Neue Bildgebungsmethode erkennt genetische Marker von Autismus mit hoher Genauigkeit

BALTIMORE / MÜNCHEN (IT BOLTWISE) – Eine neue Studie zeigt, dass eine innovative Bildgebungstechnik genetische Variationen, die mit Autismus in Verbindung stehen, mit einer Genauigkeit von bis zu 95 % erkennen kann.

Eine kürzlich in Science Advances veröffentlichte Studie stellt eine fortschrittliche Bildgebungstechnik vor, die genetische Variationen im Zusammenhang mit Autismus mit einer Genauigkeit von bis zu 95 % erkennen kann. Diese Methode, entwickelt von Forschern mehrerer Universitäten wie Johns Hopkins und Carnegie Mellon, analysiert strukturelle Gehirnbilder, um spezifische genetische Muster zu identifizieren, die mit Autismus assoziiert sind. Dies könnte eine frühere und objektivere Erkennung der Erkrankung ermöglichen als die derzeitigen verhaltensbasierten Methoden.

Autismus-Spektrum-Störungen sind neuroentwicklungsbedingte Erkrankungen, die durch Unterschiede in der sozialen Kommunikation und Interaktion sowie durch eingeschränkte Interessen oder repetitive Verhaltensweisen gekennzeichnet sind. Es wird angenommen, dass sie aus einem komplexen Zusammenspiel genetischer Prädispositionen und Umweltfaktoren resultieren. Derzeit wird Autismus auf der Grundlage der Beobachtung des Verhaltens einer Person diagnostiziert, ein Prozess, der Zeit in Anspruch nehmen kann und möglicherweise erst erfolgt, wenn bestimmte Entwicklungsmeilensteine nicht erreicht werden.

Die Forschung weist zunehmend auf eine starke genetische Komponente bei Autismus hin. Das Verständnis dieser genetischen Basis bietet einen potenziellen Weg, um die Ursprünge der Erkrankung besser zu verstehen, was möglicherweise zu individuelleren Ansätzen und früherer Unterstützung führen könnte. Diese Studie untersuchte einen “Genetik-zuerst”-Ansatz, der sich auf spezifische genetische Veränderungen konzentriert, die als Kopienzahlvariationen bekannt sind. Diese Variationen betreffen Segmente des genetischen Codes einer Person, die gelöscht oder dupliziert werden. Bestimmte Kopienzahlvariationen sind bekannt dafür, das Risiko, Autismus zu entwickeln, erheblich zu erhöhen.

Die Forscher wollten herausfinden, ob einzigartige Muster in der Gehirnstruktur, die durch Bildgebung sichtbar sind, direkt mit diesen spezifischen genetischen Variationen verknüpft werden können, was einen potenziellen biologischen Marker, manchmal Endophänotyp genannt, darstellen könnte, der Gene mit beobachtbaren Merkmalen verbindet.

Um diese Möglichkeit zu untersuchen, nutzte das Forschungsteam, bestehend aus Experten der Carnegie Mellon University, der University of California San Francisco und der Johns Hopkins University School of Medicine, eine spezialisierte Computer-Modellierungstechnik namens transportbasierte Morphometrie. Diese Methode unterscheidet sich von vielen anderen Bildanalyse-Techniken, da ihre mathematischen Grundlagen auf der Modellierung der Bewegung und Verteilung von Masse basieren, ähnlich wie sich Substanzen innerhalb biologischer Gewebe bewegen. Sie quantifiziert im Wesentlichen die Form und Struktur (Morphometrie) des Gehirns basierend auf diesen modellierten Transportprozessen.

Die Forscher wendeten diese Technik an, um Gehirnscans einer Gruppe von 206 Personen zu analysieren, die aus dem Simons Variation in Individuals Project stammen. Diese Kohorte umfasste 48 Personen mit einer Deletion in einer spezifischen genetischen Region, bekannt als 16p11.2, 40 Personen mit einer Duplikation in derselben Region (beide Variationen sind stark mit einem erhöhten Autismusrisiko verbunden) und 118 Kontrollteilnehmer ohne diese spezifischen genetischen Veränderungen.

Die Kontrollgruppe wurde sorgfältig ausgewählt, um den anderen Teilnehmern in Bezug auf Alter, Geschlecht, Händigkeit und nonverbale Intelligenzwerte zu entsprechen, und sie wurden gescreent, um Personen mit verwandten neurologischen Erkrankungen oder familiären Autismusgeschichten auszuschließen. Hochauflösende strukturelle Gehirnbilder (T1-gewichtete Magnetresonanztomographie-Scans) wurden für alle Teilnehmer unter Verwendung standardisierter Verfahren an verschiedenen Bildgebungsstandorten erhalten.

Die Bilder wurden vorverarbeitet, um Gehirngewebe (graue und weiße Substanz) zu isolieren, Unterschiede in der Gesamtgröße des Gehirns anzupassen und die Daten zu normalisieren, bevor die transportbasierte Morphometrie-Analyse separat auf Verteilungen der grauen und weißen Substanz durchgeführt wurde. Das System wurde unter Verwendung von maschinellen Lernprinzipien trainiert, um die für die Deletionsgruppe, die Duplikationsgruppe und die Kontrollgruppe charakteristischen Gehirnstrukturmuster zu unterscheiden.

