Künstliche Intelligenz wird die Prognose und Behandlung von Autoimmunerkrankungen verbessern

Ein neuer fortschrittlicher Algorithmus für künstliche Intelligenz (KI) könnte zu genaueren und früheren Vorhersagen sowie zur Entwicklung neuer Behandlungen für Autoimmunerkrankungen führen, bei denen das Immunsystem fälschlicherweise die gesunden Zellen und Gewebe des Körpers angreift. Der Algorithmus analysiert den genetischen Code, der diesen Erkrankungen zugrunde liegt, um genauer zu modellieren, wie Gene, die mit bestimmten Autoimmunerkrankungen in Zusammenhang stehen, exprimiert und reguliert werden, und um zusätzliche Risikogene zu identifizieren.

Die Arbeit, die von einem Forscherteam des University of Pennsylvania College of Medicine entwickelt wurde, übertrifft bestehende Methoden und identifizierte 26 % mehr neue Gen-Merkmals-Assoziationen, berichten die Forscher. Ihre Arbeit wurde heute in Nature Communications veröffentlicht.

„Wir alle haben Mutationen in unserer DNA und wir müssen verstehen, wie jede dieser Mutationen die Expression krankheitsbezogener Gene beeinflussen kann, damit wir das Krankheitsrisiko frühzeitig vorhersagen können. Dies ist besonders wichtig für Autoimmunerkrankungen“, sagte Dajiang Liu, angesehener Professor, stellvertretender Vorsitzender für Forschung und Direktor für künstliche Intelligenz und biomedizinische Informatik am University of Pennsylvania College of Medicine und Co-Autor der Studie.

„Wenn ein KI-Algorithmus das Krankheitsrisiko genauer vorhersagen kann, bedeutet das, dass wir früher eingreifen können.“

Genetik und Krankheitsentwicklung

Die Entwicklung von Krankheiten liegt oft der Genetik zugrunde. Variationen in der DNA können die Genexpression beeinflussen, also den Prozess, bei dem Informationen in der DNA in funktionelle Produkte wie Proteine umgewandelt werden. Wie stark oder schwach ein Gen exprimiert wird, kann das Krankheitsrisiko beeinflussen.

Genomweite Assoziationsstudien (GWAS), ein beliebter Ansatz in der Humangenetikforschung, können Regionen des Genoms identifizieren, die mit einer bestimmten Krankheit oder Eigenschaft in Zusammenhang stehen, können aber keine spezifischen Gene bestimmen, die das Krankheitsrisiko beeinflussen. Es ist so, als würde man seinen Standort mit einem Freund teilen, aber ohne die Feineinstellung auf dem Smartphone – die Stadt mag offensichtlich sein, aber die Adresse ist verborgen.

Bestehende Methoden sind auch in der Detailliertheit der Analyse begrenzt. Die Genexpression kann spezifisch für bestimmte Zelltypen sein. Wenn die Analyse nicht zwischen verschiedenen Zelltypen unterscheidet, können die Ergebnisse echte Ursache-Wirkungs-Beziehungen zwischen genetischen Varianten und Genexpression übersehen.

EXPRESSO-Methode

Die Methode des Teams, genannt EXPRESSO (EXpression PREdiction with Summary Statistics Only), verwendet einen fortschrittlicheren Algorithmus der künstlichen Intelligenz und analysiert Daten aus quantitativen Expressionssignaturen mononukleärer Zellen, die genetische Varianten mit den von ihnen regulierten Genen verknüpfen.

Außerdem integriert sie 3D-Genomdaten und Epigenetik, die misst, wie Gene durch die Umwelt verändert werden können, um Krankheiten zu beeinflussen. Das Team wendete EXPRESSO auf GWAS-Datensätze für 14 Autoimmunerkrankungen an, darunter Lupus, Morbus Crohn, Colitis ulcerosa und rheumatoide Arthritis.

„Mit dieser neuen Methode konnten wir viele weitere Risikogene für Autoimmunerkrankungen identifizieren, die tatsächlich zelltypspezifische Auswirkungen haben, d. H. Sie betreffen nur einen bestimmten Zelltyp und nicht andere“, sagte Bibo Jiang, Assistenzprofessor am University of Pennsylvania College of Medicine und leitender Autor der Studie.

Potenzielle therapeutische Anwendungen

Das Team nutzte diese Informationen, um potenzielle Therapeutika für Autoimmunerkrankungen zu identifizieren. Derzeit, so sagen sie, gebe es keine guten langfristigen Behandlungsmöglichkeiten.

„Die meisten Behandlungen zielen darauf ab, die Symptome zu lindern, anstatt die Krankheit zu heilen. Das ist ein Dilemma, wenn man weiß, dass Autoimmunerkrankungen eine langfristige Behandlung erfordern, aber bestehende Behandlungen oft so schlimme Nebenwirkungen haben, dass sie nicht langfristig eingesetzt werden können. Genomik und KI bieten jedoch einen vielversprechenden Weg zur Entwicklung neuer Therapeutika“, sagte Laura Carrel, Professorin für Biochemie und Molekularbiologie am University of Pennsylvania College of Medicine und Co-Autorin der Studie.

Die Arbeit des Teams hat auf Arzneimittelverbindungen hingewiesen, die die Genexpression in Zelltypen umkehren können, die mit Autoimmunerkrankungen in Zusammenhang stehen, wie etwa Vitamin K bei Colitis ulcerosa und Metformin, das normalerweise bei Typ-2-Diabetes verschrieben wird, bei Typ-1-Diabetes. Diese Medikamente, die von der US-amerikanischen Food and Drug Administration (FDA) bereits als sicher und wirksam zur Behandlung anderer Krankheiten zugelassen wurden, könnten möglicherweise für andere Zwecke eingesetzt werden.

Das Forschungsteam arbeitet mit Kollegen zusammen, um ihre Ergebnisse im Labor und schließlich in klinischen Studien zu testen.

Lida Wang, Doktorandin im Biostatistikprogramm, und Chakrit Khunsriraksakul, der 2022 seinen Doktortitel in Bioinformatik und Genomik und im Mai seinen medizinischen Abschluss an der University of Pennsylvania erhielt, leiteten die Studie. Weitere Autoren vom University of Pennsylvania College of Medicine sind Havell Marcus, der einen M.D. Und einen medizinischen Abschluss anstrebt; Deyi Chen, Doktorand; Fan Zhang, Doktorand; und Fang Chen, Postdoktorand. Xiaowei Zhang, Assistenzprofessor am University of Texas Southwestern Medical Center, beteiligte sich ebenfalls an der Arbeit.