Doorbraak: Wetenschappers VUB en ULB ontwikkelden methode om zeldzame genetische ziektes te identificeren met behulp van AI
Woensdag 5 juni 2019 — Een team van Belgische onderzoekers, geleid door het ULB-VUB 'Interuniversity Institute of Bioinformatics in Brussels’ (ofwel IB²), heeft een AI-methode ontwikkeld om, op basis van een computeranalyse, potentiële genetische oorzaken voor zeldzame ziekten te achterhalen. Dit onderzoek, gepubliceerd in het tijdschrift Proceedings van de National Academy of Sciences of the USA (PNAS) en Nucleid Acids Research (NAR), kan nieuwe pistes bieden voor de diagnose van de genetische oorzaken van zeldzame ziektes.
Het team van professor Tom Lenaerts (VUB-ULB) van het IB² heeft een AI-algoritme ontwikkeld dat het mogelijk maakt om via computeranalyse combinaties van genetische varianten of afwijkingen te identificeren die zeldzame ziekten veroorzaken. Het algoritme werd samen met Prof. Guillaume Smits (Centrum voor Menselijke Erfelijkheid van de ULB, Erasmus Ziekenhuis en Universitair Kinderziekenhuis Koningin Fabiola) ontworpen en gebouwd, en dat in samenwerking met Yves Moreau & Jan Aerts (KU Leuven), Sonia Van Dooren (UZ Brussel), en Ann Nowé (Vrije Universiteit Brussel). De methode kreeg de naam VarCoPP (Variant Combinations Pathogenicity Predictor).
Ongeveer 80% van de zeldzame ziektes zijn genetisch bepaald, waardoor voorspellen welke genetische varianten in het genoom van de patiënt de boosdoeners zijn die de ziekte veroorzaken belangrijk is voor artsen. Voorspellen welke fout aan de oorzaak ligt is niet eenvoudig maar voorspellen of een combinatie van fouten in verschillende genen het potentieel heeft om een zeldzame ziekte te veroorzaken, is nog vele malen moeilijker. Dit is nochtans noodzakelijk voor betere diagnoses van verschillende zeldzame ziektes aangezien in veel gevallen maar een fractie van de patienten kan geholpen worden.
Het VarCoPP-algoritme biedt net die innovatieve aanpak: het maakt het mogelijk om in één keer de combinaties van verschillende varianten in genenparen te testen en hun potentiële pathogeniteit te voorspellen. De AI die aan de basis van VarCoPP ligt, wordt aangedreven door een databank van zeldzame ziekten genaamd DIDA (dida.ibsquare.be), die in 2015 werd ontwikkeld door dezelfde onderzoekers. De onderzoekers hebben vervolgens met succes de effectiviteit en betrouwbaarheid van het algoritme getest op 23 ziekteverwekkend gencombinaties, en voorzien betrouwbaarheidsintervallen van 95% en 99% die artsen moet helpen bij het identificeren van de belangrijkste oorzaken. Het team probeert nu deze resultaten te gebruiken om de genetische oorzaken van zeldzame ziekten in kaart te brengen bij patiënten voor wie eerder geen oorzaak kon worden vastgesteld. Het team introduceert tevens een nieuw online diagnostisch platform voor onderzoekers en clinici, gebaseerd op het algoritme. Het platform kreeg de naam 'ORVAL' en wordt beschreven in een tweede publicatie in het tijdschrift Nucleid Acids Research (NAR).
ORVAL en VarCoPP laten toe om varianten combinaties te bestuderen en is onmiddellijk toepasbaar voor zeldzame ziekten waarvoor oorzakelijke genen bekend of onbekend zijn, zoals bijvoorbeeld de honderden autisme- of epilepsie-genen of de 20 genen van het zeldzame Bardet-Biedl syndroom (dat is een genetisch afwijking waarbij bijvoorbeeld blindheid, obesitas en motorische stoornissen optreden) en waar verschillende combinaties van genetische varianten mogelijk zijn.
