近日，来自西奈山伊坎医学院（Icahn School of Medicine at Mount Sinai）的研究人员使用了一种新的机器学习方法，确定了来自13个大脑区域中的413个精神分裂症相关基因。这项研究发表在了《Nature Genetics》上，是同类研究中规模最大的一次，参与人数超过10万人。这项研究使用机器学习算法，从组织水平上检测基因表达，不仅可以识别出与精神分裂症相关的新基因，还可以精确定位大脑中可能发生异常表达的区域。
虽然精神分裂症患病率较低，只影响了全球不到2%的人口，但由于其治疗费用较高且病情容易反复，也会造成很大的公共健康隐患。此外，尽管人们认为有很多基因都会增加患精神分裂症的风险，但对其确切的遗传基础却知之甚少。因为疾病相关基因的发现对于理解疾病机制尤其重要，所以了解精神分裂症的相关基因对这种疾病的诊断和治疗都起到非常关键的作用。
因此，研究人员使用了全基因组关联研究及转录组学插补法，利用组织分辨率来识别精神分裂症相关的疾病。 全基因组关联研究是生物医学研究中越来越常见的研究类型，通过识别遗传密码中不同位点的差异，来观察具有特定特征（如精神分裂症）的人群中是否可以发现更多的变异。转录组学插补法是一种新型的机器学习技术，通过这种方法，研究人员能够检测疾病和其它组织（比如大脑）中基因表达之间的关联。
研究人员对40299名精神分裂症患者和62264名相匹配的对照样本进行了研究，结果发现与精神分裂症相关的基因在患者整个成长发育过程中都有表达：有一些表达发生在怀孕的特定阶段，另外一些表达是在青春期或成年后发生。研究人员还了解到，大脑的不同区域与不同的精神分裂症风险相关联，而大多数关联来自背外侧前额叶皮层。
“我们研发的新预测模型为研究精神分裂症的预测基因表达，以及确定与疾病相关的新风险基因，提供了前所未有的力量，”来自西奈山伊坎医学院的遗传学、基因组科学和精神病学助理教授 Laura Huckins 博士表示：“通过结合转录组学插补和全基因组关联研究，我们希望不仅可以阐明与精神分裂症相关的基因发展，而且能够为未来的研究方法与设计奠定基础。”
