人工智能助力自身免疫性疾病预测

宾夕法尼亚州立大学医学院的研究人员开发了一种新的人工智能算法，该算法可能有助于提高自身免疫性疾病的预测能力并开发出新的治疗方法。该算法深入研究疾病背后的遗传密码，以更准确地模拟与特定自身免疫性疾病相关的基因的表达和调控方式，并识别其他风险基因。

他们的研究成果发表在《自然通讯》上，文章标题为“整合单细胞表达数量性状基因座汇总统计数据以了解复杂性状风险基因”。

“转录组关联研究(TWAS)是一种剖析疾病相关非编码变异的功能后果的常用方法，”研究人员写道。“大多数现有的TWAS使用大量组织，可能没有足够的分辨率来揭示细胞类型特定的靶基因。单细胞表达数量性状基因座(sc-eQTL)数据集正在涌现。最大的大量和sc-eQTL数据集最方便地以汇总统计数据的形式获得，但尚未在TWAS中得到广泛使用。在这里，我们提出了一种新方法EXPRESSO(仅使用汇总统计数据的表达预测)，用于分析sc-eQTL汇总统计数据，该方法还集成了3D基因组数据和表观基因组注释，以优先考虑因果变异。”

研究人员报告称，他们的算法优于现有方法，并确定了26%以上的新基因和性状关联。

“我们都携带一些DNA突变，我们需要弄清楚这些突变中的任何一个如何影响与疾病相关的基因表达，以便我们能够尽早预测疾病风险。这对于自身免疫性疾病尤其重要，”宾夕法尼亚州立大学医学院杰出教授、研究副主席、人工智能和生物医学信息学主任、该研究的共同资深作者刘大江博士解释说。“如果人工智能算法能够更准确地预测疾病风险，就意味着我们可以更早地进行干预。”

EXPRESSO采用更先进的人工智能算法，分析单细胞表达数量性状基因座的数据，这种类型的数据将遗传变异与其调控的基因联系起来。它还将3D基因组数据和表观遗传学(测量基因如何被环境改变以影响疾病)整合到其建模中。该团队将EXPRESSO应用于14种自身免疫性疾病的GWAS数据集，包括狼疮、克罗恩病、溃疡性结肠炎和类风湿性关节炎。

宾夕法尼亚州立大学医学院助理教授、这项研究的资深作者江碧波博士说：“通过这种新方法，我们能够识别出更多对自身免疫性疾病有细胞类型特异性影响的风险基因，这意味着它们只对特定的细胞类型有影响，而不会对其他细胞类型产生影响。”

该团队随后利用这些信息来确定自身免疫性疾病的潜在治疗方法。

“大多数治疗方法都是为了缓解症状，而不是治愈疾病。自身免疫性疾病需要长期治疗，这是一个两难的问题，但现有的治疗方法往往有严重的副作用，不能长期使用。然而，基因组学和人工智能为开发新型疗法提供了一条有希望的途径，”宾夕法尼亚州立大学医学院生物化学和分子生物学教授、这项研究的共同资深作者LauraCarrel博士说。

该团队的研究指出，药物化合物可以逆转与自身免疫性疾病相关的细胞类型的基因表达，例如用于治疗溃疡性结肠炎的维生素K和通常用于治疗2型糖尿病的二甲双胍。这些药物已被FDA批准为安全有效的药物，可用于治疗其他疾病，可能会被重新利用。

研究团队正在与合作者合作，在实验室环境中验证他们的研究结果，并最终在临床试验中验证。