Novo algoritmo de IA pode melhorar a previsão e terapias de doenças autoimunes

Um novo algoritmo avançado de inteligência artificial (IA) pode levar a previsões melhores – e mais precoces – e a novas terapias para doenças autoimunes, que envolvem o sistema imunológico atacando erroneamente as células e tecidos saudáveis ​​do próprio corpo. O algoritmo investiga o código genético subjacente às condições para modelar com mais precisão como os genes associados a doenças autoimunes específicas são expressos e regulados e para identificar genes adicionais de risco.

O trabalho, desenvolvido por uma equipe liderada por pesquisadores da Penn State College of Medicine, supera as metodologias existentes e identificou 26% mais novas associações de genes e características, disseram os pesquisadores. Eles publicaram seu trabalho hoje em Comunicações da Natureza.

“Todos nós carregamos algumas mutações no DNA e precisamos descobrir como qualquer uma dessas mutações pode influenciar a expressão genética ligada a doenças, para que possamos prever o risco de doenças precocemente. Isto é especialmente importante para doenças autoimunes”, disse Dajiang Liu, ilustre professor. , vice-presidente de pesquisa e diretor de inteligência artificial e informática biomédica da Penn State College of Medicine e co-autor sênior do estudo.

“Se um algoritmo de IA puder prever com mais precisão o risco de doenças, isso significa que poderemos realizar intervenções mais cedo”.

A genética frequentemente sustenta o desenvolvimento de doenças. Variações no DNA podem influenciar a expressão genética ou o processo pelo qual a informação no DNA é convertida em produtos funcionais como uma proteína. O quanto ou quão pouco um gene é expresso pode influenciar o risco de doenças.

Os estudos de associação genômica ampla (GWAS), uma abordagem popular na pesquisa em genética humana, podem se concentrar em regiões do genoma associadas a uma doença ou característica específica, mas não conseguem identificar os genes específicos que afetam os riscos de doenças. É como compartilhar sua localização com um amigo com a configuração de localização precisa desativada em seu smartphone – a cidade pode ser óbvia, mas o endereço está oculto.

Os métodos existentes também são limitados na granularidade de sua análise. A expressão genética pode ser específica para certos tipos de células. Se a análise não distinguir entre tipos celulares distintos, os resultados podem ignorar relações causais reais entre variantes genéticas e expressão genética.

O método da equipe de pesquisa, denominado EXPRESSO para EXpression PREdiction with Summary Statistics Only, aplica um algoritmo de inteligência artificial mais avançado e analisa dados de loci de características quantitativas de expressão unicelular, um tipo de dados que liga variantes genéticas aos genes que elas regulam.

Também integra dados genômicos 3D e epigenética – que mede como os genes podem ser modificados pelo ambiente para influenciar doenças – em sua modelagem. A equipe aplicou o EXPRESSO a conjuntos de dados GWAS para 14 doenças autoimunes, incluindo lúpus, doença de Crohn, colite ulcerativa e artrite reumatóide.

“Com este novo método, fomos capazes de identificar muito mais genes de risco para doenças autoimunes que realmente têm efeitos específicos para tipos de células, o que significa que eles só têm efeitos em um determinado tipo de célula e não em outros”, disse Bibo Jiang, professor assistente do o Penn State College of Medicine e autor sênior do estudo.

A equipe então usou essas informações para identificar potenciais terapêuticas para doenças autoimunes. Atualmente, não existem boas opções de tratamento a longo prazo, disseram eles.

“A maioria dos tratamentos são concebidos para atenuar os sintomas e não para curar a doença. É um dilema saber que as doenças autoimunes necessitam de tratamento a longo prazo, mas os tratamentos existentes têm frequentemente efeitos secundários tão graves que não podem ser utilizados por muito tempo. e a IA oferecem um caminho promissor para desenvolver novas terapêuticas”, disse Laura Carrel, professora de bioquímica e biologia molecular na Penn State College of Medicine e co-autora sênior do estudo.

O trabalho da equipe apontou compostos medicamentosos que poderiam reverter a expressão genética em tipos de células associadas a uma doença autoimune, como a vitamina K para colite ulcerosa e a metformina, que normalmente é prescrita para diabetes tipo 2, para diabetes tipo 1. Estes medicamentos, já aprovados pela Food and Drug Administration como seguros e eficazes para o tratamento de outras doenças, poderiam potencialmente ser reaproveitados.

A equipe de pesquisa está trabalhando com colaboradores para validar suas descobertas em laboratório e, em última análise, em ensaios clínicos.

Lida Wang, estudante de doutorado no programa de bioestatística, e Chachrit Khunsriraksakul, que obteve doutorado em bioinformática e geonomia em 2022 e seu diploma de medicina em maio pela Penn State, co-lideraram o estudo. Outros autores do artigo da Penn State College of Medicine incluem: Havell Markus, que está cursando doutorado e graduação em medicina; Dieyi Chen, doutorando; Fan Zhang, estudante de pós-graduação; e Fang Chen, pós-doutorado. Xiaowei Zhan, professor associado do UT Southwestern Medical Center, também contribuiu para o artigo.