KI lernt, die in Ihrer DNA geschriebenen Krankheiten zu entschlüsseln

Wissenschaftler der Icahn School of Medicine am Mount Sinai haben ein neues System künstlicher Intelligenz entwickelt, das mehr kann, als nur schädliche genetische Mutationen zu identifizieren. Das Tool kann auch vorhersagen, welche Arten von Krankheiten diese Mutationen am wahrscheinlichsten verursachen. Der als V2P (Variant to Phenotype) bezeichnete Ansatz soll Gentests beschleunigen und die Entwicklung neuer Therapien für seltene und komplexe Krankheiten unterstützen. Die Forschungsergebnisse wurden in der Online-Ausgabe von Nature Communications veröffentlicht.

Vorhersage von Krankheiten anhand genetischer Variationen

Die meisten bestehenden Tools zur Genanalyse können zwar abschätzen, ob eine Mutation potenziell schädlich ist, aber damit ist es dann auch schon vorbei. Sie erklären nicht, welche Art von Krankheit daraus resultieren könnte. V2P wurde entwickelt, um diese Einschränkung zu überwinden, indem es mithilfe fortschrittlicher maschineller Lernverfahren genetische Varianten mit ihren erwarteten phänotypischen Ergebnissen in Verbindung bringt – also den Krankheiten oder Merkmalen, die eine Mutation hervorrufen kann. Auf diese Weise hilft das System dabei, vorherzusagen, wie sich die DNA einer Person auf ihre Gesundheit auswirken könnte.

„Unser Ansatz ermöglicht es uns, die genetischen Veränderungen zu identifizieren, die für den Zustand eines Patienten am relevantesten sind, anstatt Tausende von möglichen Varianten zu durchforsten“, sagt Erstautor David Stein, PhD, der kürzlich seine Doktorandenausbildung in den Labors von Yuval Itan, PhD, und Avner Schlessinger, PhD, abgeschlossen hat. „Indem wir nicht nur feststellen, ob eine Variante pathogen ist, sondern auch, welche Art von Krankheit sie wahrscheinlich verursacht, können wir sowohl die Geschwindigkeit als auch die Genauigkeit der genetischen Interpretation und Diagnostik verbessern.“

Training der KI zur Ermittlung der richtigen Mutation

Um das Modell zu erstellen, trainierten die Forscher V2P anhand eines großen Datensatzes, der sowohl schädliche als auch harmlose genetische Varianten sowie detaillierte Informationen zu Krankheiten enthielt. Durch dieses Training lernte das System Muster, die bestimmte Varianten mit Gesundheitsergebnissen in Verbindung bringen. Bei Tests mit echten, anonymisierten Patientendaten rangierte V2P die tatsächlich krankheitsverursachende Mutation häufig unter den Top 10 der Kandidaten, was sein Potenzial zur Vereinfachung und Beschleunigung der genetischen Diagnose demonstriert.

„Über die Diagnostik hinaus könnte V2P Forschern und Arzneimittelentwicklern helfen, die Gene und Signalwege zu identifizieren, die am engsten mit bestimmten Krankheiten verbunden sind“, sagt Dr. Schlessinger, Co-Senior- und Co-Korrespondenzautor, Professor für Pharmakologische Wissenschaften und Direktor des AI Small Molecule Drug Discovery Center an der Icahn School of Medicine am Mount Sinai. „Dies kann die Entwicklung von Therapien vorantreiben, die genetisch auf die Mechanismen der Krankheit zugeschnitten sind, insbesondere bei seltenen und komplexen Erkrankungen.“

Ausbau der Präzisionsmedizin und Arzneimittelforschung

Derzeit sortiert V2P Mutationen in allgemeine Krankheitskategorien wie Störungen des Nervensystems oder Krebserkrankungen. Das Forschungsteam plant, das System so zu verbessern, dass es detailliertere Vorhersagen treffen und seine Ergebnisse mit zusätzlichen Datenquellen kombinieren kann, um die Arzneimittelforschung weiter zu unterstützen.

Die Forscher sagen, dass dieser Fortschritt einen bedeutenden Schritt in Richtung Präzisionsmedizin darstellt, bei der Behandlungen auf der Grundlage des genetischen Profils einer Person ausgewählt werden. Durch die Verknüpfung genetischer Varianten mit ihren wahrscheinlichen Auswirkungen auf Krankheiten könnte V2P Ärzten helfen, schneller Diagnosen zu stellen, und Wissenschaftlern dabei helfen, neue Ziele für Therapien zu entdecken.

„V2P gibt uns einen klareren Einblick darin, wie genetische Veränderungen zu Krankheiten führen, was sowohl für die Forschung als auch für die Patientenversorgung wichtige Auswirkungen hat“, sagt Dr. Itan, Co-Senior- und Co-Korrespondenzautor, Associate Professor für Künstliche Intelligenz und Menschliche Gesundheit sowie Genetik und Genomwissenschaften, Kernmitglied des Charles Bronfman Institute for Personalized Medicine und Mitglied des Mindich Child Health and Development Institute an der Icahn School of Medicine am Mount Sinai. „Indem wir bestimmte Varianten mit den Arten von Krankheiten in Verbindung bringen, die sie am ehesten verursachen, können wir besser priorisieren, welche Gene und Signalwege eine eingehendere Untersuchung rechtfertigen. Dies hilft uns, effizienter vom Verständnis der Biologie zur Identifizierung potenzieller therapeutischer Ansätze und letztlich zur Anpassung von Interventionen an das spezifische Genomprofil einer Person überzugehen.“