Аналіз генетичних даних для точної медицини та підтипів

Новий підхід до аналізу генетичних даних

Доцентка Шарлі Клаймер зі студентами свого курсу з біологічних наук про дані працює над аналізом наборів генетичних даних, пов'язаних із захворюваннями. Метою є побудова мережевих моделей для виявлення кореляційних закономірностей та їх тестування на зв'язок з певними ознаками, такими як наявність хвороби. Цей курс надає студентам практичний досвід обробки та аналізу генетичних даних.

Студент Сіддхартха Пулланнагарі, який раніше цікавився розробкою додатків, приєднався до курсу, зацікавившись застосуванням штучного інтелекту в охороні здоров'я. Разом з іншими студентами він завантажував набори даних, пов'язані з обраними захворюваннями, з публічного репозиторію Gene Expression Omnibus. Вони вчилися очищати та обробляти дані, будувати мережеві моделі, що відображають кореляційні закономірності, та перевіряти ці закономірності на зв'язок з ознаками, такими як наявність хвороби. Результати валідувалися за допомогою незалежних даних.

Виявлення біомаркерів для різних захворювань

Студенти використовували підхід, який Клаймер застосовує у своїх дослідженнях, часто зосереджених на генетичних даних, пов'язаних з хворобою Альцгеймера. Вони досліджували набори даних, пов'язані з різними станами, і змогли ідентифікувати та валідувати значні асоціації, що стосуються:

Рівнів експресії генів у клітинах, що вистилають товсту кишку, для пацієнтів з раком товстої кишки.
Зразків крові для пацієнтів з ревматоїдним артритом.
Біопсій шкіри для пацієнтів з псоріазом.
Рівнів експресії генів у зразках крові для пацієнтів з вовчаком.
Рівнів мікроРНК у зразках крові для пацієнтів з раком.

Деякі студенти продовжують аналіз, досліджуючи рівні метилювання ДНК для COVID-19, гепатоцелюлярної карциноми та рівні експресії генів для БАС. За словами Клаймер, кожен валідований патерн є сигнатурою біомаркера, що має потенціал для ідентифікації осіб, які демонструють підтип певної ознаки.

Важливість підтипів у точній медицині

Термін "підтип" є ключовим, оскільки багато захворювань, включаючи рак, діабет, ревматоїдний артрит, вовчак та хворобу Альцгеймера, є гетерогенними. Це означає, що вони мають множинні форми, які часто виникають через різні генетичні, молекулярні або екологічні фактори. Точна медицина прагне враховувати ці відмінності, створюючи індивідуальний підхід до профілактики та лікування захворювань на основі унікального генетичного профілю, середовища та способу життя кожного пацієнта.

Клаймер зазначає, що поширені тести часто не враховують ці відмінності. Методи, які вона розробила, дозволяють розпізнавати комбінації біомаркерів, пов'язаних із захворюванням, і аналізувати, наскільки тісно ці біомаркери корелюють з конкретними підтипами, які виявляються як кластери в мережевих моделях.

Ідентифікація різних підтипів є важливою для розвитку науки, оскільки вона надає уявлення для формулювання гіпотез щодо патогенезу, виявляє потенційні цілі для розробки ліків, є критично важливою для категоризації осіб у клінічних випробуваннях ліків та є основою для успішної точної медицини.

Розробка нових інструментів та майбутні публікації

Клаймер розробила алгоритм, який дозволяє оцінювати мережі взаємодіючих або асоційованих елементів, що значно перевершує попередні методи аналізу генетичних даних. Вона представила свої методи у 2024 році, стверджуючи, що "ми використовуємо неправильну статистику для точної медицини", і продемонструвала, як її інструменти можуть захоплювати підтипи за допомогою розподілу даних для тестування асоціацій та метрик кореляції.

Сіддхартха Пулланнагарі продовжує працювати з Клаймер, створюючи візуалізації для валідованих результатів. Він розробить рукопис, який продемонструє ефективність методів Клаймер у різних умовах та захворюваннях. Клаймер має намір подати цю роботу до публікації в журналі, де студенти будуть співавторами. Вона вважає, що результати є "дуже сильними", оскільки виявлені закономірності в наборі відкриття майже ідентичні тим, що отримані під час валідації з незалежними даними.

Що це означає для розробників

Розробники, які працюють з даними, можуть використовувати ці методи мережевого моделювання для аналізу генетичних даних та виявлення кореляційних закономірностей, що є критично важливим для точної медицини. Це відкриває нові можливості для створення обчислювальних інструментів, які розпізнають комбінації біомаркерів та їх зв'язок з підтипами захворювань.

Ключові факти

Курс Шарлі Клаймер з біологічних наук про дані навчає студентів обробляти та аналізувати генетичні дані.
Студенти будують мережеві моделі для виявлення кореляційних закономірностей, пов'язаних із захворюваннями.
Сіддхартха Пулланнагарі та інші студенти валідували асоціації біомаркерів для раку товстої кишки, ревматоїдного артриту, псоріазу, вовчака та раку.
Виявлені патерни є сигнатурами біомаркерів, що потенційно ідентифікують підтипи захворювань.
Точна медицина вимагає врахування гетерогенності захворювань та їх підтипів.