Nieuwe aanpak gebruikt machine-leren om biomerkers en potentiële behandelingen te identificeren

• Nieuwe methode stoelt op genetische activiteit in het bloed en machinaal leren om ALS op te sporen en de overlevingskansen te voorspellen.
• Een poel van 46 genen identificeert op accurate wijze ALS, wat veelbelovend is voor vroegtijdiger diagnoses.
• Een analyse identificeert potentiële ALS-behandelingen, waaronder bestaande middelen.

Onderzoekers hebben een nieuwe benadering ontwikkeld om ALS op te sporen en de overlevingsresultaten te voorspellen door de genetische activiteit in bloedcellen te meten, zo blijkt uit een nieuwe studie.

De wetenschappers bouwden ook voort op hun analyse van de genetische activiteit om biologische trajecten te definiëren die in het geval van ALS verstoord zijn en om nieuwe potentiële behandelingen tegen de ziekte te identificeren.

“Onze bevindingen bieden ongeziene mogelijkheden om ALS eerder te diagnosticeren, wat dan weer de deur opent naar behandelingen die anders niet beschikbaar zijn voor mensen die zich in een gevorderd ziektestadium bevinden”, zegt Eva L. Feldman, MD, PhD, coauteur van de studie en verbonden aan de University of Michigan.

De studie heet “Gene expression signatures from whole blood predict ALS status and survival” en verscheen in Nature Communications.

De onderzoekers maten de activiteit van genen die coderen voor ALS- biomerkers

ALS wordt gekenmerkt door de aftakeling en het afsterven van motorneuronen – de zenuwcellen die de vrijwillige bewegingen controleren – met als resultaat progressieve spierzwakte.

Het aantal behandelingen is beperkt en de meeste patiënten sterven al een paar jaar nadat de ziekte is ingetreden. En toch bestaan er nog steeds geen betrouwbare tests om de ziekte te diagnosticeren of de overlevingsduur te voorspellen.

“Met onderhavige studie wilden we deze onbeantwoorde behoeften lenigen door handtekeningen van het risico op ALS en de overlevingsduur te ontwikkelen aan de hand van genexpressie die in bloedstalen wordt opgespoord. Bovendien zochten we op basis van een medicatie-ontregelingsanalyse naar therapeutische kandidaat-geneesmiddelen”, schrijven de onderzoekers.

Doorgaans meten onderzoekers de niveaus van specifieke ziektebiomerkers in het bloed of een ander lichaamsvocht om ALS op te sporen, maar in dit geval beoordeelde de ploeg de activiteit van de genen die coderen voor deze biomerkers. De onderzoekers maten welke genen actief waren en in welke mate.

Ze verzamelden bloedstalen bij 422 mensen met ALS en 272 gezonde controlegevallen en gebruikten een RNA-sequencingmethode die de activiteit detecteerde van meer dan 22.000 genen. Aan hand van machinaal leren analyseerden ze daarop de verschillen.

Machine-leren is een vorm van artificiële intelligentie waarbij een computer wordt gevoed met grote aantallen gegevenssets en op basis van algoritmen patronen opspoort in die sets. Aan hand van de daaruit voortvloeiende modellen kan men dan voorspellingen doen over toekomstige gegevenssets.

Voor deze analyse werden de modellen voor machinaal leren afgericht aan de hand van gegevens van de meeste ALS-patiënten en controlegevallen, waarna de overige stalen werden gebruikt om de modellen te testen.

Poel van 46 genen kan ALS identificeren met een nauwkeurigheid van 91%

Na wat fijnstemmen bleef er een poel van 46 genen over die met een nauwkeurigheid van zowat 91% ALS kon voorspellen in een gegeven dataset. Een externe dataset waarin gegevens ontbraken voor een aantal van deze genen leverde nog steeds een nauwkeurigheidsgraad van meer dan 60% op.

“Na tests op onze eigen stalen en op gegevens uit andere groepen, bleken we over de beste ALS-biomerkerhandtekening te beschikken die momenteel voorhanden is”, zegt Yue Zhao, PhD, hoofdauteur en assistent-onderzoekprofessor aan de University of Michigan. “Meer onderzoek naar dit model is nodig om de diagnostische nauwkeurigheid aan te scherpen en tot vroegtijdiger diagnoses te komen.”

In bijkomende analyses koppelden de onderzoekers de gegevens over genetische activiteit aan klinische en demografische gegevens zoals het geslacht, de leeftijd bij aanvang van de ziekte en de leeftijd waarop de spierzwakte intrad om de overlevingskansen te voorspellen. Ook deze modellen bleken zeer nauwkeurig te zijn.

Deze bijkomende stappen bezitten enorm potentieel om diagnostische en therapeutische kansen te creëren om ALS te bestrijden en de klinische zorg te verbeteren. We beleven spannende dagen.

Nog andere bijkomende analyses van de genetische gegevens probeerden biologische trajecten te identificeren die ontregeld zijn bij de ziekte. De resultaten werden geëxtrapoleerd om potentiële ALS-behandelingen te identificeren.

Er kwamen acht potentiële behandelingen uit de bus, waaronder twee al bestaande middelen: trifluoperazine, een antipsychoticum ter behandeling van schizofrenie, en ibrutinib, een middel ter behandeling van bepaalde bloedkankers.

Volgens de onderzoekers zijn meer studies nodig om te bepalen of deze middelen ook effect kunnen hebben tegen ALS, maar ze stellen dat onderhavige analyses alvast veelbelovend zijn voor toekomstig onderzoek.

“De volgende stappen kunnen cruciaal blijken om diagnostische en therapeutische kansen te creëren die uiteindelijk de klinische zorg ten goede kunnen komen”, zegt Maureen A. Sartor, PhD, co-senior auteur van de studie in Michigan. “We leven in opwindende tijden.”

Vertaling: Bart De Becker

Bron: ALS News Today