Şizofreninin genetik riskini öngörmeye yönelik uçtan uca derin öğrenme yöntemleri

2026-09-06 · FikirPilot

Nature Communications’ta 2026’da yayımlanan çalışmada, şizofreni riskini öngörmek için 6,135 vaka. 6,245 kontrolden oluşan bir kohortun tüm ekzom dizileme verileri kullanıldı. Araştırmacılar, genetik risk tahmininde uçtan uca genom yorumlama sinir ağı modellerini değerlendirdi. Bulgular, yeterli örneklem büyüklüğü bulunduğunda doğrusal olmayan sinir ağlarının geleneksel toplamsal modellerden belirgin biçimde daha başarılı olduğunu gösterdi.

Çalışma, şizofreniyle ilişkili aleller ve varyantlar arasındaki yüksek dereceli genetik etkileşimlerin, klinik ve nicel genetik modellerinde dikkate alınması gerektiğine işaret etti. Modellerin karar süreçlerini incelemek için açıklanabilir yapay zekâ teknikleri ile biyolojik ön bilgiler birleştirildi. Bu yöntem, daha önce bilinen şizofreni risk genlerini yeniden belirlerken, nöronal gelişimde rol oynayan. Bu yöntem, daha önce bilinen şizofreni risk genlerini yeniden belirlerken, nöronal gelişimde rol oynayan ve yeterince araştırılmamış olası bir şizofreni geni olarak BASP1’i öne çıkardı.

Makalenin bazı bölümleri N. Verplaetse’nin kamuya açık doktora tezinden uyarlandı. Çalışma KU Leuven ve Université de Montpellier-CNRS UMR 5535’teki araştırmacılarca yürütüldü; FWO, CNRS Chaire de Professeur Junior, Research Council KU Leuven, CELSA, Flemish Government. AI Research Program tarafından desteklendi. Yazarlar çıkar çatışması bildirmedi. Makale Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 lisansıyla açık erişimde yayımlandı.

Bulgular, şizofreni için genetik risk değerlendirmesinde yalnızca tek tek varyantların toplamına dayanan yaklaşımların. Bulgular, şizofreni için genetik risk değerlendirmesinde yalnızca tek tek varyantların toplamına dayanan yaklaşımların, geniş veri kümelerinde biyolojik etkileşimleri yakalamakta yetersiz kalabileceğini gösteriyor. Bu durum, klinik araştırmalarda kullanılacak modellerin doğrusal olmayan ilişkileri ne ölçüde hesaba kattığı. Bu durum, klinik araştırmalarda kullanılacak modellerin doğrusal olmayan ilişkileri ne ölçüde hesaba kattığı ve kararlarının biyolojik açıdan açıklanabilir olup olmadığı sorularını öne çıkarıyor. Açıklanabilir yapay zekâ ile biyolojik bilgilerin birlikte kullanılması, model çıktılarının yalnızca istatistiksel bir sonuç olarak kalmaması açısından yöntemsel bir çerçeve sunuyor. BASP1’in aday gen olarak öne çıkması ise şizofreniyle ilişkili gen ağlarının genişletilebileceğine işaret ediyor. Bu bulgunun risk tahminindeki ve nöronal gelişimdeki anlamı, sonraki araştırmalarla netleştirilmeyi bekliyor.