在西奈山医学学院的研究团队利用先进的人工智能工具，确定了17个基因中的稀有编码变异。这些变异提供了冠状动脉疾病（CAD）的分子基础的见解，而冠状动脉疾病是全球发病率和死亡率的主要原因。研究结果揭示了影响心脏病的遗传因素，并为靶向治疗和个性化心血管护理提供了新的可能性。
研究结果发表于6月11日的《自然遗传学》在线版，揭示了影响心脏疾病的遗传因素，为靶向治疗和个性化心脏护理铺平了道路。
研究人员利用了一个计算机生成的冠状动脉疾病的in silico评分（ISCAD），该评分全面代表了CAD，如该团队在《柳叶刀》之前的出版物中所解释的那样。ISCAD评分包含来自电子健康记录的众多临床特征，包括重要测量、测试结果、处方药物、症状和医疗状况。为了开发此评分系统，研究人员利用机器学习模型分析了来自英国生物样本库、所有人研究计划和BioMe生物样本库的604,914人的电子健康记录，进行了深入的荟萃分析。
接下来，评估了该评分与这些个体的外显子序列中识别出的稀有和超稀有编码变异的相关性。此外，研究团队深入探讨了所识别基因，以调查其在致病CAD风险因素、CAD的临床表现及其与传统大规模全基因组关联研究揭示的CAD状态之间的关联。
“我们的结果揭示了这17个基因在冠状动脉疾病中的参与情况。其中一些基因已知对心脏病的发展产生影响，而另一些此前并未与之相关，”研究的高级作者和西奈山医学学院个性化医学查尔斯·布朗夫曼教授Ron Do博士说道。“我们的研究表明，机器学习工具可以揭示传统方法在比较病例和对照时可能忽略的遗传见解。这可能会导致识别生物机制的新方法。”
稀有的编码变异可能影响心脏病和治疗的基因靶点，这些变异仅发生在少数人群中。当这些变异存在时，可能对疾病风险或易感性产生重大影响，因此研究它们对于理解疾病的遗传基础和提供治疗靶点至关重要。
在过去十年中，依赖诊断病例和对照的传统方法在识别与CAD相关的稀有编码变异方面面临挑战。诊断代码在捕捉CAD复杂性方面的局限性促使研究人员探索新方法。
“我们之前的《柳叶刀》研究展示了使用电子健康记录训练的机器学习模型能够生成冠状动脉疾病的虚拟评分，捕捉疾病的所有形式，”西奈山医学学院Do博士实验室的主要研究者Ben Omega Petrazzini, BS说。“基于这些结果，我们推测CAD的in silico评分可以通过提供对疾病的更全面理解来揭示与CAD相关的新稀有编码变异。”
展望未来，团队计划进一步探讨识别基因在CAD生物学中的作用。研究人员正在研究如何在复杂疾病的遗传研究中利用机器学习。这是他们研究的一部分，旨在更好地理解疾病的运作，寻找新治疗方法，并帮助患者。
