Streszczenie: Naukowcy opracowali system, który wykrywa markery genetyczne autyzmu na obrazach mózgu z dokładnością 89-95%, co potencjalnie umożliwi wcześniejszą diagnozę i leczenie.

Ta metoda, która identyfikuje wzorce struktury mózgu powiązane z genetycznymi zmiennościami związanymi z autyzmem, oferuje spersonalizowane podejście do opieki nad osobami z autyzmem. Technika ta, zwana transport-based morphometry, może zmienić rozumienie i leczenie autyzmu, skupiając się na markerach genetycznych, a nie na wskazówkach behawioralnych.

Najważniejsze fakty:

• System wykorzystuje obrazowanie mózgu w celu wykrycia odmian genetycznych związanych z autyzmem.
• Dokładność tej metody waha się w granicach 89-95%, co pozwala na wcześniejsze rozpoznanie choroby.
• To podejście może zmienić sposób diagnozowania autyzmu z diagnozy opartej na zachowaniu na diagnozę opartą na genetyce.

Źródło: Uniwersytet Wirginii

Wielouczelniany zespół badawczy pod przewodnictwem profesora inżynierii Uniwersytetu Wirginii Gustavo K. Rohde opracował system, który jest w stanie wykrywać markery genetyczne autyzmu na obrazach mózgu z dokładnością od 89 do 95%.

Ich odkrycia sugerują, że lekarze pewnego dnia będą mogli zobaczyć, klasyfikować i leczyć autyzm i powiązane z nim schorzenia neurologiczne tą metodą, bez konieczności polegania na wskazówkach behawioralnych lub czekania na nie. A to oznacza, że ​​ta prawdziwie spersonalizowana medycyna może skutkować wcześniejszymi interwencjami.

„Autyzm jest tradycyjnie diagnozowany behawioralnie, ale ma silne podłoże genetyczne. Podejście oparte na genetyce może zmienić rozumienie i leczenie autyzmu” – napisali badacze w artykule opublikowanym 12 czerwca w czasopiśmie Postępy nauki.

Rohde, profesor inżynierii biomedycznej, elektrycznej i komputerowej, współpracował z naukowcami z University of California w San Francisco i Johns Hopkins University School of Medicine, w tym z Shinjini Kundu, byłą doktorantką Rohdego i pierwszą autorką artykułu.

Pracując w laboratorium Rohdego, Kundu — obecnie lekarz w Szpitalu Johnsa Hopkinsa — pomógł opracować generatywną technikę modelowania komputerowego zwaną morfometrią opartą na transporcie, czyli TBM, która stanowi podstawę podejścia zespołu.

Wykorzystując nowatorską technikę modelowania matematycznego, ich system ujawnia wzorce struktury mózgu, które przewidują zmiany w określonych obszarach kodu genetycznego danej osoby — zjawisko zwane „zmianami liczby kopii”, w którym segmenty kodu są usuwane lub duplikowane. Zmiany te są powiązane z autyzmem.

TBM pozwala naukowcom odróżnić normalne biologiczne zmiany w strukturze mózgu od zmian związanych z delecjami i duplikacjami.

„Wiadomo, że niektóre zmiany liczby kopii są związane z autyzmem, ale ich związek z morfologią mózgu — innymi słowy, w jaki sposób różne rodzaje tkanek mózgowych, takie jak istota szara lub biała, są ułożone w naszym mózgu — nie jest dobrze znany” — powiedział Rohde. „Odkrycie, w jaki sposób CNV odnosi się do morfologii tkanki mózgowej, jest ważnym pierwszym krokiem w zrozumieniu biologicznych podstaw autyzmu”.

Jak TBM łamie kod

Morfometria oparta na transporcie różni się od innych modeli analizy obrazu uczenia maszynowego, ponieważ modele matematyczne opierają się na transporcie masowym — ruchu cząsteczek, takich jak białka, składniki odżywcze i gazy do i z komórek i tkanek. „Morfometria” odnosi się do pomiaru i kwantyfikacji form biologicznych tworzonych przez te procesy.

Większość metod uczenia maszynowego, jak powiedział Rohde, ma niewielki lub żaden związek z procesami biofizycznymi, które wygenerowały dane. Zamiast tego polegają na rozpoznawaniu wzorców w celu identyfikacji anomalii.

Natomiast podejście Rohdego opiera się na równaniach matematycznych, które pozwalają wyodrębnić informacje o transporcie masy z obrazów medycznych i tworzyć nowe obrazy do wizualizacji i dalszej analizy.

