Blijf op de hoogte met gratis updates
U hoeft zich alleen maar te registreren Kunstmatige intelligentie myFT Digest – rechtstreeks in uw inbox afgeleverd.
Onderzoekers hebben een kunstmatige-intelligentiemodel ontwikkeld om te signaleren welke voorheen onbekende menselijke genetische mutaties waarschijnlijk ziekten zullen veroorzaken, waardoor mogelijk de behandelingsopties voor zeldzame aandoeningen veranderen.
De techniek is gebaseerd op evolutionaire informatie van honderdduizenden voornamelijk diersoorten en presteert op een aantal cruciale manieren beter dan rivalen, waaronder Google DeepMind’s AlphaMissense, aldus de onderzoekers.
De innovatie belooft artsen aanvullende gegevens te bieden om medische problemen aan te pakken die ze nog nooit hebben gezien en die mogelijk zelfs genetisch uniek van oorsprong zijn. Er wordt geschat dat zeldzame ziekten in totaal honderden miljoenen mensen wereldwijd treffen, maar veel patiënten worden nooit gediagnosticeerd.
“Er zijn veel manieren waarop single genetisch varianten kunnen ziekten veroorzaken – en voor dit zeer grote aantal patiënten is er vaak een verschrikkelijk gebrek aan informatie”, zegt Jonathan Frazer, onderzoeker bij het Centrum voor Genomische Regulatie in Barcelona.
“Het is moeilijk om de ziekte te diagnosticeren, het is moeilijk te begrijpen hoe de ziekte moet worden behandeld. We hopen dat we zojuist een nieuw, zeer algemeen hulpmiddel hebben geboden om dit proces te helpen begeleiden.”
De in Barcelona gevestigde wetenschappers werkten samen met collega’s van de Harvard Medical School aan de bouw AI model, bekend als popEVE. De technologie beschreven in een paper gepubliceerd in Nature Genetics op maandag, is gebaseerd op een algoritme uit 2021 genaamd EVE – wat staat voor Evolutionary model of Variant Effect.
De onderzoekers onderzochten hoe veranderingen in genen de instructies beïnvloeden die ze het lichaam geven om eiwitten, de bouwstenen van het leven, te produceren. In het bijzonder concentreerden ze zich op ‘missense’-mutaties – veranderingen die resulteren in een verschuiving in de identiteit van een enkel aminozuur, de fundamentele subeenheid van eiwitten.
De onderzoekers keken naar de evolutionaire diversiteit van genetische sequenties bij verschillende soorten om te peilen of mogelijke mutaties waarschijnlijk schadelijk waren. Als genetische veranderingen ontbreken in de gegevens, kan dit betekenen dat ze destructief zijn, omdat de organismen die eraan lijden slechte overlevingsvooruitzichten zouden hebben gehad.
De onderzoekers combineerden deze patronen met gegevens uit de menselijke genetische databases van de UK Biobank en gnomAD. Hierdoor konden ze gegevens van dieren en andere organismen kalibreren met informatie over welke soorten mutaties gezonde mensen kunnen verdragen.
De onderzoekers testten het model op genetische gegevens van 31.000 gezinnen met kinderen die leden aan ernstige ontwikkelingsstoornissen. In 513 gevallen waarin de jongeren een geheel nieuwe genetische mutatie vertoonden, identificeerde popEVE deze in 98 procent van de gevallen correct als de schadelijkste variant in hun lichaam.
Het model onthulde nog eens 123 genen die in veel gevallen actief zijn in de zich ontwikkelende hersenen en fysiek interageren met bekende ziekteverwekkende eiwitten, maar die nog nooit eerder in verband zijn gebracht met ontwikkelingsstoornissen.
PopEVE presteerde beter dan modellen ontwikkeld door DeepMind en anderen bij het voorspellen van de ernst van ziekten en bij het in rekening brengen van populaties van niet-Europese afkomst, aldus de onderzoekers. DeepMind zei dat het nieuwe model op sommige benchmarks beter presteerde dan AlphaMissense, maar niet op alle.
Het PopEVE-model vereist geen grote hoeveelheden energie en kan daarom geschikt zijn voor lage- en middeninkomenslanden, suggereerden de onderzoekers. Het werd al met succes gebruikt bij patiënten in Senegal, onder meer om een patiënt met spieratrofie te helpen behandelen met een vitamine B2-boost, voegde ze eraan toe.
PopEVE breidde de mogelijkheden van de oorspronkelijke EVE enorm uit en zou vooral nuttig zijn voor patiënten voor wie geen genetische monsters van de ouders beschikbaar waren, zegt Damian Smedley, hoogleraar computationele genomica aan de Queen Mary University in Londen.
“Dit nieuwste werk zal een schaalbare toepassing op elk gen mogelijk maken”, aldus Smedley. “Het systematisch beoordelen van de impact van alle varianten in het genoom van een patiënt is de sleutel tot het volledig waarmaken van de belofte van genomische sequencing in de gezondheidszorg.”
