研究人员开发了一种人工智能（AI）方法，加速识别与神经发育疾病（如自闭症谱系障碍、癫痫和发育迟缓）相关的基因。这种新的强大计算工具可以帮助全面表征神经发育障碍的遗传图谱，这对做出准确的分子诊断、阐明疾病机制和开发靶向疗法至关重要。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的不同基因方面取得了重大进展，但许多患者仍未收到遗传诊断，这表明还有许多基因等待被发现，”第一作者和共同通讯作者德恩达博士说道，他是贝勒医学院病理学和免疫学的助理教授，以及德克萨斯儿童医院简与丹·邓肯神经研究所的主要研究员。
通常，为了发现与疾病相关的新基因，研究人员对许多患有这些疾病的个体进行基因组测序，并将其与未患疾病的人的基因组进行比较。“我们采取了一种互补的方法，”德恩达说道。“我们使用AI在已经与神经发育疾病相关的基因之间寻找模式，并预测可能也与这些疾病相关的其他基因。”
研究人员在发育中的人脑的单细胞水平上测量基因表达，寻找模式。“我们发现，仅用这些表达数据训练的AI模型能够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。但我们希望将这项工作向前推进一步，”德恩达说。
为了进一步增强模型，团队结合了300多种其他生物特征，包括基因对突变的耐受性、它们是否与其他已知的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，”德恩达说。“按遗传模式排序的最佳基因在高可信度的神经发育障碍风险基因中的富集程度，通常比单纯的基因耐受性指标高出两倍或六倍。此外，一些排名靠前的基因在文献支持方面比排名靠后的基因高出45到500倍。”
“我们将这些模型视为分析工具，可以验证从基因组测序研究中开始浮现但尚未有足够统计证据与神经发育条件有关的基因，”德恩达说。“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一可能性。”
布莱克·韦多、贾斯廷·德恩达、阿里亚·谢蒂、克洛伊·桑兹、斯拉维·彼得罗夫斯基、迪米特里奥斯·维西奥斯和共同通讯作者安东尼·佐赫比为这项工作做出了贡献。作者均与以下一个或多个机构有关联：贝勒医学院、德克萨斯儿童医院简与丹·邓肯神经研究所、阿斯利康和墨尔本大学。
这项工作得到了来自NIH NINDS（F32 NS127854）、NIH（DP5 OD036131）、Norn Group的长寿推动奖励、Hevolution基金会、罗森克兰茨基金会和K23MH121669的资助。
