Nova studija o genetskim uzrocima poremećaja mentalnog zdravlja

Ispravno dijagnosticiranje mentalnih poremećaja može biti izazov, posebno za malu djecu koja ne mogu ispuniti upitnike ili skale ocjenjivanja. Ovaj izazov je bio posebno akutan u nedovoljno proučavanim manjinskim populacijama. Prošla genomska istraživanja su otkrila nekoliko genomskih signala za razne mentalne poremećaje, od kojih neki služe kao potencijalne terapijske mete lijekova. Algoritmi dubokog učenja također su korišteni za uspješno dijagnosticiranje složenih bolesti poput poremećaja pažnje i hiperaktivnosti (ADHD). Međutim, ovi alati su se rijetko primjenjivali u velikoj populaciji afroameričkih pacijenata.

U jedinstvenoj studiji, istraživači su generisali podatke sekvenciranja cijelog genoma od 4,179 uzoraka krvi pacijenata afroameričkih pacijenata, uključujući 1,384 pacijenata kojima je dijagnosticiran najmanje jedan mentalni poremećaj. Ova studija se fokusirala na osam uobičajenih mentalnih poremećaja, uključujući ADHD, depresiju, anksioznost. , poremećaj autističnog spektra, intelektualne teškoće, poremećaj govora/jezika, kašnjenje u razvoju i opozicioni prkosni poremećaj (ODD). Dugoročni cilj ovog rada je naučiti više o specifičnim rizicima za razvoj određenih bolesti u afroameričkim populacijama i kako potencijalno poboljšati zdravstvene ishode fokusiranjem na personaliziranije pristupe liječenju.

"Većina studija se fokusira samo na jednu bolest, a manjinske populacije su bile vrlo nedovoljno zastupljene u postojećim studijama koje koriste mašinsko učenje za proučavanje mentalnih poremećaja", rekao je stariji autor Hakon Hakonarson, MD, PhD, direktor Centra za primijenjenu genomiku pri CHOP-u. . “Željeli smo testirati ovaj model dubokog učenja u afroameričkoj populaciji kako bismo vidjeli može li precizno razlikovati pacijente s mentalnim poremećajima od zdravih kontrola i možemo li ispravno označiti vrste poremećaja, posebno kod pacijenata s višestrukim poremećajima.”

Algoritam dubokog učenja tražio je teret genomskih varijanti u kodirajućim i nekodirajućim regijama genoma. Model je pokazao preko 70% tačnosti u razlikovanju pacijenata sa mentalnim poremećajima od kontrolne grupe. Algoritam dubokog učenja bio je podjednako efikasan u dijagnosticiranju pacijenata sa višestrukim poremećajima, pri čemu je model davao tačna dijagnostička podudaranja u približno 10% slučajeva.

Model je također uspješno identifikovao više genomskih regiona koji su bili visoko obogaćeni mentalnim poremećajima, što znači da je veća vjerovatnoća da će biti uključeni u razvoj ovih medicinskih poremećaja. Biološki putevi koji su uključeni uključivali su one povezane sa imunološkim odgovorima, vezivanjem antigena i nukleinske kiseline, signalnim putem hemokina i proteinskim receptorima koji se vezuju za gvanin nukleotide. Međutim, istraživači su također otkrili da su varijante u regijama koje nisu kodirale proteine ​​umiješane u ove poremećaje na višoj frekvenciji, što znači da mogu poslužiti kao alternativni markeri.

"Identificiranjem genetskih varijanti i povezanih puteva, buduća istraživanja usmjerena na karakterizaciju njihove funkcije mogu pružiti mehanistički uvid u to kako se ovi poremećaji razvijaju", rekao je Hakonarson.

Ovo istraživanje podržali su fondovi za institucionalni razvoj od CHOP-a do Centra za primijenjenu genomiku i Katedre za genomska istraživanja Dječije bolnice u Filadelfiji.