宾夕法尼亚州立大学研究人员开发的一种先进人工智能（AI）算法，可能实现更精准且更早期的自体免疫疾病预测，并开发新型疗法。自体免疫疾病是指免疫系统错误攻击人体自身健康细胞和组织的疾病。该算法深入分析疾病背后的遗传密码，更准确地模拟特定自体免疫疾病相关基因的表达与调控机制，并识别额外的风险基因。
由宾夕法尼亚州立医学院研究团队开发的此项工作，性能优于现有方法，研究人员称其识别出的风险基因与性状关联数量高出26%。该成果于今日（5月20日）发表在《自然·通讯》期刊上。
“我们体内都携带某些DNA突变，需明确任一突变如何影响疾病相关基因表达，才能实现疾病风险的早期预测，这对自体免疫疾病尤为重要，”宾夕法尼亚州立医学院杰出教授、研究副主任兼人工智能与生物医学信息学主任、该研究共同资深作者刘大江表示，“若AI算法能更精准预测疾病风险，意味着我们可更早实施干预。”
遗传因素常是疾病发展的基础。DNA变异会影响基因表达——即DNA信息转化为蛋白质等功能产物的过程。基因表达水平的高低直接影响疾病风险。
全基因组关联研究（GWAS）是人类遗传学研究的常用方法，可定位与特定疾病或性状相关的基因组区域，但无法精准识别影响疾病风险的具体基因。这如同在智能手机关闭精确定位时与朋友分享位置——城市清晰可见，地址却模糊不清。现有方法在分析精细度上也存在局限：基因表达可能特异性存在于某些细胞类型中，若分析未区分不同细胞类型，结果可能忽略遗传变异与基因表达之间的真实因果关系。
研究团队将新方法命名为EXPRESSO（仅基于汇总统计的表达预测），该方法应用更先进的人工智能算法，分析单细胞表达数量性状位点数据——这类数据将遗传变异与调控基因关联起来。同时整合三维基因组数据及表观遗传学信息——后者用于测量环境如何修饰基因以影响疾病——纳入模型构建。团队将EXPRESSO应用于系统性红斑狼疮、克罗恩病、溃疡性结肠炎和类风湿关节炎等14种自体免疫疾病的GWAS数据集。
“借助此新方法，我们识别出更多具有细胞类型特异性效应的自体免疫疾病风险基因，这意味着它们仅在特定细胞类型中起作用，”宾夕法尼亚州立医学院助理教授、该研究资深作者姜碧波表示。
团队随后利用该信息探索自体免疫疾病的潜在疗法。研究人员指出，目前尚缺乏有效的长期治疗方案。
“多数疗法旨在缓解症状而非治愈疾病。自体免疫疾病需长期治疗，但现有疗法常因副作用严重而无法长期使用，这形成治疗困境。然而基因组学与AI为开发新型疗法提供了前景，”宾夕法尼亚州立医学院生物化学与分子生物学教授、该研究共同资深作者劳拉·卡雷尔表示。
团队研究发现，某些药物化合物可逆转自体免疫疾病相关细胞类型中的基因表达，例如溃疡性结肠炎适用的维生素K，以及通常用于2型糖尿病的二甲双胍对1型糖尿病的潜在疗效。这些药物已获美国食品药品监督管理局批准用于其他疾病，安全性与有效性有保障，具备再利用潜力。
研究团队正与合作者在实验室环境中验证发现，最终将推进至临床试验阶段。
生物统计学项目博士生王丽达与2022年获得生物信息学与基因组学博士学位、同年5月取得医学博士学位的查查里特·坤斯里拉克萨库尔共同主导该研究。其他宾夕法尼亚州立医学院作者包括：正在攻读医学博士双学位的哈维尔·马库斯；博士候选人陈迪伊；研究生张帆；博士后学者陈方。德克萨斯大学西南医学中心副教授詹晓伟亦参与论文撰写。
美国国立卫生研究院（资助号R01HG011035、R01AI174108、R01ES036042）及宾夕法尼亚州立医学院人工智能与生物医学信息学试点基金为本研究提供支持。
【全文结束】
