Deep Learning GWAS voor ALS

Project MinE heeft al aangetoond dat de genetische opmaak van ALS complex is, en ook duidelijk anders dan vele andere, vaker voorkomende ziektes, zoals schizofrenie. In die ziektes hebben genoom-wijde associatie studies (GWAS) grote successen geboekt, daar waar bij ALS GWAS waarschijnlijk anders benaderd moet worden. Standaard GWAS analyses kijken naar individuele genetische veranderingen in het DNA of naar de simpele optelsom van meerdere varianten, in relatie tot de ziekte. De genetische opmaak van ALS suggereert dat het nodig is om op een andere manier te kijken naar hoe genetische varianten gezamenlijk, met grote en kleine individuele effecten leiden tot ALS.

Deep learning (DL) is een techniek die in opkomst is in de genetica. Het is een totaal andere manier van analyseren van de data, waarbij rekening gehouden kan worden met de complexiteit en specifieke genetische opmaak. De verwachting is dan ook dat door het toepassen van DL de bestaande genetische datasets nog beter in staat zullen zijn om het optreden en het beloop van ALS te voorspellen. Voorwaarden voor een succesvolle toepassing van DL zijn tweeërlei:

  1. er bestaat een vermoeden op niet-additieve en niet lineaire verbanden tussen genetische variatie en de ziekte
  2. de dataset moet voldoende groot zijn om de techniek te trainen en toe te passen.

Aan beide voorwaarden wordt voldaan inmiddels in Project MinE. De timing voor het gaan toepassen van deze veelbelovende techniek is dan ook perfect. De uitdaging is om een uniek team samen te brengen met expertise op het gebied van genetica, ALS, en DL, om zo synergie te genereren.

Het Deep Learning GWAS voor ALS wordt uitgevoerd door een multidisciplinair team vanuit de samenwerking tussen Centrum Wiskunde & Informatica, Amsterdam, het Theoretical Biology & Bioinformatics, Utrecht; 3 Hubrecht Instituut Utrecht; 4 Het ALS Centrum en het UMCU. Dit team heeft recent gezorgd voor een doorbraak op het gebied van Deep Learning en ALS door het ontwikkelen van een DL methode waarmee individuen in het Nederlandse cohort van Project MinE geclassificeerd kunnen worden in “ALS” versus “geen ALS”. Hoewel we de genetische informatie van slechts vier chromosomen gebruikten, behaalde onze methode een classificatie nauwkeurigheid van 76%, veel hoger dan mogelijk was met andere methoden. Deze initiële resultaten zijn een duidelijke indicatie van de kracht van DL en moedigen ons aan om de methoden verder te ontwikkelen en toe te passen op alle 22 autosomen. Het uiteindelijke doel is om met DL klinisch relevante uitkomsten te kunnen voorspellen, veel beter dan met standaard technieken, gebruik makend van de bestaande Project MinE data.

Update 30 juni 2020

Het project is op 1 januari 2020 van start gegaan. De afgelopen periode zijn we bezig geweest met de werving van een PhD student die het onderzoek gaat uitvoeren. We hebben een geschikte en enthousiaste studente gevonden die op 1 september gaat beginnen: Gizem Tas, afgestudeerd in Industrial Engineering aan Bogazici University. Haar promotieonderzoek zal zich richten op het ontwikkelen van kunstmatige intelligentiemodellen die de genetische basis van ALS uit de Project MinE data kunnen gaan achterhalen. In de komende periode zal Gizem zich vooral gaan inlezen in de genetica. Daarnaast gaan we een start maken met het daadwerkelijke onderzoek.

Looptijd
Mei 2019 - mei 2023 (4 jaar)
Begroting
€ 252.450,-