Une étude d'association de variantes rares utilisant des données de séquençage de l'exome a été réalisée sur un marqueur basé sur l'apprentissage automatique pour la maladie coronarienne (CAD). Cela a permis d'identifier des variantes codantes rares dans 17 gènes, révélant ainsi des informations sur les bases moléculaires de la coronaropathie. Crédit : Ron Do, Ph.D. et Ben Omega Petrazzini, BS, à Icahn Mount Sinai.
À l’aide d’un outil avancé d’intelligence artificielle, des chercheurs de l’École de médecine Icahn du Mont Sinaï ont identifié des variantes codantes rares dans 17 gènes qui mettent en lumière les bases moléculaires de la maladie coronarienne (MAC), la principale cause de morbidité et de mortalité dans le monde.
Les découvertes, détaillées dans Génétique naturellerévèlent des facteurs génétiques ayant un impact sur les maladies cardiaques qui ouvrent de nouvelles voies pour des traitements ciblés et des approches personnalisées des soins cardiovasculaires.
Les enquêteurs ont utilisé un score in silico (dérivé par ordinateur) pour la maladie coronarienne (ISCAD) qui représente de manière holistique la coronaropathie, comme décrit dans un article précédent de l'équipe dans La Lancette. Le score ISCAD intègre des centaines de caractéristiques cliniques différentes du dossier de santé électronique, notamment les signes vitaux, les résultats de tests de laboratoire, les médicaments, les symptômes et les diagnostics. Pour établir le score, ils ont formé des modèles d'apprentissage automatique sur les dossiers de santé électroniques de 604 914 personnes à travers la biobanque britannique, le programme de recherche All of Us et la biobanque BioMe dans cette méta-analyse complète.
Le score a ensuite été testé pour son association avec des variantes codantes rares et ultra-rares trouvées dans les séquences exome de ces individus. En outre, l'équipe de recherche a mené des recherches plus approfondies sur les gènes découverts afin d'étudier leurs rôles dans les facteurs de risque causal de coronaropathie, les manifestations cliniques de la coronaropathie et leurs liens avec le statut de coronaropathie dans les études d'association traditionnelles à grande échelle à l'échelle du génome, entre autres facteurs.
“Nos découvertes nous aident à comprendre comment ces 17 gènes sont impliqués dans la maladie coronarienne. Certains de ces gènes sont déjà connus pour influencer le développement des maladies cardiaques, tandis que d'autres n'y ont jamais été associés auparavant”, explique Ron Do, Ph.D., auteur principal de l'étude et professeur Charles Bronfman en médecine personnalisée à Icahn Mount Sinai. “Notre étude montre comment les outils d'apprentissage automatique peuvent découvrir des informations génétiques que les méthodes traditionnelles pourraient manquer lors de la comparaison des cas et des témoins. Cela pourrait conduire à de nouvelles façons d'identifier les mécanismes biologiques des maladies cardiaques ou les gènes cibles pour le traitement.”
Parce qu’elles ne surviennent que chez un faible pourcentage d’individus, les variantes codantes rares peuvent avoir un impact significatif sur le risque ou la susceptibilité à la maladie lorsqu’elles sont présentes. Par conséquent, l’étude de ces variantes est essentielle pour comprendre les bases génétiques des maladies et peut éclairer les cibles thérapeutiques.
L'étude a été motivée par les défis rencontrés au cours de la dernière décennie pour identifier les variantes de codage rares associées à la coronaropathie à l'aide de méthodes traditionnelles reposant sur des cas diagnostiqués et des contrôles. Les limites des codes de diagnostic pour capturer la complexité de la CAO ont incité les chercheurs à explorer de nouvelles voies d'investigation.
“Notre précédent Lancette L'article a montré qu'un modèle d'apprentissage automatique formé avec des dossiers de santé électroniques peut générer un score in silico pour la maladie coronarienne, capturant la maladie dans tout son spectre », explique l'auteur principal Ben Omega Petrazzini, bioinformaticien associé au laboratoire du Dr Do à Icahn Mount Sinai. Sur la base de ces résultats, nous avons émis l'hypothèse que le score in silico pour la coronaropathie pourrait révéler de nouvelles variantes de codage rares liées à la coronaropathie en offrant une vision plus holistique de la maladie.
Ensuite, les enquêteurs prévoient d'étudier plus en profondeur le rôle des gènes identifiés dans la biologie de la coronaropathie et d'explorer les applications potentielles de l'apprentissage automatique dans l'étude génétique d'autres maladies complexes, dans le cadre de leurs efforts continus pour faire progresser la compréhension des mécanismes de la maladie, découvrir de nouveaux traitements, et améliorer les résultats pour les patients.
Les autres auteurs de l'article, tous travaillant avec Icahn Mount Sinai, sauf indication contraire, sont Iain S. Forrest, Ph.D. (candidat MD); Ghislain Rocheleau, Ph.D.; Ha My T. Vy, Ph.D. ; Carla Márquez-Luna, Ph.D. ; Áine Duffy, MS (candidat au doctorat); Robert Chen, MS (candidat MD/Ph.D.); Joshua K. Park, BS (candidat MD/Ph.D.) ; Kyle Gibson, BA (candidat MD); Sascha N. Goonewardena, MD (Université du Michigan) ; Waqas A. Malick, MD; Robert S. Rosenson, MD; et Daniel M. Jordan, Ph.D.
Plus d'information:
L'analyse des séquences d'exome identifie des variantes codantes rares associées à un marqueur basé sur l'apprentissage automatique pour la maladie coronarienne, Génétique naturelle (2024). DOI : 10.1038/s41588-024-01791-x
Fourni par l'Hôpital Mont Sinaï
Citation: Un nouvel outil d'IA découvre des variantes rares liées aux maladies cardiaques dans 17 gènes (11 juin 2024) récupéré le 11 juin 2024 sur
Ce document est soumis au droit d'auteur. En dehors de toute utilisation équitable à des fins d'étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni seulement pour information.
