Les chercheurs ont développé une approche d'intelligence artificielle (IA) qui accélère l'identification des gènes qui contribuent aux conditions neurodéveloppementales telles que le trouble du spectre autistique, l'épilepsie et le retard de développement. Ce nouvel outil de calcul puissant peut aider à caractériser pleinement le paysage génétique des troubles neurodéveloppementaux, ce qui est essentiel pour établir un diagnostic moléculaire précis, élucider le mécanisme de la maladie et développer des thérapies ciblées. L'étude est apparue dans le American Journal of Human Genetics.
« Bien que les chercheurs aient fait des progrès majeurs en identifiant différents gènes associés aux troubles neurodéveloppementaux, de nombreux patients souffrant de ces conditions ne reçoivent toujours pas de diagnostic génétique, ce qui indique qu'il y a beaucoup plus de gènes qui attendent d'être découverts », a déclaré First and Corresponding auteur, le Dr Ryan S. Dhindsa, professeur adjoint de pathologie et d'immunologie à l'hôpital de la Baylor College of Medicine et de l'hôpital de la Baylor au Texlor College of Medicine, au Text Collège de Texy College of Text Collège au Texy Collège du Texy Collège de Texy Collège au Texy Collège du Texy.
En règle générale, pour découvrir de nouveaux gènes associés à une maladie, les chercheurs séquencent les génomes de nombreuses personnes atteintes des troubles et les comparent aux génomes des personnes sans troubles.
Nous avons adopté une approche complémentaire. Nous avons utilisé l'IA pour trouver des modèles parmi les gènes déjà liés aux maladies neurodéveloppementales et prédire des gènes supplémentaires qui pourraient également être impliqués dans ces troubles. «
Dr Ryan S. Dhindsa, professeur adjoint de pathologie et d'immunologie, Baylor College of Medicine
Les chercheurs ont recherché des modèles d'expression génique mesurés au niveau unique du cerveau humain en développement. « Nous avons constaté que les modèles d'IA formés uniquement sur ces données d'expression peuvent prédire robustement les gènes impliqués dans le trouble du spectre autistique, le retard de développement et l'épilepsie. Mais nous voulions aller plus loin », a déclaré Dhindsa.
Pour améliorer encore les modèles, l'équipe a incorporé plus de 300 autres caractéristiques biologiques, y compris des mesures de la façon dont les gènes intolérants sont aux mutations, s'ils interagissent avec d'autres gènes connues associés aux maladies et leurs rôles fonctionnels dans différentes voies biologiques.
« Ces modèles ont une valeur prédictive exceptionnellement élevée », a déclaré Dhindsa. « Les gènes de premier plan étaient jusqu'à deux ou six fois, selon le mode d'héritage, plus enrichi pour les gènes de risque de trouble neurodéveloppemental à haute confiance par rapport aux métriques d'intolérance génique seule.
« Nous considérons ces modèles comme des outils analytiques qui peuvent valider des gènes qui commencent à émerger des études de séquençage mais n'ont pas encore suffisamment de preuves statistiques d'être impliqués dans des conditions de neurodéveloppement », a déclaré Dhindsa. « Nous espérons que nos modèles accéléreront la découverte des gènes et les diagnostics des patients, et que les études futures évalueront cette possibilité. »
Blake A. Weido, Justin S. Dhindsa, Arya J. Shetty, Chloe F. Sands, Slavé Petrovski, Dimitrios Vitsios et l'auteur de co-corresponding Anthony W. Zoghbi ont contribué à ce travail. Les auteurs sont affiliés à une ou plusieurs des institutions suivantes: Baylor College of Medicine, Jan et Dan Duncan Neurological Research Institute au Texas Children's Hospital, AstraZeneca et l'Université de Melbourne.
Ce travail est soutenu par des subventions de NIH NINDS (F32 NS127854), NIH (DP5 OD036131), une subvention de la longévité de Norn Group, Fondation Hevolution, Rosenkranz Foundation et subvention K23MH121669.
