研究人员开发了一种人工智能（AI）方法，可以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绘神经发育障碍的遗传图景，这对于进行准确的分子诊断、阐明疾病机制和开发靶向疗法至关重要。该研究发表在美国《人类遗传学杂志》上。
“尽管研究人员在识别与神经发育障碍相关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神经科学研究研究所首席研究员瑞安·S·丁达萨博士（Dr. Ryan S. Dhindsa）表示。
通常，为了发现与疾病相关的新基因，研究人员会对比患病个体和未患病个体的基因组序列。“我们采取了互补的方法，”丁达萨说，“我们利用人工智能来寻找已知与神经发育疾病相关基因之间的模式，并预测可能也涉及这些疾病的其他基因。”
研究人员分析了来自发育中的人类大脑的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、发育迟缓和癫痫相关的基因。但我们希望更进一步，”丁达萨说。
为了进一步增强模型，团队纳入了超过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，”丁达萨说，“排名靠前的基因在不同的遗传模式下，比单独使用基因不耐受性指标高出两倍或六倍的可能性为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在文献中得到支持的可能性高45到500倍。”
“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浮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，”丁达萨说，“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。”
布莱克·A·韦多（Blake A. Weido）、贾斯汀·S·丁达萨（Justin S. Dhindsa）、阿里亚·J·谢蒂（Arya J. Shetty）、克洛伊·F·桑兹（Chloe F. Sands）、斯拉夫·佩特罗夫斯基（Slavé Petrovski）、迪米特里奥斯·维特西奥斯（Dimitrios Vitsios）和共同通讯作者安东尼·W·佐赫比（Anthony W. Zoghbi）参与了这项工作。作者分别隶属于贝勒医学院、德克萨斯儿童医院Jan和Dan Duncan神经科学研究研究所、阿斯利康和墨尔本大学。
这项研究得到了NIH NINDS（F32 NS127854）、NIH（DP5 OD036131）、Norn集团长寿激励基金、Hevolution基金会、Rosenkranz基金会和K23MH121669资助的支持。
(全文结束)