Umělá inteligence zlepší prognózu a léčbu autoimunitních onemocnění

Nový pokročilý algoritmus umělé inteligence (AI) by mohl vést k přesnějším a dřívějším predikcím a novým léčebným postupům pro autoimunitní onemocnění, při kterých imunitní systém omylem napadá vlastní zdravé buňky a tkáně těla. Algoritmus analyzuje genetický kód, který je základem těchto onemocnění, aby přesněji modeloval, jak jsou geny spojené se specifickými autoimunitními onemocněními exprimovány a regulovány, a aby identifikoval další rizikové geny.

Výzkumníci uvádějí, že práce, kterou vyvinul tým výzkumníků z Lékařské fakulty Pensylvánské univerzity, překonává stávající metodologie a identifikovala o 26 % více nových asociací mezi geny a znaky. Jejich práce byla dnes publikována v časopise Nature Communications.

„Všichni máme v DNA mutace a musíme pochopit, jak by kterákoli z těchto mutací mohla ovlivnit expresi genů souvisejících s onemocněním, abychom mohli včas předpovědět riziko onemocnění. To je obzvláště důležité u autoimunitních onemocnění,“ řekl Dajiang Liu, významný profesor, místopředseda pro výzkum a ředitel umělé inteligence a biomedicínské informatiky na Lékařské fakultě Pensylvánské univerzity a spoluautor studie.

„Pokud algoritmus umělé inteligence dokáže přesněji předpovědět riziko onemocnění, znamená to, že můžeme zasáhnout dříve.“

Genetika a vývoj nemocí

Genetika je často základem vývoje nemocí. Variace v DNA mohou ovlivnit genovou expresi, což je proces, kterým se informace v DNA přeměňuje na funkční produkty, jako jsou bílkoviny. Silná nebo slabá exprese genu může ovlivnit riziko onemocnění.

Celogenomové asociační studie (GWAS), populární přístup ve výzkumu lidské genetiky, dokáží identifikovat oblasti genomu, které jsou spojeny s konkrétní nemocí nebo znakem, ale nemohou přesně určit geny, které ovlivňují riziko onemocnění. Je to jako sdílet svou polohu s přítelem, ale bez jemného doladění na smartphonu – město může být zřejmé, ale adresa je skrytá.

Současné metody jsou také omezené v detailech analýzy. Genová exprese může být specifická pro určité typy buněk. Pokud analýza nerozlišuje mezi různými typy buněk, výsledky mohou minout skutečné vztahy příčiny a následku mezi genetickými variantami a genovou expresí.

Metoda EXPRESSO

Metoda týmu s názvem EXPRESSO (EXpression PREdiction with Summary Statistics Only - předpovídání exprese pouze se souhrnnou statistikou) využívá pokročilejší algoritmus umělé inteligence a analyzuje data z kvantitativních expresních podpisů mononukleárních buněk, které propojují genetické varianty s geny, které regulují.

Integruje také 3D genomická data a epigenetiku, která měří, jak mohou být geny modifikovány prostředím a ovlivňovat tak onemocnění. Tým aplikoval EXPRESSO na soubory dat GWAS pro 14 autoimunitních onemocnění, včetně lupusu, Crohnovy choroby, ulcerózní kolitidy a revmatoidní artritidy.

„S touto novou metodou jsme byli schopni identifikovat mnohem více genů rizikových pro autoimunitní onemocnění, které skutečně mají specifické účinky na buněčný typ, což znamená, že postihují pouze určitý typ buněk a ne jiné,“ řekl Bibo Jiang, odborný asistent na Lékařské fakultě Pensylvánské univerzity a hlavní autor studie.

Potenciální terapeutické aplikace

Tým tyto informace využil k identifikaci potenciálních léčebných postupů pro autoimunitní onemocnění. V současné době podle nich neexistují žádné dobré možnosti dlouhodobé léčby.

„Většina léčebných postupů je zaměřena na zmírnění symptomů, nikoli na samotné vyléčení nemoci. To je dilema, protože autoimunitní onemocnění vyžadují dlouhodobou léčbu, ale stávající léčebné postupy mají často tak negativní vedlejší účinky, že je nelze dlouhodobě používat. Genomika a umělá inteligence však nabízejí slibnou cestu pro vývoj nových léčebných postupů,“ uvedla Laura Carrel, profesorka biochemie a molekulární biologie na Lékařské fakultě Pensylvánské univerzity a spoluautorka studie.

Práce týmu poukázala na léčivé látky, které mohou zvrátit genovou expresi v typech buněk spojených s autoimunitním onemocněním, jako je vitamín K pro léčbu ulcerózní kolitidy a metformin, který se běžně předepisuje pro léčbu diabetu 2. typu, pro léčbu diabetu 1. typu. Tyto léky, které již americký Úřad pro kontrolu potravin a léčiv (FDA) schválil jako bezpečné a účinné pro léčbu jiných onemocnění, by mohly být potenciálně znovu využity.

Výzkumný tým spolupracuje s kolegy na testování svých zjištění v laboratoři a nakonec i v klinických studiích.

Studii vedli Lida Wang, doktorandka v programu biostatistika, a Chakrit Khunsriraksakul, který v roce 2022 získá doktorát z bioinformatiky a genomiky a v květnu titul z medicíny na Pensylvánské univerzitě. Mezi další autory z Lékařské fakulty Pensylvánské univerzity patří Havell Marcus, který studuje doktorát a medicínu; Deyi Chen, postdoktorand; Fang Zhang, doktorand; a Fang Chen, postdoktorand. K práci se připojila také Xiaowei Zhang, odborná asistentka na Southwestern Medical Center Texaské univerzity.