DNA具有双螺旋结构，可以有许多遗传突变和变异。研究人员开发了一种人工智能（AI）方法，加速识别导致神经发育障碍（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可以帮助全面描述神经发育障碍的遗传图景，这对于进行准确的分子诊断、阐明疾病机制和发展靶向疗法至关重要。该研究发表在《美国人类遗传学杂志》上。
“尽管研究人员已经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然无法获得基因诊断，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、德克萨斯儿童医院Jan和Dan Duncan神经病学研究所首席研究员Ryan S. Dhindsa博士说。
通常，要发现与疾病相关的基因，研究人员会对许多患有这些疾病的人进行基因组测序，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，”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，并预测可能也参与这些疾病的新基因。”
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途径中的功能角色。
“这些模型具有极高的预测价值，”Dhindsa说。“排名靠前的基因在隐性和显性遗传模式下，比仅基于基因耐受性指标的基因高出两倍或六倍，更富含高置信度的神经发育障碍风险基因。此外，一些排名最高的基因比排名较低的基因更有可能得到文献的支持，其概率为45到500倍。”
“我们把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与神经发育障碍相关的基因，”Dhindsa说。
“我们希望我们的模型能加速基因发现和患者诊断，未来的研究将评估这种可能性。”
(全文结束)
