Nieuw machine learning instrument helpt genetische risicofactoren voor ALS te identificeren

Amyotrofe laterale sclerose (ALS) is een zeldzame aandoening die delen van het zenuwstelsel geleidelijk en onherstelbaar beschadigt, wat leidt tot spierzwakte, vaak met zichtbare spieratrofie. ALS ontstaat wanneer zenuwcellen in de hersenen en het ruggenmerg, de zogenaamde motorneuronen, niet meer naar behoren functioneren. Die disfunctie wordt neuronale degeneratie genoemd. Uit een studie uitgevoerd door onderzoekers van de Universiteit van Sheffield en de Stanford University School of Medicine blijkt dat een nieuw machine learning model kan worden aangewend om genetische risicofactoren op te sporen voor ziekten zoals amyotrofe laterale sclerose.
De onderzoeksresultaten werden gepubliceerd in het tijdschrift Neuron in een artikel getiteld: "Genome-wide identfication of the genetic basis of amyotrophic lateral sclerosis" (Genoombrede identificering van de genetische basis van amyotrofe laterale sclerose).

“ALS is een complexe ziekte die leidt tot het afsterven van motorische neuronen. Ondanks het feit dat de erfelijkheidsgraad werd geschat op 52% zijn in genoombrede associatiestudies (GWAS-onderzoek) relatief weinig loci ontdekt,” gaven de onderzoekers aan. “We ontwikkelden het machine learning model RefMap, die functionele genomica integreert met samenvattende GWAS-statistieken voor gendetectie.”
Het team kwam tot de constatatie dat KANK1, dat als een nieuw ALS-gen wordt beschouwd, in menselijke neuronen neurotoxiciteit veroorzaakt die sterk gelijkt op wat in de hersenen van patiënten wordt waargenomen. Hoewel het onderzoek nog maar in een beginstadium is, opent deze ontdekking mogelijk nieuwe wegen voor de ontwikkeling van nieuwe geneesmiddelen.
“Dit nieuwe instrument zal ons helpen om de genetische basis van ALS te begrijpen en in kaart te brengen," verklaarde Johnathan Cooper-Knock, PhD, een NIHR-klinisch docent aan het Neurowetenschappelijk Instituut van de Universiteit van Sheffield. “Aan de hand van dit model hebben we bij de opsporing van het aantal risicogenen al een spectaculaire stijging kunnen boeken: het aantal is nu gestegen van zo’n 15 naar om en bij de 690.”
“Elk nieuw risicogen dat wordt ontdekt is een potentieel doelwit voor de ontwikkeling van nieuwe behandelingsmethoden voor ALS en zou de weg kunnen banen voor het uitvoeren van genetische tests bij families om hun ziekterisico te bepalen.”

De 690 nieuwe genen die door RefMap zijn geïdentificeerd, hebben geleid tot een vervijfvoudiging van de ontdekte erfelijkheidsgraad.
“RefMap identificeert risicogenen door genetische en epigenetische gegevens te integreren. Het is een generiek instrument en we wenden het aan voor meerdere ziekten in het labo,” zei Sai Zhang, PhD, docent genetica aan Stanford University School of Medicine.

Michael Snyder, PhD, hoogleraar en voorzitter van de afdeling genetica aan de Stanford School of Medicine en hoofdonderzoeker van deze studie schreef: “Door een beroep te doen op machine learning voor genoomanalyse komen we meer verborgen genen op het spoor voor complexe ziekten zoals ALS, wat uiteindelijk de weg zal effenen voor geïndividualiseerde behandelingen en interventies op maat.”

Vertaling: Petra Ghysens
Bron: GENENGNEWS