人工智能加速了神经发育障碍相关基因的发现

研究人员开发了一种人工智能（AI）方法，可以加速识别导致自闭症谱系障碍、癫痫和发育迟缓等神经发育疾病的基因。这个新的强大的计算工具可以帮助充分表征神经发育障碍的遗传景观，这是进行准确的分子诊断，阐明疾病机制和开发靶向治疗的关键。

　　

研究人员开发了一种人工智能（AI）方法，加速了对神经发育障碍（如自闭症谱系障碍、癫痫和发育迟缓）相关基因的识别。这种强大的计算工具能够帮助全面描绘神经发育障碍的遗传图谱，这对于准确的分子诊断、阐明疾病机制以及开发针对性疗法至关重要。该研究发表于《美国人类遗传学杂志》。

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，但许多患有这些疾病的患者仍未获得遗传诊断，这表明还有许多基因有待发现。该研究的第一作者兼共同通讯作者、贝勒医学院病理学和免疫学助理教授、德克萨斯儿童医院Jan和Dan Duncan神经科学研究研究所首席研究员Ryan S. Dhindsa博士表示：“我们采用了一种互补的方法。我们利用AI寻找已与神经发育疾病相关的基因之间的模式，并预测可能也参与这些疾病的其他基因。”

通常，为了发现与疾病相关的新基因，研究人员会对患有这些疾病的许多个体进行基因组测序，并将其与没有这些疾病的人的基因组进行比较。Dhindsa说：“我们使用AI在单细胞水平上从发育中的人类大脑中测量的基因表达数据中寻找模式。我们发现，仅基于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进一步推进。”

为了进一步增强模型，研究团队纳入了300多个其他生物学特征，包括基因对突变的不耐受性、它们是否与其他已知疾病相关基因相互作用以及它们在不同生物途径中的功能角色。

Dhindsa说：“这些模型具有极高的预测价值。根据遗传模式，排名靠前的基因比仅基于基因不耐受性指标的基因更有可能是高可信度的神经发育障碍风险基因，其比例可达两倍或六倍。此外，一些排名靠前的基因比排名较低的基因更有可能得到文献支持，比例可达45到500倍。”

Dhindsa说：“我们视这些模型为分析工具，可以验证那些开始从测序研究中出现但尚未有足够统计证据表明其与神经发育障碍相关的基因。我们希望我们的模型能够加速基因发现和患者诊断，未来的研究将评估这种可能性。”

Blake A. Weido、Justin S. Dhindsa、Arya J. Shetty、Chloe F. Sands、Slavé Petrovski、Dimitrios Vitsios和共同通讯作者Anthony W. Zoghbi参与了这项工作。作者隶属于贝勒医学院、德克萨斯儿童医院Jan和Dan Duncan神经科学研究研究所、阿斯利康和墨尔本大学等一个或多个机构。

这项工作得到了NIH NINDS（F32 NS127854）、NIH（DP5 OD036131）、Norn集团长寿激励基金、Hevolution基金会、Rosenkranz基金会和K23MH121669资助。