Kunstmatige intelligentie zal de prognose en behandeling van auto-immuunziekten verbeteren

Een nieuw, geavanceerd algoritme voor kunstmatige intelligentie (AI) zou kunnen leiden tot nauwkeurigere en eerdere voorspellingen en nieuwe behandelingen voor auto-immuunziekten, waarbij het immuunsysteem ten onrechte de gezonde cellen en weefsels van het lichaam aanvalt. Het algoritme analyseert de genetische code die aan deze aandoeningen ten grondslag ligt om nauwkeuriger te modelleren hoe genen die geassocieerd worden met specifieke auto-immuunziekten tot expressie komen en gereguleerd worden, en om extra risicogenen te identificeren.

Het onderzoek, ontwikkeld door een team onderzoekers van de University of Pennsylvania College of Medicine, overtreft bestaande methodologieën en identificeerde 26% meer nieuwe gen-kenmerkassociaties, melden de onderzoekers. Hun werk werd vandaag gepubliceerd in het tijdschrift Nature Communications.

"We hebben allemaal mutaties in ons DNA en we moeten begrijpen hoe deze mutaties de expressie van ziektegerelateerde genen kunnen beïnvloeden, zodat we het ziekterisico vroegtijdig kunnen voorspellen. Dit is vooral belangrijk bij auto-immuunziekten", aldus Dajiang Liu, hoogleraar, vicevoorzitter onderzoek en directeur kunstmatige intelligentie en biomedische informatica aan de University of Pennsylvania College of Medicine en medeauteur van de studie.

"Als een AI-algoritme het risico op een ziekte nauwkeuriger kan voorspellen, kunnen we eerder ingrijpen."

Genetica en het ontstaan van ziekten

Genetica ligt vaak ten grondslag aan het ontstaan van ziekten. Variaties in DNA kunnen de genexpressie beïnvloeden, het proces waarbij informatie in DNA wordt omgezet in functionele producten zoals eiwitten. Hoe sterk of zwak een gen tot expressie komt, kan het risico op ziekte beïnvloeden.

Genome-wide association studies (GWAS), een populaire aanpak in onderzoek naar menselijke genetica, kunnen regio's van het genoom identificeren die geassocieerd zijn met een bepaalde ziekte of eigenschap, maar ze kunnen niet de specifieke genen aanwijzen die het risico op ziekte beïnvloeden. Het is alsof je je locatie deelt met een vriend, maar dan zonder de fijnafstemming op je smartphone: de stad is misschien duidelijk, maar het adres is verborgen.

Huidige methoden zijn ook beperkt in de detaillering van hun analyse. Genexpressie kan specifiek zijn voor bepaalde celtypen. Als de analyse geen onderscheid maakt tussen verschillende celtypen, missen de resultaten mogelijk echte oorzaak-gevolgrelaties tussen genetische varianten en genexpressie.

EXPRESSO-methode

De methode van het team, EXPRESSO (EXpression PREdiction with Summary Statistics Only) genaamd, maakt gebruik van een geavanceerder algoritme voor kunstmatige intelligentie en analyseert gegevens van kwantitatieve expressiesignaturen van mononucleaire cellen die genetische varianten koppelen aan de genen die ze reguleren.

Het integreert ook 3D-genoomdata en epigenetica, die meet hoe genen door de omgeving kunnen worden aangepast om ziekten te beïnvloeden. Het team paste EXPRESSO toe op GWAS-datasets voor 14 auto-immuunziekten, waaronder lupus, de ziekte van Crohn, colitis ulcerosa en reumatoïde artritis.

"Met deze nieuwe methode konden we veel meer genen identificeren die een risico vormen voor auto-immuunziekten en die daadwerkelijk celtype-specifieke effecten hebben. Dat wil zeggen dat ze alleen een bepaald type cel beïnvloeden en geen andere", aldus Bibo Jiang, universitair docent aan de University of Pennsylvania College of Medicine en hoofdauteur van de studie.

Mogelijke therapeutische toepassingen

Het team gebruikte deze informatie om potentiële therapieën voor auto-immuunziekten te identificeren. Momenteel zijn er volgens hen geen goede behandelmogelijkheden op de lange termijn.

"De meeste behandelingen zijn gericht op het verlichten van symptomen in plaats van op het genezen van de ziekte. Dit is een dilemma, aangezien auto-immuunziekten een langdurige behandeling vereisen, maar bestaande behandelingen vaak zulke ernstige bijwerkingen hebben dat ze niet langdurig kunnen worden toegepast. Genomica en AI bieden echter een veelbelovende mogelijkheid voor de ontwikkeling van nieuwe therapieën", aldus Laura Carrel, hoogleraar biochemie en moleculaire biologie aan het University of Pennsylvania College of Medicine en medeauteur van de studie.

Het werk van het team heeft geleid tot geneesmiddelen die de genexpressie kunnen omkeren in celtypen die geassocieerd worden met auto-immuunziekten, zoals vitamine K voor colitis ulcerosa en metformine, dat vaak wordt voorgeschreven voor diabetes type 2, voor diabetes type 1. Deze geneesmiddelen, die al door de Amerikaanse Food and Drug Administration (FDA) zijn goedgekeurd als veilig en effectief voor de behandeling van andere ziekten, zouden mogelijk een andere bestemming kunnen krijgen.

Het onderzoeksteam werkt samen met collega's om hun bevindingen in het laboratorium en uiteindelijk in klinische proeven te testen.

Lida Wang, promovendus in de opleiding biostatistiek, en Chakrit Khunsriraksakul, die in 2022 promoveert in bio-informatica en genomica en in mei zijn medische graad behaalt aan de Universiteit van Pennsylvania, leidden het onderzoek. Andere auteurs van het University of Pennsylvania College of Medicine zijn Havell Marcus, die promoveert en een medische graad behaalt; Deyi Chen, een postdoctoraal onderzoeker; Fang Zhang, een masterstudent; en Fang Chen, een postdoctoraal onderzoeker. Ook Xiaowei Zhang, universitair docent aan het University of Texas Southwestern Medical Center, nam deel aan het onderzoek.