美国西奈山伊坎医学院（Icahn School of Medicine at Mount Sinai）的研究人员近日开发出一种新的人工智能工具，不仅能够识别致病性基因突变，还可以预测这些突变可能引发的疾病类型，为遗传病诊断和靶向治疗研究提供了重要支持。相关研究成果于12月15日在线发表于《Nature Communications》。
该方法被命名为V2P（Variant to Phenotype），其核心创新在于弥补了现有遗传分析工具的关键不足。当前常用的变异评估方法主要用于判断基因突变是否具有致病性，但无法进一步推断这些突变将导致何种疾病表型。V2P通过机器学习方法，将遗传变异与其可能对应的疾病类型直接关联起来，实现了从“是否有害”到“可能导致何种疾病”的跨越式预测。
研究第一作者、近期在Yuval Itan和Avner Schlessinger实验室完成博士训练的David Stein表示，该方法能够在大量基因变异中优先筛选出与患者临床表现最相关的突变，而无需逐一排查成千上万种可能性。通过同时判断突变的致病性及其潜在疾病类型，V2P有望显著提升遗传诊断的速度和准确性。
研究团队利用包含大量致病和良性突变的数据集对模型进行训练，并将疾病类别信息纳入预测框架，以提高模型对表型的区分能力。在使用真实、去标识化的患者数据进行测试时，V2P往往能够将真正的致病突变排在前十位候选之中，显示出其在临床遗传分析中的应用潜力。
除遗传诊断外，研究人员认为V2P在疾病机制研究和药物开发方面同样具有重要价值。论文共同通讯作者、西奈山伊坎医学院药理科学教授兼人工智能小分子药物发现中心主任Avner Schlessinger指出，通过将基因变异与具体疾病类型相联系，研究人员和药物开发者能够更有针对性地锁定与特定疾病密切相关的基因和信号通路，从而推动基于遗传机制的靶向治疗策略，尤其适用于罕见病和复杂疾病领域。
目前，V2P主要将突变归类为较为宏观的疾病类别，如神经系统疾病或肿瘤等。研究团队表示，下一步将进一步细化模型，使其能够预测更加具体的疾病类型，并整合更多生物医学数据资源，以增强其在药物发现和转化研究中的实用性。
研究作者认为，该工具代表了精准医学发展的重要一步。通过建立基因变异与疾病表型之间的直接联系，V2P不仅有助于临床医生更高效地完成遗传诊断，也有助于科研人员更系统地识别潜在治疗靶点。Itan指出，这种从基因到疾病类型的预测框架，为理解遗传变异如何转化为疾病提供了更清晰的视角，并有望加速从基础生物学发现到个体化治疗方案的转变。
评论 (0)