De Traditionele Chinese Geneeskunde werkt volgens een principe dat beoefenaars al millennia lang begeleidt: het idee dat een ziekte niet slechts een defect onderdeel is, maar een specifiek patroon van onbalans dat uniek is voor het individu. Dit patroon, bekend als een "syndroom", wordt gediagnosticeerd door naar het volledige plaatje te kijken — symptomen, emotionele staat en fysieke tekenen — in plaats van alleen naar een enkele laboratoriumtest. Eeuwenlang was deze benadering krachtig, maar moeilijk te meten met moderne instrumenten. Vandaag de dag proberen wetenschappers de kloof tussen deze eeuwenoude observaties en de taal van de moleculaire biologie te overbruggen. Ze willen de specifieke genen en eiwitten vinden die overeenkomen met deze syndromen, om zo de intuïtie van een arts effectief te vertalen naar een kaart van de interne machinerie van het lichaam. De uitdaging is dat de gegevens die nodig zijn om deze verbinding te leggen, verspreid en incompleet zijn; we hebben enorme bibliotheken met genetische informatie, maar ze vertellen ons zelden welke genen bij een specifiek Chinees medisch patroon horen. Zonder een manier om deze ontbrekende informatie te organiseren, is het vinden van betrouwbare biologische markers voor deze syndromen een moeilijke puzzel gebleven.

Een team van onderzoekers heeft nu een nieuwe manier voorgesteld om dit puzzelstuk op te lossen, door twee verschillende velden van de informatica te combineren om de biologische vingerafdrukken van een specifieke hartconditie te voorspellen. Ze richtten zich op "Coronaire Hartziekte met Flegma en Bloedstase Syndroom", een veelvoorkomende diagnose in de Chinese geneeskunde waarbij patiënten last hebben van pijn op de borst en andere symptomen die verband houden met een trage bloeddoorstroming en de ophoping van metabole afvalstoffen. Om het probleem van de ontbrekende gegevens aan te pakken, bouwden de onderzoekers een massaal digitaal netwerk, of kennisgraaf, dat fungeert als een gigantisch, onderling verbonden web. Ze voedden dit systeem met informatie uit duizenden bronnen, waaronder klinische dossiers, lijsten met kruidengeneesmiddelen en genetische databases. Dit web verbond ziekten, syndromen, symptomen, specifieke kruiden en meer dan zestien duizend genen met elkaar, waardoor een structuur met meer dan 310.000 verbindingen ontstond. Het doel was om de computer de bestaande patronen in dit web te laten bestuderen en te laten raden welke genen waarschijnlijk verbonden zijn met het syndroom, zelfs als die verbindingen nooit expliciet eerder waren opgeschreven.

De onderzoekers vertrouwden niet op één enkele methode om deze vermoedens te doen, maar gebruikten in plaats daarvan twee verschillende computationele strategieën die samenwerkten als twee onafhankelijke getuigen die hetzelfde verhaal bevestigen. De eerste strategie maakte gebruik van een techniek genaamd kennisgraaf-completie, wat in essentie een geavanceerde vorm van patroonherkenning is. Door de structuur van hun digitale web te analyseren, leerde de computer hoe verschillende soorten informatie met elkaar samenhangen en voorspelde vervolgens de meest waarschijnlijke ontbrekende schakels. Het suggereerde een lijst van honderd genen die zeer waarschijnlijke kandidaten waren voor betrokkenheid bij het syndroom. De tweede strategie maakte gebruik van een veld genaamd netwerkgeneeskunde, dat kijkt naar hoe genen met elkaar interageren in het menselijk lichaam. De onderzoekers identificeerden clusters van genen die samenwerken in nauwe groepen, of modules, en controleerden welke van deze groepen het nauwst verbonden waren met de doelwitten van de kruiden die worden gebruikt om de aandoening te behandelen. Deze benadering verkleinde het veld tot een kernset van drieëndertig genen.

Toen de onderzoekers de resultaten van deze twee verschillende methoden vergeleken, vonden ze een opvallende overlap. Beide benaderingen wezen naar dezelfde biologische processen, met name die betrokken bij ontsteking, het immuunsysteem en de manier waarop het lichaam met energie en zuurstof omgaat. Deze overeenstemming gaf het team het vertrouwen dat hun voorspellingen geen willekeurige gissingen waren, maar werkelijke biologische mechanismen weerspiegelden. De studie bracht ook verrassende verbanden aan het licht die verder gingen dan het gebruikelijke begrip van hartziekten. De computer voorspelde genen betrokken bij emotionele regulatie en celveroudering, wat suggereert dat het syndroom mogelijk verbonden is met stressreacties en de reactie van het lichaam op lage zuurstofniveaus op manieren die traditionele cardiovasculaire modellen niet volledig hadden vastgelegd. Bijvoorbeeld, het model benadrukte genen die bekend staan om hun invloed op de stemming en genen die cellen helpen overleven in omgevingen met weinig zuurstof, wat wijst op een complex web waarin emotionele staat en fysieke gezondheid diep met elkaar verweven zijn.

Om te waarborgen dat deze voorspellingen niet slechts theoretisch waren, testte het team ze tegenover echte wereldgegevens. Ze vergeleken hun voorspelde genenlijsten met werkelijke genetische monsters genomen van patiënten met de aandoening. De resultaten toonden aan dat de genen geïdentificeerd door hun computermodellen fysiek dicht bij de genen lagen die daadwerkelijk veranderden in de lichamen van de patiënten. Bovendien bevestigde een review van de bestaande medische literatuur dat veel van de top voorspelde genen al in andere studies aan hartziekten of de specifieke symptomen van het syndroom waren gekoppeld. Eén gen was bijvoorbeeld bekend vanwege de associatie met hartrisico in genetische studies en werd ook gedocumenteerd in Chinese medische databases als onderdeel van het "bloedstase"-patroon. Deze convergentie van computervoorspelling, echte patiëntgegevens en historische medische dossiers suggereert dat het raamwerk succesvol de biologische wortels van het syndroom heeft geïdentificeerd.

De studie concludeert dat dit nieuwe raamwerk een betrouwbare manier biedt om de biologische markers van traditionele Chinese geneeskunde syndromen te ontdekken zonder dat er enorme hoeveelheden vooraf bestaande gegevens nodig zijn. Door het vermogen om verborgen patronen in een kennisweb te vinden te combineren met het vermogen om te analyseren hoe genen samenwerken in het lichaam, hebben de onderzoekers een instrument gecreëerd dat systematisch traditionele diagnostische concepten kan vertalen naar moderne moleculaire termen. Hoewel de studie zich richtte op één specifieke hartconditie, is de methode zelf ontworpen om op andere syndromen te worden toegepast, wat potentieel de deur opent naar een nieuw tijdperk waarin traditionele diagnoses begrepen en geverifieerd kunnen worden via de precieze taal van de genetica. Het werk suggereert dat de patronen die artsen al eeuwenlang herkennen, een tastbare, meetbare realiteit hebben in het menselijk lichaam, wachtend om in kaart te worden gebracht door de juiste combinatie van data en inzicht.