美國西北大學(xué)團(tuán)隊(duì)開發(fā)出一種計(jì)算工具，能夠從有限的基因表達(dá)數(shù)據(jù)中提取關(guān)鍵信息，識別出多種復(fù)雜疾病背后的多基因組合。這項(xiàng)技術(shù)基于生成式人工智能(AI)，為未來的精準(zhǔn)醫(yī)學(xué)和藥物開發(fā)提供了強(qiáng)有力工具。研究論文發(fā)表在最新的《美國國家科學(xué)院院刊》上。

　　許多疾病是由多種基因共同作用決定的，而不是僅僅一個“壞”基因造成。這種復(fù)雜的基因網(wǎng)絡(luò)使得科學(xué)家難以準(zhǔn)確識別哪些基因組合會導(dǎo)致疾病的發(fā)生。為了應(yīng)對這一挑戰(zhàn)，團(tuán)隊(duì)開發(fā)了名為TWAVE的新模型。

　　該模型利用生成式AI技術(shù)，模擬健康和患病狀態(tài)下的基因表達(dá)情況，從而將基因活動的變化與表型變化相對應(yīng)。它不僅識別參與疾病發(fā)展的基因群，還使用優(yōu)化算法精確定位最可能引發(fā)細(xì)胞狀態(tài)轉(zhuǎn)變的關(guān)鍵基因變化。

　　目前，廣泛使用的全基因組關(guān)聯(lián)研究(GWAS)主要尋找與特定性狀相關(guān)的單個基因，但它們?nèi)狈�統(tǒng)計(jì)能力來檢測多個基因之間的協(xié)同效應(yīng)。TWAVE不依賴于基因序列本身，而是聚焦于基因表達(dá)水平。團(tuán)隊(duì)使用臨床試驗(yàn)數(shù)據(jù)訓(xùn)練模型，使其能識別代表健康或患病狀態(tài)的表達(dá)譜。對于部分基因，他們還結(jié)合實(shí)驗(yàn)數(shù)據(jù)，觀察這些基因開啟或關(guān)閉時對整個網(wǎng)絡(luò)的影響，從而更準(zhǔn)確地找到與疾病相關(guān)聯(lián)的基因網(wǎng)絡(luò)。

　　這種方法具有多重優(yōu)勢。它繞過了基因序列帶來的隱私問題，而且，基因表達(dá)天然包含了環(huán)境因素的影響，模型能間接反映外部因素的作用。

　　為了驗(yàn)證TWAVE的實(shí)際應(yīng)用效果，團(tuán)隊(duì)在幾種復(fù)雜疾病中進(jìn)行了測試。結(jié)果表明，該方法不僅能成功識別已知致病基因，還能發(fā)現(xiàn)一些被現(xiàn)有方法忽略的新基因。更重要的是，它揭示出同一種疾病可能在不同人群中由不同的基因組合引起。這一發(fā)現(xiàn)為未來實(shí)現(xiàn)根據(jù)患者個體的遺傳驅(qū)動機(jī)制進(jìn)行個性化治療提供了理論依據(jù)。

　　【總編輯圈點(diǎn)】

　　在生命科學(xué)領(lǐng)域，人工智能正在成為破譯復(fù)雜疾病背后基因組合密碼的重要利器。利用傳統(tǒng)方法，科學(xué)家難以破解多基因協(xié)同的致病機(jī)制。而人工智能技術(shù)的優(yōu)點(diǎn)在于，它擅長通過分析海量的基因組數(shù)據(jù)和臨床數(shù)據(jù)，挖掘出多基因組合與疾病之間的隱藏關(guān)聯(lián)。此類科研進(jìn)展不僅加深了人類對疾病本質(zhì)的理解，更為疾病的早期診斷、個性化治療提供了有力支撐。這意味著，人工智能正在驅(qū)動精準(zhǔn)醫(yī)學(xué)時代加速到來。

（責(zé)任編輯：華康）