Künstliche Intelligenz wird die Prognose und Behandlung von Autoimmunkrankheiten verbessern

Ein neuer, fortschrittlicher Algorithmus auf Basis künstlicher Intelligenz (KI) könnte präzisere und frühere Vorhersagen sowie neue Behandlungsmöglichkeiten für Autoimmunerkrankungen ermöglichen. Bei diesen Erkrankungen greift das Immunsystem fälschlicherweise körpereigene gesunde Zellen und Gewebe an. Der Algorithmus analysiert den genetischen Code, der diesen Erkrankungen zugrunde liegt, um die Expression und Regulierung von Genen, die mit bestimmten Autoimmunerkrankungen assoziiert sind, genauer zu modellieren und zusätzliche Risikogene zu identifizieren.

Die von einem Forscherteam der University of Pennsylvania College of Medicine entwickelte Studie übertrifft bestehende Methoden und identifizierte 26 % mehr neue Gen-Merkmals-Assoziationen, berichten die Forscher. Ihre Arbeit wurde heute in der Fachzeitschrift Nature Communications veröffentlicht.

„Wir alle haben Mutationen in unserer DNA und müssen verstehen, wie sich diese Mutationen auf die Expression krankheitsrelevanter Gene auswirken, damit wir das Krankheitsrisiko frühzeitig vorhersagen können. Dies ist besonders wichtig bei Autoimmunerkrankungen“, sagte Dajiang Liu, angesehener Professor, stellvertretender Forschungsleiter und Direktor für künstliche Intelligenz und biomedizinische Informatik am University of Pennsylvania College of Medicine und Co-Autor der Studie.

„Wenn ein KI-Algorithmus das Krankheitsrisiko genauer vorhersagen kann, bedeutet das, dass wir früher eingreifen können.“

Genetik und die Entstehung von Krankheiten

Genetische Faktoren spielen oft eine Rolle bei der Entstehung von Krankheiten. Variationen in der DNA können die Genexpression beeinflussen, also den Prozess, bei dem Informationen in der DNA in funktionale Produkte wie Proteine umgewandelt werden. Wie stark oder schwach ein Gen exprimiert wird, kann das Krankheitsrisiko beeinflussen.

Genomweite Assoziationsstudien (GWAS), ein beliebter Ansatz in der Humangenetikforschung, können Genomregionen identifizieren, die mit einer bestimmten Krankheit oder Eigenschaft assoziiert sind, können aber nicht die spezifischen Gene bestimmen, die das Krankheitsrisiko beeinflussen. Es ist, als würde man seinen Standort mit einem Freund teilen, nur ohne die Feineinstellung auf dem Smartphone – die Stadt mag offensichtlich sein, die Adresse ist jedoch verborgen.

Aktuelle Methoden sind zudem in ihrer Detailliertheit begrenzt. Die Genexpression kann spezifisch für bestimmte Zelltypen sein. Wenn die Analyse nicht zwischen verschiedenen Zelltypen unterscheidet, können die Ergebnisse echte Ursache-Wirkungs-Beziehungen zwischen genetischen Varianten und Genexpression übersehen.

EXPRESSO-Methode

Die Methode des Teams namens EXPRESSO (EXpression PREdiction with Summary Statistics Only) verwendet einen fortschrittlicheren Algorithmus der künstlichen Intelligenz und analysiert Daten aus quantitativen Expressionssignaturen mononukleärer Zellen, die genetische Varianten mit den von ihnen regulierten Genen verknüpfen.

Es integriert außerdem 3D-Genomdaten und Epigenetik, die misst, wie Gene durch die Umwelt verändert werden können und so Krankheiten beeinflussen. Das Team wandte EXPRESSO auf GWAS-Datensätze für 14 Autoimmunerkrankungen an, darunter Lupus, Morbus Crohn, Colitis ulcerosa und rheumatoide Arthritis.

„Mit dieser neuen Methode konnten wir viele weitere Risikogene für Autoimmunerkrankungen identifizieren, die tatsächlich zelltypspezifische Auswirkungen haben, das heißt, sie betreffen nur einen bestimmten Zelltyp und nicht andere“, sagte Bibo Jiang, Assistenzprofessor am University of Pennsylvania College of Medicine und leitender Autor der Studie.

Mögliche therapeutische Anwendungen

Das Team nutzte diese Informationen, um potenzielle Therapeutika für Autoimmunerkrankungen zu identifizieren. Derzeit gebe es keine guten Langzeitbehandlungsmöglichkeiten, heißt es.

„Die meisten Behandlungen zielen eher auf die Linderung der Symptome als auf die Heilung der Krankheit ab. Das ist ein Dilemma, da Autoimmunerkrankungen zwar eine Langzeitbehandlung erfordern, bestehende Behandlungen jedoch oft so starke Nebenwirkungen haben, dass sie nicht langfristig angewendet werden können. Genomik und KI bieten jedoch einen vielversprechenden Weg zur Entwicklung neuer Therapeutika“, sagte Laura Carrel, Professorin für Biochemie und Molekularbiologie am University of Pennsylvania College of Medicine und Co-Autorin der Studie.

Die Arbeit des Teams hat Wirkstoffverbindungen identifiziert, die die Genexpression in Zelltypen, die mit Autoimmunerkrankungen assoziiert sind, umkehren können, wie etwa Vitamin K bei Colitis ulcerosa und Metformin, das häufig bei Typ-2-Diabetes verschrieben wird, bei Typ-1-Diabetes. Diese Medikamente, die von der US-amerikanischen Food and Drug Administration (FDA) bereits als sicher und wirksam zur Behandlung anderer Krankheiten zugelassen wurden, könnten möglicherweise für andere Zwecke eingesetzt werden.

Das Forschungsteam arbeitet mit Kollegen zusammen, um ihre Ergebnisse im Labor und schließlich in klinischen Studien zu testen.

Lida Wang, Doktorandin im Biostatistikprogramm, und Chakrit Khunsriraksakul, der 2022 seinen Doktortitel in Bioinformatik und Genomik sowie im Mai seinen medizinischen Abschluss an der University of Pennsylvania erhält, leiteten die Studie. Weitere Autoren vom University of Pennsylvania College of Medicine sind Havell Marcus, der promoviert und seinen medizinischen Abschluss anstrebt; Deyi Chen, Postdoktorand; Fang Zhang, Doktorand; und Fang Chen, ebenfalls Postdoktorand. Ebenfalls an der Arbeit beteiligt war Xiaowei Zhang, Assistenzprofessor am University of Texas Southwestern Medical Center.