Cu ajutorul unui instrument avansat de inteligenţă artificială (AI), cercetătorii americani de la facultatea de medicină Icahn, de la Mount Sinai, au identificat variante rare de codificare în 17 gene care fac lumină asupra bazei moleculare a bolii coronariene, principala cauză de morbiditate şi mortalitate la nivel mondial.
Descoperirile, detaliate într-un articol publicate marţi în revista Nature Genetics, dezvăluie factori genetici cu impact asupra bolilor de inimă care deschid noi căi pentru tratamente specifice şi abordări personalizate în domeniul îngrijirii cardiovasculare.
Cercetătorii au folosit un scor in silico (derivat pe calculator) pentru boala coronariană (ISCAD) care reprezintă în mod holistic CAD, aşa cum a fost descris într-un articol anterior al echipei în revista The Lancet.
Scorul ISCAD încorporează sute de caracteristici clinice diferite din dosarul electronic de sănătate, inclusiv semne vitale, rezultate ale testelor de laborator, medicamente, simptome şi diagnostice.
Pentru a dezvolta acest scor, cercetătorii au antrenat modele de învăţare automată pe dosarele electronice de sănătate a 604.914 persoane din UK Biobank, programul de cercetare Toţi (All of Us) şi BioMe Biobank în această meta-analiză cuprinzătoare.
Scorul a fost apoi testat pentru asocierea cu variantele de codificare rare şi ultra rare găsite în secvenţele exomului acestor persoane. În plus, echipa de cercetare a efectuat investigaţii suplimentare asupra genelor descoperite pentru a studia rolul acestora în factorii de risc cauzali ai bolilor coronariene, manifestările clinice ale acestora şi legăturile lor cu statutul CAD în studiile tradiţionale de asociere la scară largă la nivel de genom, pe scară largă.
„Descoperirile ne ajută să înţelegem modul în care aceste 17 gene sunt implicate în boala coronariană. Unele dintre aceste gene sunt deja cunoscute ca influenţând dezvoltarea bolilor de inimă, în timp ce altele nu au mai fost niciodată legate de acestea", spune Ron Do, autorul principal al studiului şi profesor de medicină personalizată la Icahn Mount Sinai.
El precizează faptul că, studiul indică modul în care instrumentele de învăţare automată pot descoperi informaţii genetice pe care metodele tradiţionale le-ar putea rata atunci când se compară cazurile şi controalele.
Acest lucru ar putea duce la noi modalităţi de identificare a mecanismelor biologice ale bolilor de inimă sau a ţintelor genetice pentru tratament.
Deoarece apar doar la un procent mic de indivizi, variantele rare de codificare pot avea un impact semnificativ asupra riscului sau susceptibilităţii la boală atunci când sunt prezente.
Prin urmare, studierea acestor variante este esenţială pentru înţelegerea bazei genetice a bolilor şi poate informa ţintele terapeutice.
Studiul a fost motivat de provocările cu care s-au confruntat oamenii de ştiinţă, în ultimul deceniu, în identificarea variantelor rare de codificare asociate cu bolile coronariene, folosind metode tradiţionale care se bazează pe cazuri diagnosticate şi controale.
Limitările codurilor de diagnosticare în ceea ce priveşte surprinderea complexităţii bolilor coronariene i-au determinat pe cercetători să exploreze noi căi de investigare.
„Articolul nostru anterior din Lancet a arătat că un model de învăţare automată antrenat cu dosarele electronice de sănătate poate genera un scor in silico pentru boala coronariană, captând boala în întregul său spectru”, spune autorul principal Ben Omega Petrazzini, bioinformatician asociat în laboratorul dr. Do.
„Pe baza acestor constatări, am emis ipoteza că scorul in silico pentru CAD ar putea dezvălui noi variante rare de codificare legate de bolile coronariene, oferind o viziune mai holistică a bolii”, a precizat acesta.
Cercetătorii intenţionează să investigheze în continuare rolul genelor identificate în biologia bolilor coronariene şi să exploreze potenţialele aplicaţii ale învăţării automate în studiul genetic al altor boli complexe, ca parte a eforturilor continue de a avansa înţelegerea mecanismelor bolilor, de a descoperi noi tratamente şi de a îmbunătăţi rezultatele pacienţilor.
