包括北卡罗莱纳大学医学院科学家在内的一组研究人员开发了一种前所未有的复杂模型，将DNA和基因活动的变化与脑部疾病的风险联系起来。
该模型在“科学”杂志上发表的一篇论文中有所描述，它来自数千名健康人和脑部疾病患者的先前研究。科学家现在可以将它作为一种工具来探索精神分裂症和孤独症等疾病的生物学机制，这些疾病在很大程度上得不到深刻理解，也无法治愈。
“这是为了解大脑而开发的最全面的功能基因组资源，它建立了一个整合不同基因组学数据的框架，以深入了解脑部疾病的生物学，”共同第一作者Hyejung Won博士，助理说。 UNC医学院遗传学教授，UNC神经科学中心成员。
在过去的几十年里，科学家已经进行了数百项研究，这些研究收集了大量人群的DNA序列和相关数据，以确定DNA变异和其他与疾病相关的基因组相关因素。这些基因组学研究为许多疾病的生物学原因提供了重要线索。
但对于精神疾病和许多其他常见的脑部疾病，传统的基因组学研究不太有用。例如，精神分裂症与基因组上100多个位置的特定变异相关联 - 称为“风险位点” - 但这些基因座大多数不包含基因，因此尚不清楚它们与疾病的关系。此外，与精神分裂症有关的许多基因变异通常对精神分裂症风险的影响很小。这已经向科学家们表明，精神分裂症以及可能还有许多其他脑部疾病过于复杂，无法用传统的一维基因组学方法来理解。
为了追求更复杂的方法，几年前一组基因组学研究人员成立了PsychENCODE联盟。他们开始汇集基因组学研究和其他公开研究的数据，以开发工具来寻找不同类型数据之间的关系。
新资源包括针对患有精神分裂症，双相情感障碍和自闭症谱系障碍的个体的不同种类的基因组学数据。基因组学数据的类型包括DNA序列，来自特定种类脑细胞的基因表达数据，称为“增强子”的DNA区域图，其促进基因表达，以及已知影响基因活性的基因组的其他特征。
她从自己的“染色体构象”研究中获得了贡献数据。这指的是细胞核中环状DNA的三维组织，特别是不同环接近足以影响彼此基因表达的点。Won还开发了一个复杂的模型，如何通过染色体构象和其他基因组因子调节脑细胞中的基因表达。
该团队使用基因调控网络模型评估了先前基因组学研究发现的142个精神分裂症风险基因座。这些风险基因座不含基因，但怀疑通过某种方式影响其他基因的表达而导致精神分裂症风险。该模型确定了321个基因，包括一些已知的精神分裂症风险基因，作为这些风险基因座的可能调控目标。Won及其同事表明，这些基因会影响先前精神分裂症研究中涉及的突触，乙酰胆碱受体，离子通道和其他途径的功能。科学家们还确定，精神分裂症主要是神经元疾病，而不是其他脑细胞。
为该研究开发的资源包括基于AI的“深度学习”模型，该模型基于基因变异和基因表达数据估计精神症状的风险。科学家将新模型与一个标准的，更简单的模型进行了比较，该模型基于个体的基因组预测精神疾病。
“深度学习模型更准确，我们认为它将对患者的风险评估和诊断产生重大影响，”Won说。
她和她的PsychENCODE同事现在正在通过整合更多类型的基因组数据并将他们的分析扩展到精神分裂症以外的其他脑部疾病来继续开发他们的模型。