Die Analyse ergab deutliche Muster in der Gehirnstruktur, die mit den 16p11.2-Kopienzahlvariationen assoziiert sind. Das transportbasierte Morphometriesystem war äußerst effektiv darin, anhand des Gehirnscans zu identifizieren, zu welcher genetischen Gruppe eine Person gehörte. Bei der Analyse der Struktur der weißen Substanz erreichte das System eine durchschnittliche Genauigkeit von 94,6 % bei der korrekten Klassifizierung von Personen in die Deletions-, Duplikations- oder Kontrollgruppe auf zuvor ungesehenen Testdaten. Die Analyse der Struktur der grauen Substanz ergab eine durchschnittliche Genauigkeit von 88,5 %. Diese Ergebnisse übertrafen die Klassifizierungsversuche, die nur grundlegende Informationen wie Alter, Geschlecht oder Gesamtgehirnvolumen verwendeten, erheblich.

Eine wichtige Fähigkeit der transportbasierten Morphometrie-Technik ist, dass sie generativ ist, was bedeutet, dass die Forscher nicht nur die Scans klassifizieren, sondern auch die spezifischen Gehirnstrukturunterschiede visualisieren konnten, die die Klassifikationen antreiben. Die Analyse zeigte, dass die 16p11.2-Variationen mit weit verbreiteten oder diffusen Veränderungen im gesamten Gehirn verbunden waren, anstatt auf nur ein oder zwei kleine Bereiche beschränkt zu sein.

Es wurde eine dosisabhängige Beziehung beobachtet: Personen mit der 16p11.2-Deletion neigten dazu, größere Gesamtgehirnvolumina und relativ mehr graue Substanz im Vergleich zu Kontrollen zu haben, während diejenigen mit der Duplikation dazu neigten, kleinere Gehirnvolumina und relativ weniger graue Substanz zu haben. Die Visualisierung zeigte auch spezifische regionale Muster.

Zum Beispiel zeigten Bereiche, die an der Sprachverarbeitung, der emotionalen Regulierung, den visuospatialen Fähigkeiten und der Integration von Informationen aus mehreren Sinnen beteiligt sind, je nach Vorhandensein einer Deletion oder Duplikation unterschiedliche Muster der relativen Gewebeexpansion oder -kontraktion. Oft war der Effekt reziprok, was bedeutet, dass ein Bereich in der Deletionsgruppe eine relative Expansion und in der Duplikationsgruppe eine relative Kontraktion im Vergleich zu Kontrollen zeigte. Einige Unterschiede wurden auch zwischen der linken und rechten Gehirnhälfte festgestellt.

Wichtig ist, dass die Forscher Assoziationen zwischen diesen identifizierten Gehirnstrukturmustern und den Verhaltens- oder kognitiven Merkmalen der Teilnehmer untersuchten. Sie fanden eine starke Assoziation zwischen einem spezifischen Gehirnmuster (identifiziert entlang der sogenannten Diskriminanzrichtung 1) und dem Vorhandensein von Artikulationsstörungen – Schwierigkeiten bei der korrekten Produktion von Sprachlauten.

Dieses Muster war besonders bei Personen mit der 16p11.2-Deletion ausgeprägt. Ein weiteres deutliches Gehirnmuster (assoziiert mit der Diskriminanzrichtung 2) zeigte eine signifikante Assoziation mit den Intelligenzquotientenwerten der Teilnehmer und erklärte etwa 17-20 % der Variation in den vollumfänglichen, verbalen und nonverbalen Intelligenzquotientenmaßen über die Gruppen hinweg. Diese Ergebnisse deuten darauf hin, dass die strukturellen Gehirnunterschiede, die mit den 16p11.2-Kopienzahlvariationen verbunden sind, mit beobachtbaren funktionalen Ergebnissen in Zusammenhang stehen.

Die Forscher erkennen einige Einschränkungen ihrer Studie an. Die Teilnehmer wurden über klinische Genetikzentren und Patientennetzwerke rekrutiert, was bedeuten könnte, dass die Stichprobe nicht das gesamte Spektrum von Personen mit diesen genetischen Variationen repräsentiert und möglicherweise diejenigen mit milderen oder unterschiedlichen Präsentationen (Erfassungsbias) verpasst. Die Studie konzentrierte sich auf eine spezifische genetische Region, 16p11.2, und untersuchte keine Wechselwirkungen mit anderen Genen.

Obwohl die Studie Personen von der Kindheit bis ins Erwachsenenalter einbezog und eine relative Stabilität dieser Gehirnmuster annahm, sind weitere Forschungen, die sich auf die frühe Entwicklung konzentrieren, erforderlich. Auch wenn Assoziationen zwischen Gehirnstrukturmustern und Verhaltensmaßen wie Artikulation oder Intelligenzquotient gefunden wurden, kann diese Art von Studie keine Ursache-Wirkungs-Beziehung herstellen.

Zukünftige Forschungen könnten diesen transportbasierten Morphometrie-Ansatz nutzen, um andere genetische Variationen zu untersuchen, die mit Autismus und verwandten neuroentwicklungsbedingten Erkrankungen in Verbindung stehen. Größere Studien mit vielfältigeren Populationen und prospektive Studien, die Personen über die Zeit hinweg verfolgen, sind erforderlich, um diese Ergebnisse zu validieren und ihr potenzielles klinisches Nutzen für die Früherkennung, Prognose oder Überwachung von Reaktionen auf Interventionen zu erforschen. Solche Arbeiten könnten einen erheblichen Fortschritt in einem Genetik-zuerst-Ansatz zum Verständnis und zur Unterstützung von Personen mit Autismus darstellen.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!

Angebot

2.009 Bewertungen

EIlik - Ein Desktop-Begleitroboter mit emotionaler Intelligenz, Multi-Roboter-Interaktionen, Desktop-Robotik-Partner

• NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.

169,00 EUR

Bei Amazon kaufen