研究人员开发了一种人工智能（AI）方法，可以加速识别导致神经发育疾病（如自闭症谱系障碍、癫痫和发育迟缓）的基因。这一强大的计算工具有助于全面描绘神经发育障碍的遗传图景，这对于进行准确的分子诊断、阐明疾病机制和开发靶向疗法至关重要。这项研究发表在《美国人类遗传学杂志》上。
“尽管研究人员在识别与神经发育障碍相关的不同基因方面取得了重大进展，但许多患有这些疾病的患者仍未获得遗传诊断，这表明还有许多基因等待被发现，”第一作者兼共同通讯作者、贝勒医学院病理学和免疫学助理教授Ryan S. Dhindsa博士说，他也是德克萨斯儿童医院Jan和Dan Duncan神经科学研究研究所的主要研究员。
通常，为了发现与疾病相关的新基因，研究人员会对患有这些疾病的人群进行基因组测序，并将其与未患病人群的基因组进行比较。
“我们采取了互补的方法。我们利用AI来寻找已知与神经发育疾病相关的基因之间的模式，并预测可能也涉及这些疾病的其他基因，”贝勒医学院病理学和免疫学助理教授Ryan S. Dhindsa博士解释道。
研究人员在单细胞水平上测量了发育中的人类大脑的基因表达模式。“我们发现，仅基于这些表达数据训练的AI模型可以稳健地预测与自闭症谱系障碍、发育迟缓和癫痫相关的基因。但我们希望进一步推进这项工作，”Dhindsa说。
为了进一步增强模型，团队结合了300多个其他生物学特征，包括基因对突变的不耐受程度、它们是否与其他已知疾病相关基因相互作用及其在不同生物通路中的功能角色。
“这些模型具有极高的预测价值，”Dhindsa说。“排名靠前的基因比仅基于基因不耐受性指标的基因高出两倍或六倍（取决于遗传方式），更有可能是高置信度的神经发育障碍风险基因。此外，一些排名靠前的基因比排名较低的基因在文献中得到支持的可能性高出45到500倍。”
“我们将这些模型视为分析工具，可以验证从测序研究中开始出现但尚未有足够的统计证据证明其与神经发育疾病相关的基因，”Dhindsa说。“我们希望我们的模型能加速基因发现和患者诊断，未来的研究将进一步评估这种可能性。”
Blake A. Weido、Justin S. Dhindsa、Arya J. Shetty、Chloe F. Sands、Slavé Petrovski、Dimitrios Vitsios 和共同通讯作者 Anthony W. Zoghbi 也参与了这项工作。作者隶属于贝勒医学院、德克萨斯儿童医院Jan和Dan Duncan神经科学研究研究所、阿斯利康和墨尔本大学。
这项研究得到了NIH NINDS (F32 NS127854)、NIH (DP5 OD036131)、Norn集团长寿激励基金、Hevolution基金会、Rosenkranz基金会和K23MH121669资助的支持。
(全文结束)
