클리블랜드 클리닉이 이끄는 팀은 고급 AI 모델을 사용하여 파킨슨병 진행의 유전적 요인을 밝히고 치료에 재사용할 수 있는 기존 약물을 식별했으며, 이를 통해 새로운 치료법 개발을 가속화할 가능성이 있습니다.
클리블랜드 클리닉 게놈 센터가 이끄는 연구진은 새로운 연구에서 고급 인공지능(AI) 유전학 모델을 사용하여 파킨슨병과 관련된 유전적 요인을 식별하고 치료에 재사용이 가능한 FDA 승인 약물을 정확히 찾아냈습니다.
연구, 출판 npj Parkinson's Disease 저널에서 시스템 생물학 접근 방식을 사용합니다. 이 방법론은 AI를 활용하여 유전, 프로테오믹, 제약 및 환자 데이터 세트를 포함한 다양한 형태의 데이터를 통합하고 분석하여 기존 분석에서 놓칠 수 있는 패턴을 발견합니다.
이 연구는 CCGC 이사이자 시스템 생물학 분야 전문가인 페이슝 청이 주도했습니다.
“파킨슨병은 치매에 이어 두 번째로 흔한 신경퇴행성 질환이지만 전 세계적으로 이 질환을 앓고 있는 수백만 명의 사람들에게서 이 질환의 진행을 멈추거나 늦출 방법이 없습니다. 현재 우리가 할 수 있는 최선은 증상이 나타나면 관리하는 것입니다.”라고 Cheng의 게놈 의학 연구실의 박사후 연구원인 제1 저자 Lijun Dou가 말했습니다. 보도 자료. “파킨슨병에 대한 새로운 질병 수정 치료법을 개발해야 할 시급한 필요성이 있습니다.”
파킨슨병의 진행은 부분적으로는 관련 유전자 돌연변이가 종종 단백질을 인코딩하지 않지만 유전자 기능에 영향을 줄 수 있는 DNA의 비코딩 영역에서 발생하기 때문에 퇴치하기 어렵습니다.
"파킨슨병과 관련된 알려진 유전적 돌연변이의 대부분은 실제 유전자가 아닌 DNA의 비코딩 영역에 있습니다." Dou가 덧붙였습니다. "비코딩 영역의 변이가 다른 유전자의 기능에 영향을 미칠 수 있다는 것은 알고 있지만, 파킨슨병에서 어떤 유전자가 영향을 받는지는 모릅니다."
이 팀은 혁신적인 AI 모델을 사용하여 파킨슨병과 관련된 유전적 변이를 여러 뇌 특정 DNA 및 유전자 발현 데이터 세트와 교차 참조했습니다. 이 접근 방식을 통해 DNA의 비코딩 영역에서 변이의 영향을 받는 유전자를 식별할 수 있었습니다.
연구자들은 그런 다음 이러한 발견을 단백질 및 상호작용체 데이터 세트와 통합하여 이러한 유전자가 돌연변이될 때 다른 뇌 단백질에 어떻게 영향을 미치는지 정확히 알아냈습니다. 그들은 조절되지 않을 때 뇌 염증을 일으키는 것으로 알려진 SNCA 및 LRRK2와 같은 여러 잠재적 위험 유전자를 식별했습니다.
연구는 유전자 식별에서 끝나지 않았습니다. 연구팀은 기존 약물이 식별된 유전자를 표적으로 삼을 수 있는지 탐구하여 새로운 약물을 개발하고 승인하는 데 필요한 일반적인 15년 기간을 우회하는 것을 목표로 했습니다.
"현재 파킨슨병을 앓고 있는 사람들은 상태가 계속 진행됨에 따라 새로운 옵션을 기다리기에는 너무 오랜 시간이 걸립니다. 이미 FDA 승인을 받은 약물을 사용하여 파킨슨병에 재활용할 수 있다면 환자에게 더 많은 옵션을 제공할 때까지 걸리는 시간을 크게 줄일 수 있습니다."라고 Cheng은 보도자료에서 말했습니다.
유전적 발견을 제약 데이터베이스와 통합하여 팀은 여러 후보 약물을 식별했습니다. 그들은 전자 건강 기록을 교차 검사하여 콜레스테롤 저하제 심바스타틴과 같이 식별된 약물 중 일부를 복용하는 환자가 파킨슨병 진단을 받을 가능성이 낮다는 것을 발견했습니다.
연구의 다음 단계에는 몇 가지 유망한 효과가 나타난 면역 억제제 및 항불안제와 함께 심바스타틴의 실험실 테스트가 포함됩니다.
"기존 방법을 사용하면 유전자, 단백질 및 약물을 식별하기 위해 취한 모든 단계를 완료하는 것은 매우 자원과 시간이 많이 소요되는 작업입니다." Dou가 덧붙였습니다. "통합 네트워크 기반 분석을 통해 이 프로세스를 상당히 가속화하고 여러 후보를 식별하여 새로운 솔루션을 찾을 가능성을 높일 수 있었습니다."