利用数据来识别基因先天性残疾和药物之间以前未知的关联

纽约西奈山伊坎医学院的数据科学家及其同事创建了一个，可以更准确地预测哪些现有药物(目前未被归类为有害药物)可能会事实上导致先天性残疾。

7 月 17 日出版的《自然》 杂志 Communications Medicine 中描述的模型或“知识图”也有可能预测临床前化合物的参与，这些化合物可能伤害正在发育的胎儿。该研究是同类研究中首次使用知识图整合各种数据类型来调查先天性残疾的原因。

在，出生缺陷是影响大约三分之一新生儿的异常情况。它们可以是功能性的或结构性的，并且被认为是由包括遗传在内的多种因素造成的。然而，大多数这些残疾的原因仍然未知。药品、化妆品、食品和环境污染物中发现的某些物质如果在怀孕期间接触，可能会导致出生缺陷。

“我们希望提高对生殖健康和胎儿发育的了解，重要的是，在新药广泛上市和分销之前，对这些药物可能导致出生缺陷的可能性发出警告，”药理学教授 Avi Ma'ayan博士说，伊坎西奈山生物信息学中心主任，也是该论文的高级作者。“虽然确定根本原因是一项复杂的任务，但我们希望通过像这样整合多个来源的证据的复杂数据分析，我们将能够在某些情况下更好地预测、监管和防止重大损害。先天性残疾可能会导致。”

研究人员收集了已发表的作品中提到的出生缺陷关联的多个数据集的知识，包括 NIH 共同基金项目产生的数据集， 以证明整合这些资源中的数据如何能够带来协同发现。特别是，综合数据来自已知的生殖健康遗传学、根据怀孕期间风险进行的药物分类，以及药物和临床前化合物如何影响人体细胞内的生物机制。

具体来说，这些数据包括对遗传关联、药物和临床前化合物诱导的细胞系基因表达变化、已知药物靶标、人类基因的遗传负担评分以及小分子药物的胎盘交叉评分的研究。

重要的是，利用 ReproTox-KG和半监督学习 (SSL)，研究团队优先考虑了 30,000 种临床前小分子药物，因为它们有可能穿过胎盘并诱发出生缺陷。SSL 是机器学习的一个分支，它使用少量标记数据来指导对更大的未标记数据的预测。此外，通过分析ReproTox-KG的拓扑结构，确定了 500 多个出生缺陷/基因/药物派系，这些派系可以解释药物引起的出生缺陷的分子机制。在图论术语中，团是图的子集，其中团中的所有节点都直接连接到团中的所有其他节点。

研究人员警告说，该研究的结果是初步的，需要进一步的实验来验证。

接下来，研究人员计划在其他专注于基因、药物和疾病之间关系的项目中使用类似的基于图表的方法。他们还旨在使用处理后的数据集作为生物信息学分析课程和研讨会的培训材料。此外，他们计划扩大研究范围，考虑更复杂的数据，例如在多个发育阶段收集的特定组织和细胞类型的基因表达。

“我们希望我们的合作工作将形成一个新的全球框架，以评估新药的潜在毒性，并解释一些已知会导致出生缺陷的药物可能发挥作用的生物机制。在未来的某个时候，食品和药物管理局和环境保护局等监管机构可能会使用这种方法来评估新药或其他化学品应用的风险，”Ma'ayan 博士说。