Vilka av våra gener som används vid en viss tidpunkt påverkas av många faktorer däribland rökning, matvanor och miljöföroreningar. Denna reglering av genaktivitet kallas epigenetik och kan liknas vid en strömbrytare som styr vilka gener som är aktiva utan att förändra själva generna.
Nu har man med AI-modeller kunnat avgöra en persons ålder och om denne varit rökare, bara genom att syna deras dna.
75 000 mänskliga prover
Forskare vid Linköpings universitet har använt data med epigenetisk information från över 75 000 mänskliga prover för att träna upp ett stort antal AI-modeller av typen neuronnät. Modellerna är så kallade autokodare som på egen hand organiserar information och hittar mönster.
AI och medicin
Artificiell intelligens, AI, är ett samlingsbegrepp för datorsystem som har förmågan att som vi människor resonera, lära sig, planera och vara kreativa. Datorn tar emot stora mängder insamlad information, behandlar den och kan ge svar på olika frågor.
Inom hälsa och sjukvård blir AI-stöd allt vanligare för att till exempel analysera stora mängder hälsoinformation och se mönster som kan leda till nya upptäckter inom medicin och förbättra individuell diagnostik.
Forskarnas förhoppning är att sådana AI-underbyggda modeller på sikt ska kunna användas för att utveckla behandlingar och förebyggande strategier som skräddarsys för enskilda människor.
AI ser om du rökt
För att pröva sin modell har forskarna jämfört den med modeller som redan finns. Det finns till exempel sedan tidigare modeller av rökvanors effekter på kroppen. De bygger på att vissa epigenetiska förändringar speglar effekter av rökning på lungornas funktion. Dessa spår finns kvar långt efter att personen slutat röka. Den här sortens modell kan därför identifiera om en person är aktiv rökare, före detta rökare eller aldrig har rökt.
Andra befintliga modeller kan via epigenetiska spår uppskatta människors kronologiska ålder eller se om en människa kan betecknas som frisk eller sjuk.
AI-modeller tycks fungera väl
Forskare från Linköpings Universitet har tränat sin autokodare och använde resultatet för att testa åldersbestämning, rökarstatus samt diagnos av sjukdomen SLE, systemisk lupus erythematosus.
T.ex. kan en modell för rökning identifierar markörer som har att göra med lungcancer, luftvägssjukdomar och dna-skada.
Data självorganiserar sig
Källa:
NCAE: data-driven representations using a deep network-coherent DNA methylation autoencoder identify robust disease and risk factor signatures, Briefings in Bioinformatics.