Kunstig intelligens vil forbedre prognosen og behandlingen af autoimmune sygdomme

En ny avanceret kunstig intelligens (AI) algoritme kan føre til mere præcise og tidligere forudsigelser, samt udvikling af nye behandlinger for autoimmune sygdomme, hvor immunsystemet fejlagtigt angriber kroppens egne sunde 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.

Værket, der er udviklet af et team af forskere fra University of Pennsylvania College of Medicine, udkonkurrerer eksisterende metoder og identificerede 26 % flere nye gene-trait associationer, rapporterer forskerne. Deres arbejde blev offentliggjort i dag i Nature Communications.

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

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

Genetik og sygdomsudvikling

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 sygdomsrisikoen.

Genom-wide association studies (GWAS), en populær tilgang i human genetik forskning, kan identificere områder af genomet forbundet med en bestemt sygdom eller egenskab, men kan ikke udpege specifikke gener, der påvirker sygdomsrisikoen. Det svarer til at dele din placering med en ven, men uden finjustering på din smartphone – byen kan være indlysende, men adressen er skjult.

Eksisterende metoder er også begrænsede i analysedetaljerne. Genekspression kan være specifik for visse celletyper. Hvis analysen ikke skelner mellem forskellige celletyper, kan resultaterne gå glip af reelle årsag-virkning-forhold mellem genetiske varianter og genekspression.

EXPRESSO-metode

Teamets metode, kaldet EXPRESSO (EXpression Prediction with Summary Statistics Only), bruger en mere avanceret kunstig intelligens-algoritme og analyserer data fra kvantitative ekspressionssignaturer af 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 til GWAS-datasæt for 14 autoimmune sygdomme, herunder lupus, Crohns sygdom, colitis ulcerosa og reumatoid arthritis.

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

Potentielle terapeutiske applikationer

Teamet brugte disse oplysninger til at identificere potentielle terapeutiske midler til autoimmune sygdomme. I øjeblikket, siger de, er der ingen gode langsigtede behandlingsmuligheder.

"De fleste behandlinger har til formål at lindre symptomer frem for at helbrede sygdommen. Dette er et dilemma, velvidende at autoimmune sygdomme kræver langvarig behandling, men eksisterende behandlinger har ofte så dårlige bivirkninger, at de ikke kan bruges på længere sigt. Men, genomics og AI tilbyder en lovende vej til at udvikle nye terapeutiske midler," sagde Laura Carrel, professor i biokemi og molekylærbiologi ved University of Pennsylvania College of Medicine og medforfatter af undersøgelsen.

Teamets arbejde har peget på lægemiddelforbindelser, der kan vende genekspression i celletyper forbundet med autoimmun sygdom, såsom vitamin K mod colitis ulcerosa og metformin, som normalt ordineret til type 2-diabetes, til type 1-diabetes. Disse lægemidler, der allerede er godkendt af US Food and Drug Administration (FDA) som sikre og effektive til behandling af andre sygdomme, kan potentielt genbruges.

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

Lida Wang, en ph.d.-studerende i biostatistikprogrammet, og Chakrit Khunsriraksakul, som modtog sin ph.d. I bioinformatik og genomik i 2022 og sin medicinske grad i maj fra University of Pennsylvania, ledede undersøgelsen. Andre forfattere fra University of Pennsylvania College of Medicine inkluderer Havell Marcus, som forfølger en MD og medicinsk grad; Deyi Chen, doktorand; Fan Zhang, kandidatstuderende; og Fang Chen, postdoc. Xiaowei Zhang, en assisterende professor ved University of Texas Southwestern Medical Center, sluttede sig også til arbejdet.