TRACE: A FINE-TUNED BIOMEDICAL LANGUAGE MODEL FOR DIRECTIONALLY INFORMED DRUG REPURPOSING FROM TRANSCRIPTOME-WIDE ASSOCIATION STUDIES
Het artikel introduceert TRACE, een schaalbare, door AI gedreven pijplijn die een gefinetuned biomedisch taalmodel gebruikt om de curatie van literatuur te automatiseren en FDA-goedgekeurde kandidaat-geneesmiddelen voor hergebruik te rangschikken door de richting van het effect van medicijn-genen af te stemmen op transcriptoombrede associatiestudie (TWAS)-signalen, waardoor de brug wordt geslagen tussen genetische ontdekking en therapeutische hypothesegeneratie.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Het vinden van een nieuw gebruik voor een bestaand medicijn is een van de meest veelbelovende manieren om medische vooruitgang te versnellen. In plaats van een medicijn vanaf nul uit te vinden — een proces dat meer dan een decennium kan duren en miljarden dollars kan kosten — zoeken wetenschappers naar manieren om verbindingen te hergebruiken die al bewezen veilig zijn voor mensen. De uitdaging ligt in het leggen van de verbanden tussen een specifieke ziekte en een specifiek medicijn. Moderne genetica heeft een krachtige nieuwe kaart voor deze reis geboden. Door te bestudelen hoe variaties in ons DNA de activiteit van onze genen beïnvloeden, kunnen onderzoekers identificeren welke genen waarschijnlijk een ziekte aanjagen. Als een gen te actief wordt gevonden bij een patiënt met een specifieke aandoening, zou de logische behandeling een medicijn zijn dat dat gen tempert. Als een gen onderactief is, is het doel om het juist te stimuleren. Deze logica, bekend als directionaliteit, is cruciaal: het geven van een medicijn dat de activiteit verhoogt aan een patiënt die al te veel activiteit heeft, zou de ziekte kunnen verergeren. Het omzetten van deze genetische aanwijzingen in een lijst met levensvatbare medicijnkandidaten was echter traditioneel een traag, handmatig proces, waarbij wetenschappers duizenden wetenschappelijke artikelen moesten lezen en complexe databases één voor één met elkaar moesten kruisverwijzen.
Een team van onderzoekers heeft nu een digitale tool gebouwd genaamd TRACE om dit moeilijke werk te automatiseren. Het systeem fungeert als een hooggespecialiseerde onderzoeksassistent die een lijst met genen die aan een ziekte gekoppeld zijn kan nemen en razendsnel de wereldwijde medische literatuur kan scannen om te vinden welke medicijnen deze mogelijk kunnen behandelen. Het proces begint wanneer een wetenschapper de tool een gennaam en een richting geeft, zoals "dit gen is te actief bij deze ziekte". De tool controleert eerst vier belangrijke openbare databases om te zien welke door de FDA goedgekeurde medicijnen bekend staan om hun interactie met dat gen. Vervolgens filtert het systeem deze lijst om alleen de medicijnen over te houden die officieel zijn goedgekeurd voor gebruik in de Verenigde Staten. Daarna gaat het systeem naar PubMed, een enorm archief van medisch onderzoek, en haalt de nieuwste abstracts op die beschrijven hoe die specifieke medicijnen dat specifieke gen beïnvloeden.
De kerninnovatie van TRACE is het vermogen om deze wetenschappelijke samenvattingen te lezen en te begrijpen. De onderzoekers hebben een computermodel getraind, een type kunstmatige intelligentie die gespecialiseerd is in biomedische taal, om als een kritische lezer te fungeren. Dit model onderzoekt elk onderzoeksabstract om drie dingen te bepalen: bevestigt de tekst een relatie tussen het medicijn en het gen, wat is het mechanisme van die relatie, en belangrijker nog, zet het medicijn het gen aan of uit? Het model is getraind met behulp van duizenden voorbeelden, inclusief door experts geannoteerde gegevens uit eerdere wetenschappelijke competities, waardoor het de subtiele verschillen kon leren tussen een medicijn dat een gen remt en een medicijn dat een gen activeert. Zodra het model de bewijslast heeft geclassificeerd, vergelijkt het het effect van het medicijn met de oorspronkelijke genetische aanwijzing. Als de genetische data aangeven dat het gen te actief is en het medicijn de activiteit tempert, markeert het systeem dit als een veelbelovende therapeutische kandidaat. Als het medicijn de activiteit verhoogt, markeert het systeem dit als een potentieel veiligheidsrisico, met een waarschuwing dat het gebruik ervan schadelijk zou kunnen zijn.
De onderzoekers testten dit systeem om te zien of het het werk van menselijke experts kon evenaren. Ze pasten het eerst toe op een set genen die gelinkt zijn aan endometriose, een pijnlijke aandoening die het baarmoederlijstje aantast. Ze hadden een bestaande lijst van drieënveertig medicijn-genparen die door menselijke experts handmatig waren gecureerd en geverifieerd. Toen de tool door dezelfde gegevens liep, herstelde het bijna eenennegentig procent van die bekende paren. Het identificeerde correct de overgrote meerderheid van zowel de nuttige medicijnkandidaten als de gevaarlijke veiligheidsrisico's. Het systeem bewees ook zijn vermogen om bekende behandelingen zelfstandig te herontdekken; bij het analyseren van de volledige lijst met endometriose-genen identificeerde het onafhankelijk leuprolideacetaat, een goed gevestigde therapie voor de aandoening, puur door de literatuur en de genetische richting te analyseren zonder voorafgaande kennis van het gebruik van het medicijn.
Buiten de bekende gevallen breidde de tool de zoektocht uit naar negenennegentig genen die geassocieerd zijn met endometriose en vond meer dan duizend potentiële medicijn-geninteracties. Uit deze grote vijver haalde het dert twee paren uit als sterke kandidaten voor nieuwe behandelingen en zevenenzeventig als potentiële veiligheidsrisico's. Het systeem valideerde ook zijn prestaties op twee andere ziekten: een vorm van leververvetting en type 2 diabetes. In deze gevallen herstelde het bijna negentig procent van de medicijnparen die aanwezig waren in de databases die het doorzocht. De onderzoekers benadrukken dat de tool niet bewijst dat deze medicijnen de ziekten zullen genezen; het biedt eerder een zeer georganiseerd, op bewijs gebaseerd startpunt voor verder onderzoek. Het filtert de ruis eruit en presenteert een geprioriteerde lijst met hypothesen die in het laboratorium of in klinische studies kunnen worden getest. Door het tijdrovende werk van het lezen en kruisverwijzen te automatiseren, stelt TRACE wetenschappers in staat om sneller van genetische ontdekking naar therapeutische ideeën te gaan, waardoor een proces dat ooit maanden handmatige arbeid kostte, wordt omgezet in een taak die in enkele uren op een standaardcomputer kan worden voltooid.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.