ГлавнаяРазноеМашинное обучение НИУ ВШЭ открыло гены ACOT11 и UBQLN1 в борьбе с инсультом

Машинное обучение НИУ ВШЭ открыло гены ACOT11 и UBQLN1 в борьбе с инсультом

Прорыв в исследовании ишемического инсульта

Машинное обучение НИУ ВШЭ открыло гены ACOT11 и UBQLN1 в борьбе с инсультом-0
Фото: naked-science.ru

Ишемический инсульт остается одной из основных причин смертности и потери трудоспособности в глобальном масштабе. Нарушение мозгового кровообращения провоцирует гибель нейронов и дисфункцию целых отделов нервной системы. Несмотря на многолетние исследования генетических факторов риска, полная картина наследственной предрасположенности до сих пор не раскрыта. Современные технологии искусственного интеллекта открывают новые горизонты в этой области.

Инновационный подход от российских ученых

Специалисты НИУ ВШЭ и Курчатовского института разработали уникальную методику анализа ДНК с применением машинного обучения. В исследовании участвовали 5500 человек старше 55 лет, включая пациентов с перенесенным инсультом и здоровых добровольцев. Генетические данные, собранные в 24 лабораториях Европы и Америки, охватывали около 900 тысяч однонуклеотидных полиморфизмов (SNP).

Открытие новых генов-маркеров

Используя алгоритмы ранжирования признаков, ученые выделили 131 ген, связанный с риском развития инсульта. Среди них впервые идентифицированы ACOT11 и UBQLN1. Ген ACOT11 регулирует метаболизм жирных кислот и влияет на воспалительные реакции, а UBQLN1 защищает клетки от окислительного стресса, что подтверждено экспериментами на животных моделях.

Перспективы для персонализированной медицины

«Обнаружение двух новых генов — это прорыв, — подчеркивает Дмитрий Игнатов из НИУ ВШЭ. — Наша методика позволяет анализировать огромные массивы данных, недоступные традиционной статистике». По словам Геннадия Хворых из Курчатовского института, технология машинного обучения создает основу для мультигенных моделей оценки рисков и разработки targeted-терапии.

Универсальность метода для медицинских исследований

Предложенный алгоритм демонстрирует гибкость в работе с разнотипными генетическими данными. «Первоначальная задача трансформировалась в универсальный инструмент, — отмечает Стефан Николич, выпускник НИУ ВШЭ. — Методология применима для изучения любых многофакторных заболеваний, открывая новую эру в превентивной медицине».

Источник: naked-science.ru

Познавательное