In der 2026 in Nature Communications veröffentlichten Studie wurden die Gesamt-Exomsequenzierungsdaten einer Kohorte mit 6.135 Fällen und 6.245 Kontrollen verwendet, um das Risiko für Schizophrenie vorherzusagen. Die Forschenden bewerteten Modelle neuronaler Netze zur End-to-End-Genominterpretation für die genetische Risikovorhersage. Die Ergebnisse zeigten, dass nichtlineare neuronale Netze bei ausreichender Stichprobengröße deutlich erfolgreicher waren als herkömmliche additive Modelle.
Die Studie deutete darauf hin, dass höhergradige genetische Interaktionen zwischen mit Schizophrenie assoziierten Allelen und Varianten in klinischen und quantitativen genetischen Modellen berücksichtigt werden sollten. Um die Entscheidungsprozesse der Modelle zu untersuchen, wurden Techniken der erklärbaren künstlichen Intelligenz mit biologischem Vorwissen kombiniert. Bei der Neubestimmung bereits bekannter Schizophrenie-Risikogene hob diese Methode BASP1 als ein bislang unzureichend erforschtes mögliches Schizophrenie-Gen hervor, das an der neuronalen Entwicklung beteiligt ist.
Einige Abschnitte des Artikels wurden aus der öffentlich zugänglichen Doktorarbeit von N. Verplaetse übernommen. Die Studie wurde von Forschenden der KU Leuven und der Université de Montpellier-CNRS UMR 5535 durchgeführt und von FWO, CNRS Chaire de Professeur Junior, Research Council KU Leuven, CELSA, Flemish Government und AI Research Program unterstützt. Die Autorinnen und Autoren erklärten, dass keine Interessenkonflikte vorliegen. Der Artikel wurde unter der Creative-Commons-Lizenz Attribution-NonCommercial-NoDerivatives 4.0 im Open Access veröffentlicht.
Warum das wichtig ist
Die Ergebnisse zeigen, dass Ansätze zur genetischen Risikobewertung für Schizophrenie, die ausschließlich auf der Summe einzelner Varianten beruhen, möglicherweise nicht ausreichen, um biologische Wechselwirkungen in großen Datensätzen zu erfassen. Damit rücken die Fragen in den Vordergrund, in welchem Maße die in der klinischen Forschung eingesetzten Modelle nichtlineare Zusammenhänge berücksichtigen und ob ihre Entscheidungen biologisch nachvollziehbar sind. Die gemeinsame Nutzung erklärbarer künstlicher Intelligenz und biologischer Informationen bietet einen methodischen Rahmen dafür, dass die Modellausgaben nicht lediglich ein statistisches Ergebnis bleiben. Dass BASP1 als Kandidatengen hervorgetreten ist, deutet darauf hin, dass die mit Schizophrenie verbundenen Gennetzwerke erweitert werden könnten; welche Bedeutung dieser Befund für die Risikovorhersage und die neuronale Entwicklung hat, muss jedoch durch weitere Forschung geklärt werden.