Peneliti di Icahn School of Medicine at Mount Sinai telah mengembangkan sistem kecerdasan buatan bernama V2P yang tidak hanya menilai apakah mutasi genetik kemungkinan berbahaya tetapi juga memprediksi kategori penyakit luas yang mungkin disebabkan. Pendekatan ini, yang dijelaskan dalam makalah di Nature Communications, dimaksudkan untuk mempercepat diagnosis genetik dan mendukung pengobatan yang lebih personal, terutama untuk kondisi langka dan kompleks.
Para ilmuwan di Icahn School of Medicine at Mount Sinai telah memperkenalkan V2P, sistem kecerdasan buatan yang dirancang untuk mengatasi kesenjangan lama dalam analisis genetik.
Kebanyakan alat yang ada fokus pada penentuan apakah suatu mutasi berpotensi merusak, tetapi berhenti sebelum menunjukkan jenis penyakit apa yang mungkin terjadi. V2P (Variant to Phenotype) dirancang untuk melangkah lebih jauh dengan menggunakan pembelajaran mesin untuk menghubungkan varian genetik dengan hasil fenotipik yang diharapkan — yaitu, jenis penyakit atau sifat luas yang mungkin dihasilkan mutasi, seperti gangguan sistem saraf atau kanker, menurut Mount Sinai.
Model ini menggunakan kerangka pembelajaran mesin multi-tugas, multi-output yang dilatih pada dataset besar varian genetik patogenik dan diduga jinak yang dipasangkan dengan informasi fenotip. Pelatihan ini memungkinkannya untuk memperkirakan baik apakah varian tersebut patogenik atau jinak dan mana dari 23 kategori fenotip penyakit tingkat atas Human Phenotype Ontology yang paling mungkin terpengaruh.
Dalam evaluasi yang mencakup data sekuensing pasien yang dianonimkan, V2P sering menempatkan mutasi penyebab penyakit sebenarnya di antara 10 varian kandidat teratas dalam kasus tertentu, hasil yang menurut tim Mount Sinai dapat membantu menyederhanakan dan mempercepat proses diagnostik.
"Pendekatan kami memungkinkan kami untuk mengidentifikasi perubahan genetik yang paling relevan dengan kondisi pasien, daripada menyaring ribuan varian potensial," kata David Stein, PhD, penulis pertama studi, dalam pernyataan yang dirilis oleh Mount Sinai. "Dengan menentukan tidak hanya apakah varian tersebut patogenik tetapi juga jenis penyakit yang kemungkinan menyebabkannya, kami dapat meningkatkan kecepatan dan akurasi interpretasi genetik dan diagnostik."
Penulis co-senior Avner Schlessinger, PhD, Profesor Ilmu Farmakologi dan Direktur AI Small Molecule Drug Discovery Center di Icahn Mount Sinai, menyoroti potensi alat tersebut di luar pengujian klinis. "Di luar diagnostik, V2P dapat membantu peneliti dan pengembang obat mengidentifikasi gen dan jalur yang paling terkait erat dengan penyakit spesifik," katanya. "Ini dapat memandu pengembangan terapi yang disesuaikan secara genetik dengan mekanisme penyakit, terutama pada kondisi langka dan kompleks."
Saat ini, V2P mengelompokkan mutasi ke dalam kategori penyakit luas, termasuk gangguan sistem saraf dan neoplasma (kanker). Tim penelitian berencana menyempurnakan sistem sehingga dapat membuat prediksi lebih rinci dan mengintegrasikan hasilnya dengan sumber data tambahan, dengan tujuan mendukung penemuan target dan pengembangan obat lebih lanjut.
"V2P memberi kami jendela yang lebih jelas ke dalam bagaimana perubahan genetik diterjemahkan menjadi penyakit, yang memiliki implikasi penting bagi penelitian dan perawatan pasien," kata Yuval Itan, PhD, penulis co-senior dan Profesor Associate of Artificial Intelligence and Human Health di Icahn Mount Sinai. "Dengan menghubungkan varian spesifik ke jenis penyakit yang paling mungkin disebabkan, kami dapat lebih memprioritaskan gen dan jalur mana yang pantas untuk investigasi lebih dalam. Ini membantu kami bergerak lebih efisien dari pemahaman biologi ke identifikasi pendekatan terapeutik potensial dan, pada akhirnya, menyesuaikan intervensi dengan profil genomik spesifik individu."
Pekerjaan tersebut, yang dijelaskan dalam makalah Nature Communications "Expanding the utility of variant effect predictions with phenotype-specific models," dipimpin oleh Stein dan rekan penulis Meltem Ece Kars, Baptiste Milisavljevic, Matthew Mort, Peter D. Stenson, Jean-Laurent Casanova, David N. Cooper, Bertrand Boisson, Peng Zhang, Schlessinger, dan Itan.
Menurut Mount Sinai, penelitian ini didukung oleh hibah National Institutes of Health R24AI167802 dan P01AI186771, dana dari Fondation Leducq, dan hibah Leona M. and Harry B. Helmsley Charitable Trust 2209-05535. Dukungan tambahan berasal dari hibah NIH R01CA277794, R01HD107528, dan R01NS145483, serta hibah Clinical and Translational Science Awards UL1TR004419 dan penghargaan infrastruktur S10OD026880 dan S10OD030463.
Penulis studi dan peneliti Mount Sinai mengatakan sistem ini memajukan pengobatan presisi dengan menyediakan cara throughput tinggi untuk memetakan varian genetik manusia ke fenotip penyakit yang mungkin, berpotensi memungkinkan intervensi yang lebih cepat dan lebih tertarget berdasarkan profil genetik individu.
