Kecerdasan buatan akan meningkatkan prognosis dan pengobatan penyakit autoimun

Algoritme kecerdasan buatan (AI) canggih yang baru dapat menghasilkan prediksi yang lebih akurat dan lebih awal serta pengobatan baru untuk penyakit autoimun, di mana sistem imun secara keliru menyerang sel dan jaringan tubuh yang sehat. Algoritme tersebut menganalisis kode genetik yang mendasari kondisi ini untuk memodelkan secara lebih akurat bagaimana gen yang terkait dengan penyakit autoimun tertentu diekspresikan dan diatur, dan untuk mengidentifikasi gen risiko tambahan.

Penelitian yang dikembangkan oleh tim peneliti di Fakultas Kedokteran Universitas Pennsylvania ini mengungguli metodologi yang ada dan mengidentifikasi 26% lebih banyak asosiasi gen-sifat baru, demikian laporan para peneliti. Penelitian mereka dipublikasikan hari ini di jurnal Nature Communications.

"Kita semua memiliki mutasi dalam DNA kita, dan kita perlu memahami bagaimana mutasi ini dapat memengaruhi ekspresi gen terkait penyakit sehingga kita dapat memprediksi risiko penyakit sejak dini. Hal ini terutama penting untuk penyakit autoimun," kata Dajiang Liu, profesor terkemuka, wakil ketua penelitian, dan direktur kecerdasan buatan dan informatika biomedis di Fakultas Kedokteran Universitas Pennsylvania serta salah satu penulis studi tersebut.

"Jika algoritma AI dapat memprediksi risiko penyakit dengan lebih akurat, itu berarti kita dapat melakukan intervensi lebih awal."

Genetika dan perkembangan penyakit

Genetika sering kali mendasari perkembangan penyakit. Variasi dalam DNA dapat memengaruhi ekspresi gen, yaitu proses di mana informasi dalam DNA diubah menjadi produk fungsional seperti protein. Seberapa kuat atau lemahnya ekspresi gen dapat memengaruhi risiko penyakit.

Studi asosiasi genom secara luas (GWAS), pendekatan populer dalam penelitian genetika manusia, dapat mengidentifikasi wilayah genom yang terkait dengan penyakit atau sifat tertentu, tetapi tidak dapat menentukan gen spesifik yang memengaruhi risiko penyakit. Ini seperti berbagi lokasi dengan teman, tetapi tanpa pengaturan pada ponsel cerdas Anda — kotanya mungkin terlihat jelas, tetapi alamatnya tersembunyi.

Metode saat ini juga terbatas dalam perincian analisisnya. Ekspresi gen dapat bersifat khusus untuk jenis sel tertentu. Jika analisis tidak membedakan antara berbagai jenis sel, hasilnya mungkin tidak menunjukkan hubungan sebab-akibat yang sebenarnya antara varian genetik dan ekspresi gen.

Metode EXPRESSO

Metode tim tersebut, yang disebut EXPRESSO (EXpression PREdiction with Summary Statistics Only), menggunakan algoritma kecerdasan buatan yang lebih canggih dan menganalisis data dari tanda tangan ekspresi kuantitatif sel mononuklear yang menghubungkan varian genetik dengan gen yang mereka atur.

Ia juga memadukan data genomik 3D dan epigenetika, yang mengukur bagaimana gen dapat dimodifikasi oleh lingkungan untuk memengaruhi penyakit. Tim menerapkan EXPRESSO pada kumpulan data GWAS untuk 14 penyakit autoimun, termasuk lupus, penyakit Crohn, kolitis ulseratif, dan artritis reumatoid.

"Dengan metode baru ini, kami mampu mengidentifikasi lebih banyak gen risiko penyakit autoimun yang benar-benar memiliki efek spesifik pada jenis sel, artinya gen tersebut hanya memengaruhi jenis sel tertentu dan tidak memengaruhi yang lain," kata Bibo Jiang, asisten profesor di Fakultas Kedokteran Universitas Pennsylvania dan penulis utama penelitian tersebut.

Potensi aplikasi terapeutik

Tim menggunakan informasi ini untuk mengidentifikasi terapi potensial untuk penyakit autoimun. Saat ini, menurut mereka, belum ada pilihan pengobatan jangka panjang yang baik.

"Sebagian besar pengobatan ditujukan untuk meredakan gejala daripada menyembuhkan penyakit. Ini merupakan dilema, mengingat penyakit autoimun memerlukan pengobatan jangka panjang, tetapi pengobatan yang ada sering kali memiliki efek samping yang buruk sehingga tidak dapat digunakan dalam jangka panjang. Namun, genomik dan AI menawarkan jalan yang menjanjikan untuk mengembangkan terapi baru," kata Laura Carrel, seorang profesor biokimia dan biologi molekuler di Fakultas Kedokteran Universitas Pennsylvania dan salah satu penulis penelitian tersebut.

Pekerjaan tim tersebut telah menunjukkan senyawa obat yang dapat membalikkan ekspresi gen dalam jenis sel yang terkait dengan penyakit autoimun, seperti vitamin K untuk kolitis ulseratif dan metformin, yang umumnya diresepkan untuk diabetes tipe 2, untuk diabetes tipe 1. Obat-obatan ini, yang telah disetujui oleh Badan Pengawas Obat dan Makanan AS (FDA) sebagai obat yang aman dan efektif untuk mengobati penyakit lain, berpotensi dapat digunakan kembali.

Tim peneliti ini bekerja dengan rekan-rekannya untuk menguji temuan mereka di laboratorium dan, akhirnya, dalam uji klinis.

Lida Wang, seorang mahasiswa doktoral dalam program biostatistik, dan Chakrit Khunsriraksakul, yang akan menerima gelar doktor dalam bidang bioinformatika dan genomik pada tahun 2022 dan gelar kedokterannya pada bulan Mei dari University of Pennsylvania, memimpin penelitian tersebut. Penulis lain dari University of Pennsylvania College of Medicine termasuk Havell Marcus, yang sedang menempuh pendidikan doktoral dan gelar kedokterannya; Deyi Chen, seorang peneliti pascadoktoral; Fang Zhang, seorang mahasiswa pascasarjana; dan Fang Chen, seorang peneliti pascadoktoral. Xiaowei Zhang, seorang asisten profesor di University of Texas Southwestern Medical Center, juga turut serta dalam penelitian ini.