Ai identifica o conjunto de genes principal que causa doenças complexas

Os biofigiosos da Northwestern University desenvolveram um novo equipamento computacional para identificar combinações de genes subjacentes de doenças complexas, como diabetes, câncer e asma.

Diferentemente dos distúrbios de jóias únicas, essas condições são afetadas por uma rede de muitos genes que trabalham juntos. Mas o grande número de possíveis combinações de genes é muito grande, tornando incrivelmente difícil para os pesquisadores indicar pessoas específicas DoençaAssim,

Usando um modelo de inteligência artificial generativa (AI), o novo método é limitado expressão gênica Dados, permitindo que os pesquisadores resolvam o padrão de atividade gênica que causa sintomas complexos. Essas informações podem levar a um tratamento de doenças novas e mais eficazes associadas a objetivos moleculares associados a muitos genes.

O estudo, a previsão geral do conjunto de genes, é “responsável por sintomas complexos”. Publicado Em Ação da Academia Nacional de CiênciasAssim,

“Muitas doenças são determinadas por uma combinação de genes – não apenas um”, disse Edilson Motter, da Northwestern, um escritor sênior do estudo “, disse o escritor sênior do estudo.

“Você pode comparar uma doença como câncer com um acidente de avião. Na maioria dos casos, a aeronave requer muitas falhas e pode ter resultados semelhantes de várias combinações de falhas. Isso complica a tarefa de indicar os motivos. Nosso modelo ajuda a simplificar as coisas, reconhecendo os principais players e seus efeitos coletivos”.

Um especialista em Sistemas complexosCharles E. de física na Faculdade de Artes e Ciências de Venberg, Motter Northwestern. E Emma H. ​​Morrison é professora e é a diretora do Center for Network Dynamics. Outros escritores do estudo estão todos conectados ao pesquisador do Motte Lab-Postdorlal Benjamin Kuznets, estudante de pós-graduação Buduka Ogoner e pesquisa associada de Thomas Vitock.

Os métodos atuais são baixos

Durante décadas, os pesquisadores lutaram para destacar os fundamentos genéticos de sintomas e doenças humanos complexos. Mesmo sintomas que não são de acesso, como altura, inteligência e cor do cabelo, dependem da coleta de genes.

Métodos atuais, como Estudo de associação em todo o genomaTente encontrar genes individuais associados a um recurso. Mas eles têm falta de poder estatístico para detectar os efeitos coletivos dos grupos gênicos.

“O projeto do genoma humano nos mostrou que temos apenas seis vezes os genes como bactérias de célula única”, disse Motter.

“Mas os seres humanos são muito mais sofisticados que as bactérias, e o número de genes por si só não o explica. Isso destaca a prevalência de relacionamentos multênicos, e deve ser uma conversa entre genes que gera vida complexa”.

“A identidade do gene único ainda é valioso”, disse Wytock. “Mas os sintomas observacionais, ou apenas uma fração muito pequena de fenótipos, podem ser explicados por mudanças nos genes únicos. Em vez disso, sabemos que os fenótipos são o resultado de muitos genes trabalhando juntos. Assim, faz sentido que muitos genes geralmente contribuam para uma variação de uma característica”.

Expressão de Jean não genes

Para ajudar a preencher a longa diferença de conhecimento composição genética (Genótipo) e sintomas observáveis ​​(fenótipos), a equipe de pesquisa desenvolveu uma abordagem sofisticada que combina aprendizado de máquina com adaptação.

Encoder varial condicional do VIDE-VIDE (TWVE), o modelo aproveita a IA genérica para identificar padrões de dados limitados de expressão gênica em humanos. Consequentemente, pode simular estados doentes e saudáveis, para que as mudanças na expressão gênica possam ser comparadas com alterações nos fenótipos.

Em vez de examinar os efeitos de genes individuais isoladamente, o modelo identifica grupos de genes que causam um recurso complexo para emergir coletivamente. O método usa então uma estrutura de adaptação para indicar alterações específicas de genes com maior probabilidade de mover o estado de uma célula para um saudável ou vice -versa.

“Não estamos analisando a sequência de genes, mas a expressão de genes”, disse Vitock. “Treinamos nossos modelos sobre dados de ensaios clínicos, então sabemos quais perfis de expressão são saudáveis ​​ou doentes. Para um pequeno número de genes, também temos Dados práticos Isso sugere como a rede reage, que podemos corresponder aos dados de expressão para encontrar os genes contidos na doença. , Assim,

Existem muitos benefícios de se concentrar na expressão gênica. Primeiro, esse paciente ignora os problemas de privacidade. Os dados genéticos – a sequência de DNA real de uma pessoa – é naturalmente exclusiva de uma pessoa, que fornece um plano altamente individual de saúde, predisposição genética e relações familiares.

Por outro lado, os dados de expressão são mais parecidos com um instantâneo dinâmico de atividade celular. Segundo, a expressão gênica come claramente com os dados Fatores ambientaisQue pode “subir” ou “fundo” o gene para executar várias tarefas.

“Os fatores ambientais não podem afetar o DNA, mas certamente afetam a expressão gênica”, disse Motter. “Então, nosso modelo tem contabilidade indireta de fatores ambientais”.

Uma passagem para tratamento pessoal

Para exibir a eficácia de Twave, a equipe o testou em muitas doenças complexas. O método identificou com sucesso o gene – alguns dos quais foram perdidos pelos métodos atuais – causando essas doenças.

Twave também afirmou que diferentes conjuntos de genes podem causar a mesma doença complexa em pessoas diferentes. Isso sugere que o tratamento individual pode se adequar aos fatores genéticos específicos do paciente.

“Uma doença pode aparecer igualmente em dois indivíduos diferentes”, disse Motter. “Mas, em teoria, um conjunto separado de genes para cada pessoa pode ser incluído devido a diferenças genéticas, ambientais e de estilo de vida. Essas informações podem orientar remédios individuais”.