener forbundet med specifikke autoimmune sygdomme udtrykkes og reguleres, og for at identificere yderligere risikogener.

Forskerne rapporterer, at arbejdet, der er udviklet af et forskerhold ved University of Pennsylvania College of Medicine, overgår eksisterende metoder og identificerede 26 % flere nye sammenhænge mellem gen-træk. Deres arbejde blev offentliggjort i dag i tidsskriftet Nature Communications.

"Vi har alle mutationer i vores DNA, og vi er nødt til at forstå, hvordan disse mutationer kan påvirke ekspressionen af sygdomsrelaterede gener, så vi kan forudsige sygdomsrisiko tidligt. Dette er især vigtigt for autoimmune sygdomme," sagde Dajiang Liu, professor, næstformand for forskning og direktør for kunstig intelligens og biomedicinsk informatik ved University of Pennsylvania College of Medicine og medforfatter til undersøgelsen.

"Hvis en AI-algoritme mere præcist kan forudsige sygdomsrisiko, betyder det, at vi kan gribe ind tidligere."

Genetik og udvikling af sygdomme

Genetik ligger ofte til grund for udviklingen af sygdomme. Variationer i DNA kan påvirke genekspression, som er den proces, hvorved information i DNA omdannes til funktionelle produkter såsom protein. Hvor stærkt eller svagt et gen udtrykkes, kan påvirke risikoen for sygdom.

Genomomfattende associationsstudier (GWAS), en populær tilgang inden for human genetisk forskning, kan identificere områder af genomet, der er forbundet med en bestemt sygdom eller et bestemt træk, men de kan ikke udpege de specifikke gener, der påvirker sygdomsrisikoen. Det er ligesom at dele din placering med en ven, men uden finjusteringen på din smartphone – byen er måske indlysende, men adressen er skjult.

Nuværende metoder er også begrænsede i detaljerne i deres analyse. Genekspression kan være specifik for bestemte celletyper. Hvis analysen ikke skelner mellem forskellige celletyper, kan resultaterne overse reelle årsagssammenhænge mellem genetiske varianter og genekspression.

EXPRESSO-metoden

Holdets metode, kaldet EXPRESSO (EXpression PREDiction with Summary Statistics Only), bruger en mere avanceret algoritme til kunstig intelligens og analyserer data fra kvantitative ekspressionssignaturer fra mononukleære celler, der forbinder genetiske varianter med de gener, de regulerer.

Det integrerer også 3D-genomiske data og epigenetik, som måler, hvordan gener kan modificeres af miljøet for at påvirke sygdom. Holdet anvendte EXPRESSO på GWAS-datasæt for 14 autoimmune sygdomme, herunder lupus, Crohns sygdom, colitis ulcerosa og leddegigt.

"Med denne nye metode var vi i stand til at identificere mange flere risikogener for autoimmune sygdomme, der virkelig har celletypespecifikke effekter, hvilket betyder, at de kun påvirker en bestemt celletype og ikke andre," sagde Bibo Jiang, adjunkt ved University of Pennsylvania College of Medicine og seniorforfatter af undersøgelsen.

Potentielle terapeutiske anvendelser

Holdet brugte disse oplysninger til at identificere potentielle behandlinger for autoimmune sygdomme. De siger, at der i øjeblikket ikke findes gode langsigtede behandlingsmuligheder.

"De fleste behandlinger sigter mod at lindre symptomer snarere end at helbrede sygdommen. Dette er et dilemma, når man ved, at autoimmune sygdomme kræver langvarig behandling, men eksisterende behandlinger har ofte så dårlige bivirkninger, at de ikke kan bruges på lang sigt. Genomik og kunstig intelligens tilbyder dog en lovende vej til at udvikle nye behandlinger," sagde Laura Carrel, professor i biokemi og molekylærbiologi ved University of Pennsylvania College of Medicine og medforfatter til undersøgelsen.

Holdets arbejde har peget på lægemiddelforbindelser, der kan reversere genekspression i celletyper forbundet med autoimmune sygdomme, såsom vitamin K til ulcerøs colitis og metformin, som almindeligvis ordineres til type 2-diabetes, til type 1-diabetes. Disse lægemidler, der allerede er godkendt af den amerikanske fødevare- og lægemiddelstyrelse (FDA) som sikre og effektive til behandling af andre sygdomme, kan potentielt genanvendes.

Forskerholdet arbejder sammen med kolleger for at teste deres resultater i laboratoriet og i sidste ende i kliniske forsøg.

Lida Wang, en ph.d.-studerende på biostatistikprogrammet, og Chakrit Khunsriraksakul, der modtager sin ph.d. i bioinformatik og genomik i 2022 og sin medicinske grad i maj fra University of Pennsylvania, ledte undersøgelsen. Andre forfattere fra University of Pennsylvania College of Medicine inkluderer Havell Marcus, der forfølger sin ph.d. og medicinske grad; Deyi Chen, en postdoc; Fang Zhang, en kandidatstuderende; og Fang Chen, en postdoc. Xiaowei Zhang, en adjunkt ved University of Texas Southwestern Medical Center, deltog også i arbejdet.