Ein Werkzeug zur maschinellen Lernens sagt voraus, ob PSEN1-Genvarianten Alzheimer verursachen
Forscher haben einen Computeralgorithmus entwickelt, der genetische Daten von sechs Alzheimer-Genen analysiert, um schädliche PSEN1-Mutationen von harmlosen zu unterscheiden und so die Unsicherheit bei genetischen Tests zu adressieren.
Was wurde untersucht?
Forscher hatten das Ziel, eine bessere Methode zu entwickeln, um festzustellen, ob spezifische Genvarianten bei Alzheimer-Patienten krankheitsverursachend oder harmlos sind. Sie entwickelten ein Werkzeug für maschinelles Lernen, das Varianten in sechs zentralen Alzheimer-Genen (APOE, APP, PSEN1, PSEN2, SORL1 und TREM2) analysiert, indem genetische Daten von Alzheimer-Patienten mit Daten von Personen ohne neurologische Erkrankungen verglichen werden.
Was wurde gefunden?
Das PSEN1-Gen zeigte die stärksten Muster zur Unterscheidung zwischen krankheitsverursachenden Varianten und harmlosen. Unter Verwendung dieses Gens als primärem Fokus wurden sechs verschiedene Algorithmen für maschinelles Lernen trainiert, um die Pathogenität vorherzusagen, indem gewebespezifische Expressionsdaten, Informationen zur Proteinstruktur von AlphaFold und andere molekulare Merkmale integriert wurden. Die Modelle wurden mit einer rigorosen Kreuzvalidierungsmethode mit mehreren Iterationen validiert.
Was bedeutet das?
Dieses Werkzeug könnte genetischen Beratern und Klinikern helfen, unklare Ergebnisse genetischer Tests zu interpretieren, insbesondere für PSEN1-Varianten, bei denen aktuelle Datenbanken Mutationen oft als von ungewisser Bedeutung kennzeichnen. Durch die Bereitstellung spezifischerer Vorhersagen für Alzheimer als allgemeine Werkzeuge könnte es die Genauigkeit der genetischen Diagnosen für Familien mit früh einsetzendem Alzheimer verbessern.
Einschränkung
Dies ist ein rechnerisches Vorhersagewerkzeug, das auf bestehenden Datenbanken basiert, und keine klinische Validierungsstudie, die zeigt, dass die Vorhersagen tatsächlich die Patientenergebnisse oder Behandlungsentscheidungen verbessern.