Population-scale drug target and variant prioritization with Varformer
Varformer è un nuovo modello transformer multimodale che sfrutta l'apprendimento positivo-non etichettato e l'attenzione cross-modale per integrare caratteristiche a livello di variante e di gene, raggiungendo prestazioni allo stato dell'arte nella prioritizzazione sia dei target farmacologici che delle varianti patogene attraverso diversi gruppi di ascendenza genetica.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Trovare il bersaglio giusto per un nuovo farmaco è una delle parti più difficili della scoperta di nuovi medicinali. Gli scienziati devono identificare una proteina specifica nel corpo che, se bloccata o potenziata, curi una malattia senza causare danni. Per decenni, i ricercatori si sono affidati alla genetica umana per guidare questa ricerca, cercando variazioni naturali nel nostro DNA che proteggano le persone dalle malattie o le rendano suscettibili ad esse. Tuttavia, la maggior parte di questi studi genetici si è concentrata pesantemente su persone di discendenza europea. Ciò crea un punto cieco, poiché il patrimonio genetico di una persona del sud dell'Asia, dell'Africa o delle Americhe può differire significativamente, il che significa che un farmaco che funziona per un gruppo potrebbe fallire o causare effetti collaterali in un altro. Inoltre, i modelli informatici esistenti spesso faticano a gestire l'estrema complessità di queste differenze genetiche, solitamente comprimendo migliaia di cambiamenti individuali del DNA in un unico riassunto semplificato per ogni gene. Questo approccio rischia di perdere i modelli sottili e variegati che determinano realmente se un gene sia un bersaglio sicuro ed efficace per una nuova terapia.
Un team di ricercatori ha sviluppato un nuovo sistema di intelligenza artificiale chiamato Varformer per risolvere questi problemi. Invece di semplificare i dati, questo sistema apprende direttamente dai modelli grezzi e complessi della variazione genetica presenti nelle diverse popolazioni umane. I ricercatori hanno addestrato il modello utilizzando dati genetici di quattro gruppi principali: persone di discendenza dell'Asia meridionale, africana, americana mista e non finnica europea. Alimentando il computer con milioni di cambiamenti specifici del DNA, noti come varianti missenso, insieme a informazioni su come funzionano i geni e dove sono attivi nel corpo, Varformer ha imparato a riconoscere le firme dei bersagli farmacologici di successo. Il sistema tratta il problema come una ricerca dei bersagli "buoni" tra un vasto pool di incognite, utilizzando una strategia di apprendimento che riconosce che il fatto che un gene non sia ancora stato testato non significa che sia un cattivo candidato.
I risultati dimostrano che Varformer può distinguere tra geni che sono già stati validati come bersagli farmacologici e quelli che non lo sono, con una precisione sorprendente. Quando testato su tre diversi set di sfide, che spaziavano da famiglie proteiche ben note a candidati più oscuri, il sistema ha costantemente classificato i veri bersagli farmacologici vicino alla cima della sua lista. Nel test più difficile, che coinvolgeva bersagli non ancora approvati dai regolatori, Varformer ha superato i metodi precedenti di un margine significativo, identificando quasi due bersagli corretti aggiuntivi per ogni venti geni esaminati. Fondamentalmente, il sistema non si è limitato a memorizzare i dati; ha imparato a dare priorità ai bersagli che rimanevano candidati solidi in tutti e quattro i gruppi di discendenza. Ciò suggerisce che il supporto genetico per questi bersagli è robusto e non dipende dal background genetico specifico di una singola popolazione, offrendo un modo per ridurre i rischi dello sviluppo di farmaci per un pubblico globale.
Oltre a identificare interi geni, il sistema assegna punteggi anche ai singoli cambiamenti del DNA. In un test che ha coinvolto una coorte di partecipanti britannici bangladesi e pakistani, il modello ha classificato con successo le varianti note causanti malattie all'interno dei primi venti candidati per la maggior parte degli individui che le portano. Questa capacità di individuare specifiche mutazioni dannose è vitale per comprendere come le differenze genetiche contribuiscano alle malattie negli individui. I ricercatori hanno scoperto che combinare i punteggi del modello con i metodi esistenti migliorava la capacità di identificare le varianti dannose, suggerendo che il nuovo sistema cattura informazioni uniche che altri strumenti perdono. Sebbene il modello non sia una palla di cristallo che garantisce il successo di un farmaco nei trial clinici — poiché i trial dipendono da molti fattori oltre alla genetica, come la progettazione del trial e la sostenibilità commerciale — esso fornisce una base potente e unificata per decidere quali geni e varianti valga la pena perseguire per primi.
Il lavoro rappresenta un passaggio verso un approccio più inclusivo e preciso. Addestrandosi su popolazioni diverse e imparando direttamente dal complesso panorama della variazione genetica, Varformer offre un modo per trovare bersagli terapeutici che siano probabilmente efficaci per persone di ogni origine. I ricercatori hanno reso il sistema disponibile come strumento open-source, permettendo ad altri scienziati di usarlo per dare priorità a bersagli e varianti attraverso l'intero genoma umano. Questo approccio non migliora solo le probabilità di trovare un nuovo medicinale; aiuta anche a garantire che i medicinali trovati siano rilevanti e sicuri per l'intera popolazione umana, non solo per una frazione di essa.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.