克利夫兰诊所基因组中心的研究人员成功地将先进的人工智能（AI）遗传学模型应用于帕金森病。研究人员确定了进展中的遗传因素和fda批准的药物，这些药物可能被重新用于PD治疗。
npj帕金森病报告使用了一种称为“系统生物学”的方法，该方法使用人工智能来整合和分析来自遗传、蛋白质组学、药物和患者数据集的多种不同形式的信息，以识别单独分析一种数据形式可能不明显的模式。
研究负责人、CCGC主任程飞雄博士是系统生物学领域的权威专家，他开发了多个人工智能框架，以确定阿尔茨海默病的潜在新疗法。
“帕金森病是仅次于痴呆症的第二大最常见的神经退行性疾病，但我们没有办法阻止或减缓全球数百万患有这种疾病的人的病情进展；我们目前能做到的最好的是在症状出现时就控制它们，”该研究的第一作者、程博士基因组医学实验室的博士后窦丽君博士说。“迫切需要开发新的帕金森病治疗方法。”
窦博士解释说，制造能够阻止或逆转帕金森氏症进展的化合物尤其具有挑战性，因为该领域仍在确定哪些基因在突变时导致了哪些帕金森氏症症状。
“许多与帕金森病相关的已知基因突变都在我们DNA的非编码区域，而不是在实际的基因中。我们知道非编码区域的变异反过来会影响不同基因的功能，但我们不知道哪些基因在帕金森病中受到影响，”她说。
利用他们的综合人工智能模型，该团队能够将与帕金森病相关的遗传变异与多个大脑特异性DNA和基因表达数据库交叉对照。这使得研究小组可以推断出，如果有的话，我们大脑中的哪些特定基因会受到我们DNA非编码区域变异的影响。然后，研究小组将这些发现与蛋白质和相互作用组数据集结合起来，以确定他们发现的哪些基因在突变时会影响我们大脑中的其他蛋白质。他们发现了几个潜在的风险基因（如SNCA和LRRK2），其中许多基因在失调时会引起大脑炎症。
研究小组接下来问，市场上是否有任何药物可以重新用于靶向已识别的基因。即使在成功的药物被发现和制造出来之后，平均要经过15年严格的安全测试才能获得批准。
通过将他们的基因发现与现有的药物数据库相结合，研究小组发现了多种候选药物。然后，他们参考电子健康记录，看看服用这些药物的患者在帕金森病诊断方面是否有任何差异。例如，服用降胆固醇药物辛伐他汀的人一生中被诊断为帕金森病的可能性较小。
Cheng博士说，下一步是在实验室测试辛伐他汀治疗这种疾病的潜力，以及一些值得进一步研究的免疫抑制和抗焦虑药物。
窦博士说：“使用传统方法，完成我们所采取的识别基因、蛋白质和药物的任何步骤都将是非常耗费资源和时间的任务。”“我们基于综合网络的分析使我们大大加快了这一过程，并确定了多个候选者，这增加了我们找到新解决方案的机会。”
这项研究得到了美国国立卫生研究院（NIH）下属的国家老龄化研究所（NIA）和国家神经疾病和中风研究所（NINDS）的资助。
