佛罗里达大学的研究人员正在解决医学遗传研究中的一个关键问题——确保研究更好地代表并造福所有背景的人群。
这项工作由计算机与信息科学与工程系助理教授Kiley Graim博士领导，旨在通过解决遗传数据中的“祖先偏见”来改善人类健康。这种偏见源于大多数研究基于单一祖先群体的数据，Graim表示，这限制了精准医疗的进步，并使全球大部分人口在疾病治疗和预防方面处于不利地位。
为了解决这个问题，团队开发了PhyloFrame，这是一种利用人工智能考虑遗传数据中祖先多样性的机器学习工具。其目标是改进疾病的预测、诊断和治疗，无论患者的祖先是哪一种。
一篇描述PhyloFrame方法及其如何显著改善精准医疗结果的论文已在《自然通讯》上发表。
Graim关注基因组数据中祖先偏见的灵感来自她与一位医生的对话，这位医生对一项研究对其多样化患者群体的有限相关性感到沮丧。这次交流促使她探索人工智能如何帮助弥合遗传研究中的这一差距。
“我当时想，‘我可以解决这个问题，’”Graim说，她的研究重点是机器学习和精准医疗，她还接受过群体基因组学的培训。“如果我们的训练数据与现实世界的数据不匹配，我们可以使用机器学习来处理这种情况。这些方法并不完美，但它们可以做很多事情来解决这个问题。”
PhyloFrame利用来自gnomAD群体基因组数据库的数据，将大量健康人类基因组数据库与用于训练精准医疗模型的小型疾病特定数据集整合在一起。它创建的模型更能处理多样的遗传背景。例如，它可以预测乳腺癌等疾病亚型之间的差异，并建议每位患者的最佳治疗方案，无论患者的祖先是哪一种。
处理如此大量的数据并非易事。团队使用了UF的HiPerGator超级计算机，这是全国最强大的超级计算机之一，分析了数百万人的基因组信息。对于每个人来说，这意味着处理30亿个DNA碱基对。
“我没想到效果会这么好，”Graim说，她指出她的博士生Leslie Smith对这项研究做出了重大贡献。“最初是一个小项目，使用简单的模型来展示整合群体基因组数据的影响，现在已经发展到获得资金支持，以开发更复杂的模型，并完善人群定义。”
PhyloFrame的独特之处在于它能够通过考虑与祖先相关的遗传差异来确保预测在不同人群中保持准确。这一点至关重要，因为大多数现有模型都是基于不能完全代表全球人口的数据构建的。
现有的大部分数据来自研究医院和信任医疗系统的患者。这意味着小城镇或不信任医疗系统的人群往往被排除在外，使得很难开发出适用于所有人的治疗方法。
她估计，97%的测序样本来自欧洲血统的人，这主要是由于国家和州级的资金和优先事项，但也由于社会经济因素的影响——例如，保险影响人们是否得到治疗，进而影响他们被测序的可能性。
“其他国家，特别是中国和日本，最近一直在努力缩小这一差距，因此来自这些国家的数据比以前多了很多，但仍然远远不及欧洲数据，”她说。“较贫穷的人群通常被完全排除在外。”
因此，训练数据的多样性至关重要，Graim说。
“我们希望这些模型能适用于任何患者，而不仅仅是研究中的那些人，”她说。“多样化的训练数据也使模型对欧洲人更好。拥有群体基因组数据有助于防止模型过度拟合，这意味着它们将对所有人都更好，包括欧洲人。”
Graim相信像PhyloFrame这样的工具最终将在临床环境中使用，取代传统模型，根据个人的基因组成制定个性化的治疗计划。团队的下一步包括改进PhyloFrame，并将其应用扩展到更多疾病。
“我的梦想是通过这种机器学习方法推动精准医疗的发展，让人们能够早期诊断，并获得对他们特别有效且副作用最少的治疗，”她说。“在正确的时间为正确的人提供正确的治疗是我们追求的目标。”
(全文结束)
