Narzędzie do głębokiego uczenia identyfikuje mutacje mozaikowe, które powodują choroby

Mutacje genetyczne powodują setki nierozwiązanych i nieuleczalnych zaburzeń. Wśród nich mutacje DNA w niewielkim odsetku komórek, zwane mutacjami mozaikowymi, są bardzo trudne do wykrycia, ponieważ występują tylko w niewielkim odsetku komórek.

Podczas badania 3 miliardów zasad ludzkiego genomu obecne detektory mutacji DNA nie są dobrze przystosowane do rozróżniania mutacji mozaikowych ukrywających się wśród normalnych sekwencji DNA. W rezultacie genetycy medyczni często muszą przeglądać wzrokowo sekwencjonowanie DNA, aby spróbować zidentyfikować lub potwierdzić mutacje mozaikowe -; Czasochłonna próba obarczona możliwością popełnienia błędu.

Pisząc w numerze z 2 stycznia 2023 r Biotechnologia przyrodyNaukowcy z University of California San Diego School of Medicine i Rady Children’s Institute for Genomic Medicine opisują sposób nauczenia komputera, jak wykrywać mutacje mozaikowe przy użyciu podejścia opartego na sztucznej inteligencji, zwanego „głębokim uczeniem się”.

pobyt: Wykrywanie niezależnego od kontroli wariantu pojedynczego nukleotydu mozaiki przy użyciu DeepMosaic. Źródło zdjęcia: Laurent T/Shutterstock

Uczenie głębokie, czasami nazywane sztucznymi sieciami neuronowymi, to technika uczenia maszynowego, która uczy komputery robienia tego, co przychodzi ludziom naturalnie: uczenia się na przykładach, zwłaszcza z dużych ilości informacji. W porównaniu z tradycyjnymi modelami statystycznymi modele głębokiego uczenia się wykorzystują sztuczne sieci neuronowe do przetwarzania danych reprezentowanych wizualnie. W rezultacie modele działają podobnie do ludzkiego przetwarzania wizualnego, z większą precyzją i dbałością o szczegóły, co prowadzi do znacznego postępu w zakresie możliwości obliczeniowych, w tym wykrywania mutacji.

„Jednym z przykładów nierozwiązanego zaburzenia jest padaczka ogniskowa” – powiedział starszy autor badania, Joseph Gleeson, profesor neurologii z UC San Diego School of Medicine i dyrektor badań neurologicznych w Rady Children’s Institute for Genomic Medicine.

„Padaczka dotyka 4% populacji, a około jedna czwarta napadów ogniskowych nie reaguje na standardowe leki. Pacjenci ci często wymagają chirurgicznego usunięcia ogniskowej części mózgu powodującej zwarcie, aby zatrzymać napady. Wśród tych pacjentów mutacje mozaikowe w mózgu, które mogą powodować skupienie padaczkowe.

„Mieliśmy kilku pacjentów z padaczką, u których nie mogliśmy określić przyczyny, ale kiedy zastosowaliśmy naszą metodę o nazwie „DeepMosaic” do danych genomowych, mutacja stała się oczywista. Pozwoliło nam to poprawić czułość sekwencjonowania DNA w niektórych form epilepsji i doprowadziło do odkryć sugerujących nowe sposoby leczenia chorób mózgu”.

Dokładne wykrywanie mutacji mozaikowych, powiedział Gleeson, jest pierwszym krokiem w badaniach medycznych w kierunku opracowania metod leczenia wielu chorób.

Współautor i rozmówca Xiaoxu Yang, doktor habilitowany w laboratorium Gleesona, powiedział, że DeepMosaic został przeszkolony na około 200 000 biologicznych i symulowanych wariantach w całym genomie, aż „w końcu byliśmy zadowoleni z jego zdolności do wykrywania wariantów z danych, które ty” nigdy wcześniej nie spotkałem.

Aby wyszkolić komputer, autorzy przedstawili przykłady godnych zaufania mutacji mozaikowych oprócz kilku normalnych sekwencji DNA i nauczyli komputer rozróżniać. Dzięki iteracyjnemu szkoleniu i ponownemu szkoleniu przy użyciu bardziej złożonych zestawów danych i wybieraniu spośród dziesiątek modeli komputer był w końcu w stanie zidentyfikować mutacje mozaikowe znacznie lepiej niż ludzkie oczy i poprzednie metody. DeepMosaic został również przetestowany na wielu niezależnych, nigdy wcześniej nie widzianych zestawach danych sekwencjonowania na dużą skalę, przewyższając poprzednie metody.

„Głęboki mozaicyzm przewyższył tradycyjne narzędzia w wykrywaniu mozaikowatości z sekwencji genomowych i egzogennych” – powiedział współautor Shen Xu, były asystent naukowy w UC San Diego School of Medicine, a obecnie naukowiec zajmujący się danymi w Novartis. „Najistotniejsze cechy wizualne uchwycone przez modele głębokiego uczenia się są bardzo podobne do tego, na czym skupiają się eksperci podczas ręcznego badania zmiennych”.

DeepMosaic jest bezpłatnie dostępny dla naukowców. Naukowcy stwierdzili, że nie jest to pojedynczy program komputerowy, ale platforma typu open source, która może umożliwić innym badaczom trenowanie własnych sieci neuronowych w celu uzyskania bardziej ukierunkowanego wykrywania mutacji przy użyciu podobnej konfiguracji opartej na obrazie.

Współautorami są Martin W. Bruce, Danny Antaki, Laurel L. Ball, Changjuk Chung, Jiaoye Chen, Chen Li, Renee D. George, University of California, San Diego i Rady Children’s Institute for Genomic Medicine. Yifan Wang, Taegong Bai i Alexei Abyzov, Mayo Clinic; Yuhe Chenga i Ludmila B. Aleksandrowa i Jonathana L. Spat, Uniwersytet Kalifornijski w San Diego; Liping Wei, Uniwersytet Pekiński; oraz NIMH Brain Somatic Mosaicism Network.

Finansowanie tych badań pochodziło częściowo z National Institutes of Health (dotacje U01MH108898 i R01MH124890), San Diego Supercomputer Center oraz UC San Diego Institute for Genomic Medicine.

NBT: Film wprowadzający do „Wykrywania niezależnego od kontroli wariantu pojedynczego nukleotydu mozaiki przy użyciu DeepMosaic”Bawić się