研究人员，由贝勒医学院领导的团队，开发了一种新的基于人工智能（AI）的方法，加速了与神经发育障碍（NDDs）如自闭症谱系障碍、癫痫和发育迟缓相关的基因的识别。研究详情发表在《美国人类遗传学杂志》上，表明这些新模型在全面描述NDD基因图谱方面可以发挥重要作用，这些信息可以改善诊断并促进新型靶向疗法的开发。
“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，”第一作者瑞安·S·丁德萨博士（Ryan S. Dhindsa, MD, PhD），贝勒医学院病理学和免疫学助理教授及德克萨斯儿童医院Jan和Dan Duncan神经学研究所首席研究员表示。
尽管在这一领域取得了显著进展，研究团队在其研究摘要中指出，仍有数千个与NDD相关的基因有待发现。因此，研究人员开发了一种机器学习方法，而不是对大量患者群体进行基因组测序，而是利用单细胞RNA测序数据训练他们的模型。
“我们证明了仅基于单细胞RNA测序数据训练的模型可以稳健地预测与自闭症谱系障碍（ASD）、发育性和癫痫性脑病（DEE）以及发育迟缓（DD）相关的基因，”研究人员写道。
基于一些早期发现，丁德萨表示团队希望进一步增强其基于机器学习的模型。为此，研究人员整合了超过300个额外的生物学特征，包括基因对突变的不耐受性、与其他疾病相关基因的相互作用以及在生物途径中的功能角色。
“这些模型具有极高的预测价值，”丁德萨说，“排名靠前的基因比单独使用基因不耐受性指标高出两倍或六倍，具体取决于遗传模式。”
研究还发现了在发育中的人类大脑皮层中，单等位基因（一个拷贝）和双等位基因（两个拷贝）遗传模式之间的基因表达模式存在显著差异。通过改进这些模型，研究人员能够根据遗传类型提高预测与NDD相关的基因的能力。
这项研究为诊断和治疗NDD提供了潜在的好处。“我们把这些模型视为分析工具，可以验证那些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有关的基因，”丁德萨说。这可以加快发现过程，并提高患者的诊断准确性，特别是那些尽管进行了广泛的基因检测仍未能确诊的患者。
研究人员开发的模型提供了高置信度的NDD风险基因预测，可以补充大规模的基因发现工作。正如丁德萨所指出的，“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。”
(全文结束)
