Een nieuw machine learning-algoritme kan voorspellen hoe genen in individuele cellen worden gereguleerd, een doorbraak die zou kunnen leiden tot nieuwe behandelingen voor een verscheidenheid aan ziekten.

Het algoritme, ontwikkeld door onderzoekers van de University of California, Berkeley, is in staat de specifieke DNA-sequenties te identificeren die de expressie van genen controleren. Deze informatie zou kunnen worden gebruikt om medicijnen te ontwikkelen die zich op deze sequenties richten en genen aan of uit zetten.

"Dit is een belangrijke doorbraak in ons begrip van hoe genen worden gereguleerd", zegt onderzoeksleider John L. Rinn, PhD, universitair hoofddocent moleculaire en celbiologie aan UC Berkeley. "Dit nieuwe algoritme zal ons in staat stellen de belangrijkste regulerende elementen in het genoom te identificeren en nieuwe therapieën voor een verscheidenheid aan ziekten te ontwikkelen."

Het algoritme, cis-BPNet genaamd, werd getraind op een grote dataset met genexpressiegegevens van verschillende celtypen. Het algoritme kon de relaties tussen de DNA-sequenties en de expressie van genen leren kennen, en kan nu voorspellen hoe genen in verschillende celtypen tot expressie zullen komen.

De onderzoekers testten het algoritme op verschillende genen en ontdekten dat het de expressie van genen in verschillende celtypen nauwkeurig kon voorspellen. Het algoritme was ook in staat om de belangrijkste regulerende elementen in het genoom te identificeren die de expressie van genen controleren.

Deze informatie zou kunnen worden gebruikt om medicijnen te ontwikkelen die zich op deze regulerende elementen richten en genen aan of uit zetten. Dit zou kunnen leiden tot nieuwe behandelingen voor een verscheidenheid aan ziekten, zoals kanker, diabetes en hartziekten.

"Dit is een krachtig nieuw hulpmiddel dat ons in staat zal stellen te begrijpen hoe genen worden gereguleerd en nieuwe therapieën voor een verscheidenheid aan ziekten kan ontwikkelen", aldus Rinn.

Het onderzoek werd gepubliceerd in het tijdschrift Cell .