在一项发表于《npj帕金森病》杂志上的研究中，克利夫兰诊所基因组中心的研究人员成功应用了先进的基于人工智能的遗传模型来分析帕金森病。
Feixiong Cheng博士及其研究团队成功地将高级人工智能遗传模型应用于帕金森病的研究。图片来源：克利夫兰诊所
研究人员发现了与疾病进展相关的基因标记，并确定了几种已获得FDA批准的药物，这些药物有潜力被重新用于帕金森病的治疗。
该研究采用了一种“系统生物学”方法，这种方法利用人工智能整合和分析多种数据集，包括遗传学、蛋白质组学、药理学和临床患者数据。这种多层次的分析使研究人员能够识别出复杂模式，而这些模式在单独分析单一类型的数据时可能无法被发现。
Feixiong Cheng博士是该研究的主要研究员，也是克利夫兰诊所基因组中心的主任，他是系统生物学领域的权威专家。他开发了多个基于人工智能的框架，旨在发现新的治疗靶点，包括阿尔茨海默病的潜在治疗方法。
“帕金森病是继痴呆症之后第二常见的神经退行性疾病，但目前我们还没有办法阻止或减缓其在全球数百万患者中的进展；我们目前能做到的只是管理症状。迫切需要开发新的疾病修饰疗法来治疗帕金森病。”克利夫兰诊所基因组中心基因医学实验室的博士后研究员Lijun Dou博士说道。
开发能够减缓或阻止帕金森病进展的化合物仍然是一个重大挑战，因为研究人员仍在努力确定哪些特定的基因突变驱动特定症状，Dou博士补充道。“许多已知与帕金森病相关的基因突变位于DNA的非编码区域，而不是真正的基因中。我们知道非编码区的变异会影响不同基因的功能，但我们不知道哪些基因在帕金森病中受到影响。”
通过他们的集成AI模型，研究人员将与帕金森病相关的遗传变异与多个大脑特异性DNA和基因表达数据库进行了交叉比对。这种方法使他们能够确定DNA非编码区域的遗传变异是否影响人脑组织中的基因活性。
研究团队将识别出的基因映射到蛋白质和互作组数据库中，以进一步验证其发现，评估这些基因的变化如何影响大脑中的蛋白质相互作用。这一分析揭示了多个潜在的风险基因，包括SNCA和LRRK2，当这些基因失调时，它们与神经炎症有关。
下一步是调查是否有现有的药物可以重新用于靶向这些基因。由于药物开发和批准平均需要15年的时间，即使在确定有希望的候选药物后，重新利用已获FDA批准的药物提供了一条更快的新治疗方法途径。
“当前患有帕金森病的人们无法等待那么长时间来获得新的治疗选择，因为他们的病情会继续恶化。如果我们能够重新利用已经获得FDA批准的药物进行帕金森病治疗，我们可以大大缩短为患者提供更多选择所需的时间。”Feixiong Cheng博士表示。
通过将他们的遗传发现与现有的制药数据库整合，研究团队确定了几个潜在的药物候选物。然后他们分析了电子病历，以评估服用这些药物的患者是否表现出不同的帕金森病结果。例如，被开具降胆固醇药物辛伐他汀的个体显示出较低的帕金森病终身风险。
根据Cheng博士的说法，下一步是在临床前实验室模型中评估辛伐他汀的治疗潜力。此外，分析中确定的几种免疫抑制剂和抗焦虑药物也值得进一步研究。
Dou博士总结道，“使用传统方法，完成我们用来识别基因、蛋白质和药物的任何步骤都是非常耗时和资源密集的任务。我们的集成网络分析显著加快了这个过程，并识别出多个候选物，这增加了我们找到新解决方案的机会。”
这项研究由美国国立卫生研究院（NIH）下属的老龄研究所（NIA）和神经疾病和中风研究所（NINDS）的资助支持。
(全文结束)
