アルツハイマー病治療のための新規遺伝子候補を明らかにするためのランダムウォークベースの学習フレームワーク

科学分野:

• 計算生物学
• バイオインフォマティクス
• 神経科学

背景:

• 生物学的および臨床的課題のため、アルツハイマー病（AD）の治療標的の特定は複雑です。
• 生物医学的知識グラフは、暗黙的な遺伝子-AD関係の発見の可能性を提供します。

研究 の 目的:

• 生物医学的知識グラフからのネットワーク特性を活用して、AD治療のための候補遺伝子を特定すること。
• ネットワークベースの遺伝子スコアリングを使用して、ADの再利用可能な薬物標の優先順位付けを行うこと。

主な方法:

• Hetionetにスケーラブルなランダムウォーク法を適用して、遺伝子および疾患の埋め込みを学習しました。
• 遺伝子-ADの類似性を計算し、薬物標となる可能性のある遺伝子のネットワークベースのスコアを導き出しました。
• アルツハイマー病シーケンシングプロジェクト（ADSP）データとTree-based pipeline optimizer 2（TPOT2）を使用してAD分類モデルを構築することにより、スコアを検証しました。

主要な成果:

• ネットワークベースのスコアは、以前はADと関連付けられていなかったものを含む、多様な遺伝子セットの優先順位付けに成功しました。
• 優先順位付けされた遺伝子は、脳などの生物学的に関連性の高い領域や、神経シグナル伝達、カリウムチャネル、クレアチン代謝などの経路に濃縮されていました。
• このフレームワークは、ADメカニズムに関する既知および新規の両方の洞察を捉えました。

結論:

• 知識グラフとネットワークによって情報提供された埋め込みは、AD薬の再利用と発見のためのスケーラブルで解釈可能なフレームワークを提供します。
• ネットワークベースのスコアと自動機械学習（TPOT2）を統合することにより、潜在的なAD治療薬の特定が強化されます。