Dit onderzoek werd uitgevoerd in het kader van het ARC-project 'Deciphering Oligo- and Polygenic Genetic Architecture in Brain Developmental Disorders', gefinancierd door de Federatie Wallonië-Brussel, en het BRIGHTanalysis-project, gefinancierd door het Europees Fonds voor Regionale Ontwikkeling (EFRO) en het Brussels Hoofdstedelijk Gewest in het kader van het operationele programma 2014-2020 via het F11-08-project ICITY-RDI.BRU (icity.brussels) - een gezamenlijk initiatief van ULB, VUB en SIRRIS. Het onderzoek van prof. Guillaume Smits wordt ondersteund door het Belgian Kids Fund van het Iris-Recherche Fonds en het Erasmusfonds. Sofia Papadimitriou wordt ondersteund door een FRIA-beurs.
Het EFRO (Europees Fonds voor Regionale Ontwikkeling) is een instrument van het Europees regionaal beleid dat zich richt op het creëren van nieuwe kansen voor de Europese burgers en het verkleinen van de verschillen in levensstandaard tussen de regio's. Zo hebben het EFRO, het Gewest en Europa tussen 2007 en 2013 108 miljoen euro geïnvesteerd in 32 projecten van het Brussels Gewest met betrekking tot kinderopvang, wedertewerkstellling, opleidingen, maar ook duurzame ontwikkeling, ondersteuning van economische activiteiten, versterking van de infrastructuur van het kanaalgebied en haar sociale cohesie. De huidige programmeringsperiode (2014-2020) omvat 46 projecten die te maken hebben met de toegang tot de arbeidsmarkt, onderzoek, kringloopeconomie, innovatie en verbetering van onze leefomgeving. Europa en het Gewest investeren €200 miljoen in dit nieuwe programma.
Voor meer informatie, contacteer:
Tom Lenaerts
E [email protected]
T 02 650 60 04
M 0486 93 19 96
Guillaume Smits
E [email protected]
T 02 555 64 39
T 02 555 82 97
Referenties
‘Predicting disease-causing variant combinations’,'
Sofia Papadimitriou1,2,3, Andrea Gazzo1,2,4, Nassim Versbraegen1,2, Charlotte Nachtegael1,2, Jan Aerts5,6, Yves Moreau5,7, Sonia Van Dooren1,4,8, Ann Nowé1,3, Guillaume Smits1,9,10,* and Tom Lenaerts1,2,3,*
Gepubliceerd in Proceedings of the National Academy of Sciences (PNAS) op 24 mei 2019. DOI :https://doi.org/10.1073/pnas.1815601116
'ORVAL: a novel platform for the prediction and exploration of disease-causing oligogenic variant combinations'
Alexandre Renaux1,2,3, Sofia Papadimitriou1,2,3, Nassim Versbraegen1,2, Charlotte Nachtegael1,2, Simon Boutry1,11, Ann Nowé1,3, Guillaume Smits1,9,10, Tom Lenaerts1,2,3,*
Gepubliceerd in Nucleid Acids Research op 31 mei 2019.
https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkz437/5506854#136381890
1Interuniversity Institute of Bioinformatics in Brussels, Université libre de Bruxelles-Vrije Universiteit Brussel, 1050 Brussels, Belgium
2Machine Learning Group, Université libre de Bruxelles, 1050 Brussels, Belgium
3Artificial Intelligence lab, Vrije Universiteit Brussel, 1050 Brussels, Belgium
4Center for Medical Genetics, Reproduction and Genetics, Reproduction Genetics and Regenerative Medicine, Vrije Universiteit Brussel, UZ Brussel, 1090 Brussels, Belgium
5Center for Statistics, Universiteit Hasselt, 3590 Diepenbeek, Belgium
6Department of Electrical Engineering, STADIUS Center for Dynamical Systems, Signal Processing and Data Analytics, Katholieke Universiteit Leuven, 3001 Leuven, Belgium
7IMEC, 3001 Leuven, Belgium
8Brussels Interuniversity Genomics High Throughput core, Université libre de Bruxelles-Vrije Universiteit Brussel, 1090 Brussels, Belgium
9Hôpital Universitaire des Enfants Reine Fabiola, Université Libre de Bruxelles, 1020 Brussels, Belgium
10Center of Human Genetics, Hôpital Erasme, Université Libre de Bruxelles, 1070 Brussels, Belgium
11Laboratory of Human Molecular Genetics, de Duve Institute, UCLouvain, 1200 Brussels, Belgium