Następnie, stosując inny zestaw metod matematycznych, system analizuje informacje powiązane z wariantami CNV powiązanymi z autyzmem, porównując je z innymi „normalnymi” wariantami genetycznymi, które nie prowadzą do chorób ani zaburzeń neurologicznych — co naukowcy nazywają „zakłócającymi źródłami zmienności”.

Źródła te wcześniej uniemożliwiały badaczom zrozumienie związku „gen-mózg-zachowanie”, co w efekcie ograniczało dostawców opieki zdrowotnej do diagnoz i metod leczenia opartych na zachowaniu.

Według magazynu Forbes 90% danych medycznych jest w formie obrazowania, którego nie mamy możliwości odblokowania. Rohde uważa, że ​​TBM jest kluczem szkieletowym.

„W związku z tym, jeśli wykorzystamy bardziej odpowiednie modele matematyczne do wyodrębnienia takich informacji, możemy spodziewać się poważnych odkryć na podstawie tak ogromnej ilości danych”.

Naukowcy wykorzystali dane pochodzące od uczestników projektu Simons Variation in Individuals, grupy osób ze zmiennością genetyczną powiązaną z autyzmem.

Osoby z grupy kontrolnej rekrutowano z innych placówek klinicznych i dopasowano pod względem wieku, płci, dominującej ręki oraz niewerbalnego ilorazu inteligencji, wyłączając osoby z pokrewnymi zaburzeniami neurologicznymi lub historią rodzinną.

„Mamy nadzieję, że odkrycia, czyli możliwość identyfikacji zlokalizowanych zmian w morfologii mózgu powiązanych ze zmiennością liczby kopii, wskażą obszary mózgu i ostatecznie mechanizmy, które będzie można wykorzystać w terapiach” – powiedział Rohde.

Pozostałymi współautorami są Haris Sair z Johns Hopkins School of Medicine oraz Elliott H. Sherr i Pratik Mukherjee z Wydziału Radiologii Uniwersytetu Kalifornijskiego w San Francisco.

Finansowanie: Badania zostały dofinansowane przez National Science Foundation, National Institutes of Health, Radiological Society of North America i Simons Variation in Individuals Foundation.

O tej wiadomości na temat neuroobrazowania i badań nad autyzmem

Autor: Jennifer McManamay
Źródło: Uniwersytet Wirginii
Kontakt: Jennifer McManamay – Uniwersytet Wirginii
Obraz: Zdjęcie jest autorstwa Neuroscience News

Badania oryginalne: Otwarty dostęp.
„Odkrywanie powiązania gen-mózg-zachowanie w autyzmie poprzez generatywne uczenie maszynowe” autorstwa Gustavo K. Rohde i in. Postępy nauki

Abstrakcyjny

Odkrycie powiązania między genami, mózgiem i zachowaniem w autyzmie poprzez generatywne uczenie maszynowe

Autyzm jest tradycyjnie diagnozowany behawioralnie, ale ma silne podłoże genetyczne. Podejście genetycznie-pierwsze mogłoby zmienić rozumienie i leczenie autyzmu. Jednak wyizolowanie relacji gen-mózg-zachowanie od mylących źródeł zmienności jest wyzwaniem.

Demonstrujemy nową technikę, 3D transport-based morphometry (TBM), aby wyodrębnić strukturalne zmiany mózgu powiązane ze zmiennością liczby kopii genetycznych (CNV) w regionie 16p11.2. Zidentyfikowaliśmy dwa odrębne endofenotypy.

W danych z Simons Variation in Individuals Project wykrycie tych endofenotypów umożliwiło 89–95% dokładności testu w przewidywaniu 16p11.2 CNV na podstawie samych obrazów mózgu. Następnie TBM umożliwiło bezpośrednią wizualizację endofenotypów, co umożliwiło dokładne przewidywanie, ujawniając zależne od dawki zmiany w mózgu u nosicieli delecji i duplikacji.

Endofenotypy te są wrażliwe na zaburzenia artykulacji i częściowo wyjaśniają zmienność ilorazu inteligencji.

Stratyfikacja genetyczna w połączeniu z TBM może ujawnić nowe endofenotypy mózgu w wielu zaburzeniach rozwojowych układu nerwowego, przyspieszając rozwój medycyny precyzyjnej i zrozumienie ludzkiej neuroróżnorodności.