Nature子刊：新的人工智能算法可能改善自身免疫性疾病的预测和治疗

一种新的先进人工智能(AI)算法更准确地模拟与特定自身免疫性疾病相关的基因如何表达和调节，并识别其他风险基因。该方法优于现有的方法，并确定了26%以上的新基因和性状关联。

　　

一种新的先进人工智能(AI)算法可能会带来更好、更早的自身免疫性疾病预测和新疗法，这种疾病涉及免疫系统错误地攻击人体自身的健康细胞和组织。该算法深入研究这些疾病背后的遗传密码，以更准确地模拟与特定自身免疫性疾病相关的基因是如何表达和调节的，并识别其他风险基因。

研究人员说，这项工作是由宾夕法尼亚州立大学医学院(Penn State College of Medicine)的研究人员领导的一个团队开发的，比现有的方法要好，多识别出26%的新基因和特征关联。他们5月20日在《自然通讯》上发表了他们的研究成果。

“我们都携带一些DNA突变，我们需要弄清楚这些突变中的任何一个是如何影响与疾病相关的基因表达的，这样我们就可以早期预测疾病风险。这对自身免疫性疾病尤其重要，”宾夕法尼亚州立医学院的杰出教授、研究副主席、人工智能和生物医学信息学主任、该研究的资深作者之一刘大江说。“如果人工智能算法可以更准确地预测疾病风险，这意味着我们可以更早地进行干预。”

基因通常是疾病发展的基础。DNA的变异会影响基因表达，或者影响DNA信息转化为蛋白质等功能性产物的过程。基因表达的多少会影响疾病的风险。

全基因组关联研究(GWAS)是人类遗传学研究中的一种流行方法，它可以定位与特定疾病或特征相关的基因组区域，但不能精确定位影响疾病风险的特定基因。这就像在智能手机上关闭精确定位设置的情况下与朋友分享你的位置一样——城市可能很明显，但地址却很模糊。现有的方法在其分析的粒度上也受到限制。基因表达可能是特定于某些类型的细胞。如果分析不区分不同的细胞类型，结果可能会忽略遗传变异和基因表达之间的真正因果关系。

该研究小组的方法被称为EXPRESSO(仅用摘要统计进行表达预测)，它应用了更先进的人工智能算法，并分析了来自单细胞表达数量性状位点的数据，这是一种将遗传变异与它们所调节的基因联系起来的数据。它还将3D基因组数据和表观遗传学(测量基因如何被环境修改从而影响疾病)整合到模型中。该团队将EXPRESSO应用于14种自身免疫性疾病的GWAS数据集，包括狼疮、克罗恩病、溃疡性结肠炎和类风湿性关节炎。

宾夕法尼亚州立医学院助理教授、该研究的资深作者Bibo Jiang说:“通过这种新方法，我们能够识别出更多的自身免疫性疾病的风险基因，这些基因实际上具有细胞类型特异性的影响，这意味着它们只对特定的细胞类型有影响，而对其他细胞类型没有影响。”

然后，研究小组利用这些信息来确定自身免疫性疾病的潜在治疗方法。他们说，目前还没有好的长期治疗方案。

“大多数治疗都是为了减轻症状，而不是治愈疾病。知道自身免疫性疾病需要长期治疗是一个两难的选择，但现有的治疗方法往往有很坏的副作用，不能长期使用。然而，基因组学和人工智能为开发新疗法提供了一条有希望的途径，”宾夕法尼亚州立医学院生物化学和分子生物学教授、该研究的共同资深作者劳拉·卡雷尔说。

该团队的工作指出，药物化合物可以逆转与自身免疫性疾病相关的细胞类型中的基因表达，例如治疗溃疡性结肠炎的维生素K和治疗1型糖尿病的典型处方二甲双胍。这些药物已经被美国食品和药物管理局(Food and Drug Administration)批准为安全有效的治疗其他疾病的药物，可能会被重新利用。

研究小组正在与合作者合作，在实验室环境中验证他们的发现，并最终在临床试验中验证。

生物统计学专业的博士生王丽达(Lida Wang)和于2022年获得生物信息学和地理学博士学位，并于今年5月从宾夕法尼亚州立大学获得医学学位的查克里特·坤斯里拉库尔(Chachrit Khunsriraksakul)共同领导了这项研究。宾夕法尼亚州立大学医学院的其他论文作者包括:正在攻读博士学位和医学学位的Havell Markus;陈蝶一，博士研究生;张帆，研究生;陈方，博士后。德克萨斯大学西南医学中心副教授詹晓伟也参与了这篇论文。

美国国立卫生研究院(资助号R01HG011035, R01AI174108和R01ES036042)和宾夕法尼亚州立医学院的人工智能和生物医学信息学试点资助支持了这项工作。