Un grafo de conocimiento multimodal de visión de la enfermedad cardiovascular

Área de la Ciencia:

• Informática Biomédica
• Investigación Cardiovascular
• Biología Computacional

Sus antecedentes:

• Las asociaciones gen-enfermedad son cruciales para comprender los mecanismos de la enfermedad y encontrar dianas terapéuticas.
• Los grafos de conocimiento existentes carecen de datos a nivel individual sobre la estructura y función de los órganos.
• Las imágenes biomédicas ofrecen información fenotípica rica que no está completamente integrada en los modelos actuales.

Objetivo del estudio:

• Desarrollar CardioKG, un grafo de conocimiento que integra fenotipos de imágenes cardiovasculares con datos biológicos.
• Utilizar incrustaciones de grafos para predecir asociaciones gen-enfermedad y oportunidades terapéuticas.
• Explorar estrategias de reutilización de fármacos para enfermedades cardiovasculares utilizando datos integrados.

Principales métodos:

• Se integraron más de 200.000 fenotipos cardiovasculares derivados de la visión por computadora a partir de imágenes.
• Se combinaron datos de imágenes con información de 18 bases de datos biológicas.
• Se empleó un autoencoder de grafos variacional para la incrustación de nodos y las tareas de predicción.

Principales resultados:

• Se modelaron más de un millón de relaciones dentro del grafo de conocimiento CardioKG.
• Se predijeron con éxito asociaciones gen-enfermedad y se identificaron posibles candidatos a fármacos.
• Se identificaron metotrexato para la insuficiencia cardíaca y gliptinas para la fibrilación auricular como terapias candidatas.
• Se demostró que la integración de datos de imágenes mejora el descubrimiento de vías y la identificación de oportunidades terapéuticas.

Conclusiones:

• CardioKG integra eficazmente diversos datos biomédicos, incluidos fenotipos de imágenes.
• El modelo desarrollado basado en grafos ayuda a descubrir mecanismos tratables de enfermedades cardiovasculares.
• Los datos de imágenes biomédicas mejoran significativamente los modelos estructurados en grafos para la identificación de dianas terapéuticas.