– Un equipo de investigación de la Universidad Estatal de Pensilvania ha desarrollado un modelo de IA para comprender cómo la expresión genética afecta el riesgo de enfermedades autoinmunes, según un estudio estudiar publicado recientemente en Comunicaciones de la naturaleza.
La herramienta, EXpression PREdiction with Summary Statistics Only (EXPRESSO), está diseñada para incorporar loci de rasgos cuantitativos de expresión unicelular, datos genómicos 3D y epigenética para modelar cómo se expresan y regulan los genes asociados a enfermedades autoinmunes. Esta información luego se puede utilizar para señalar genes de riesgo adicionales y mejorar las terapias.
“Todos portamos algunas mutaciones en el ADN y necesitamos descubrir cómo cualquiera de estas mutaciones puede influir en la expresión genética relacionada con la enfermedad para que podamos predecir el riesgo de enfermedad de manera temprana. Esto es especialmente importante para las enfermedades autoinmunes”, dijo el coautor principal del estudio, Dajiang Liu, PhD, profesor distinguido, vicepresidente de investigación y director de inteligencia artificial e informática biomédica de la Facultad de Medicina de Penn State, en un comunicado de prensa. «Si un algoritmo de IA puede predecir con mayor precisión el riesgo de enfermedad, significa que podremos llevar a cabo intervenciones antes».
El enfoque EXPRESSO combate una limitación importante inherente a los estudios de asociación de todo el genoma (GWAS): la incapacidad de identificar genes específicos que influyen en el riesgo de enfermedad. Los investigadores indicaron que el enfoque GWAS es útil para localizar regiones dentro del genoma asociadas con diferentes enfermedades o rasgos, pero se necesita una granularidad adicional para enfermedades con genes de riesgo de rasgos complejos.
El equipo de investigación indicó que la expresión genética es a menudo específica de ciertos tipos de células, lo que significa que enfoques como GWAS, que no pueden distinguir entre tipos de células, no pueden revelar relaciones causales valiosas entre la expresión genética y las variantes genéticas.
La capacidad de EXPRESSO para analizar datos genómicos a nivel celular podría ayudar a cerrar esta brecha.
Los investigadores aplicaron la herramienta a 14 conjuntos de datos GWAS para una serie de enfermedades autoinmunes, incluidas la colitis ulcerosa, el lupus, la artritis reumatoide y la enfermedad de Crohn.
En comparación con las metodologías existentes, EXPRESSO identificó con éxito más de un 25 % más de asociaciones de genes y rasgos novedosos.
«Con este nuevo método, pudimos identificar muchos más genes de riesgo para enfermedades autoinmunes que en realidad tienen efectos específicos de tipo celular, lo que significa que solo tienen efectos en un tipo de célula particular y no en otras», dijo Bibo Jiang, PhD, asistente. profesor de la Facultad de Medicina de Penn State y autor principal del estudio.
Estos conocimientos podrían utilizarse para mejorar las terapias existentes para estas enfermedades e identificar nuevos tratamientos potenciales.
“La mayoría de los tratamientos están diseñados para mitigar los síntomas, no para curar la enfermedad. Es un dilema saber que las enfermedades autoinmunes necesitan un tratamiento a largo plazo, pero los tratamientos existentes a menudo tienen efectos secundarios tan malos que no pueden usarse por mucho tiempo. Sin embargo, la genómica y la inteligencia artificial ofrecen una ruta prometedora para desarrollar nuevas terapias”, dijo la coautora principal del estudio, Laura Carrel, PhD, profesora de bioquímica y biología molecular en la Facultad de Medicina de Penn State.
Utilizando EXPRESSO, el equipo de investigación descubrió que los compuestos farmacológicos aprobados por la FDA, como la metformina y la vitamina K, podrían reutilizarse para ayudar a revertir la expresión genética en tipos de células asociadas con enfermedades como la diabetes tipo 1 y la colitis ulcerosa.
En el futuro, los investigadores trabajarán para validar la herramienta en entornos de laboratorio y ensayos clínicos.