研究人员开发了一种人工智能（AI）方法，该方法可以加速识别导致自闭症谱系障碍、癫痫和发育迟缓等神经发育障碍的基因。这项新的强大计算工具可以帮助全面描绘神经发育障碍的遗传图谱，这是进行准确分子诊断、阐明疾病机制和开发靶向疗法的关键。该研究发表在《美国人类遗传学杂志》上。
“尽管研究人员已经取得了重大进展，发现了与神经发育障碍相关的多种基因，但许多患有这些疾病的患者仍然无法获得遗传诊断，这表明还有许多基因有待发现。”第一作者兼共同通讯作者Ryan S. Dhindsa博士说。他是德克萨斯儿童医院Jan和Dan Duncan神经研究所的主要研究员，也是贝勒医学院病理学和免疫学助理教授。
通常，为了发现与疾病相关的新基因，研究人员会对比患有这些疾病的人群和未患病人群的基因组序列。“我们采取了一种互补的方法，”Dhindsa说，“我们使用AI来寻找已知与神经发育疾病相关的基因之间的模式，并预测其他可能涉及这些疾病的基因。”
研究人员从发育中的人类大脑中测量了单细胞水平的基因表达数据。“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、发育迟缓和癫痫有关的基因。但我们希望进一步提升这些模型，”Dhindsa说。
为了进一步增强这些模型，研究团队整合了超过300个其他生物学特征，包括基因对突变的耐受性、它们是否与其他已知疾病相关基因相互作用以及它们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，“顶级排名的基因比仅基于基因耐受性指标的基因富集度高出两倍到六倍，具体取决于遗传方式。此外，一些顶级排名的基因被文献支持的可能性比低排名基因高45到500倍。”
“我们将这些模型视为分析工具，可以验证那些已经开始从测序研究中浮现但尚未有足够的统计证据证明其参与神经发育障碍的基因，”Dhindsa说，“我们希望这些模型能够加速基因发现和患者诊断，未来的研究将评估这一可能性。”
Blake A. Weido, Justin S. Dhindsa, Arya J. Shetty, Chloe F. Sands, Slavčo Petrovski, Dimitrios Vitsios和共同通讯作者Anthony W. Zoghbi也为此研究做出了贡献。这些作者隶属于以下一个或多个机构：贝勒医学院、德克萨斯儿童医院Jan和Dan Duncan神经研究所、阿斯利康公司和墨尔本大学。
这项工作得到了NIH NINDS (F32 NS127854)、NIH (DP5 OD036131)、Norn集团的长寿激励基金、Hevolution基金会、Rosenkranz基金会和K23MH121669的资助。
(全文结束)
