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有待发现。
贝勒医学院的研究人员在开发一种人工智能（AI）方法方面处于领先地位，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。识别这些基因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。
“通常，为了发现与某种疾病相关的新基因，研究人员会测序许多患有该疾病的人的基因组，并将其与未患该疾病的人的基因组进行比较。”第一作者兼共同通讯作者Ryan S. Dhindsa博士说，他是贝勒医学院病理学和免疫学助理教授，也是德克萨斯儿童医院Jan和Dan Duncan神经研究所的主要研究员。“我们采取了一种互补的方法。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，并预测可能也参与这些疾病的其他基因。”
研究人员从发育中的人脑单细胞水平测量了基因表达的数据。
“我们发现，仅用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。但我们希望将这项工作更进一步，”Dhindsa说。
为了进一步增强这些模型，研究团队还整合了超过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。“顶级排名的基因在高置信度神经发育障碍风险基因方面的富集程度比单独使用基因耐受性指标高出两倍到六倍，具体取决于遗传方式。此外，一些顶级排名的基因在文献支持方面比低排名基因高出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出现但尚未有足够的统计证据证明其与神经发育障碍相关的基因，”Dhindsa说。“我们希望我们的模型能够加速基因发现和患者诊断，未来的研究将评估这种可能性。”
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也为这项研究做出了贡献。作者们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。
这项工作得到了来自NIH NINDS (F32 NS127854)、NIH (DP5 OD036131)、Norn集团的长寿激励基金、Hevolution基金会、Rosenkranz基金会以及K23MH121669的支持。
(全文结束)
