Nello studio pubblicato su Nature Communications nel 2026, sono stati utilizzati i dati di sequenziamento dell’intero esoma di una coorte composta da 6,135 casi e 6,245 controlli per prevedere il rischio di schizofrenia. I ricercatori hanno valutato modelli di reti neurali per l’interpretazione genomica end-to-end nella previsione del rischio genetico. I risultati hanno mostrato che, quando è disponibile una dimensione del campione sufficiente, le reti neurali non lineari hanno prestazioni significativamente migliori rispetto ai tradizionali modelli additivi.
Lo studio ha indicato che le interazioni genetiche di ordine elevato tra gli alleli e le varianti associate alla schizofrenia dovrebbero essere prese in considerazione nei modelli clinici e di genetica quantitativa. Per esaminare i processi decisionali dei modelli, sono state combinate tecniche di intelligenza artificiale spiegabile con conoscenze biologiche pregresse. Questo approccio ha ridefinito i geni di rischio della schizofrenia già noti, mettendo inoltre in evidenza BASP1, un possibile gene della schizofrenia finora poco studiato, coinvolto nello sviluppo neuronale.
Alcune sezioni dell’articolo sono state adattate dalla tesi di dottorato disponibile al pubblico di N. Verplaetse. Lo studio è stato condotto da ricercatori di KU Leuven e dell’Université de Montpellier-CNRS UMR 5535 ed è stato sostenuto da FWO, CNRS Chaire de Professeur Junior, Research Council KU Leuven, CELSA, Flemish Government e AI Research Program. Gli autori non hanno dichiarato conflitti di interesse. L’articolo è stato pubblicato ad accesso aperto con licenza Creative Commons Attribution-NonCommercial-NoDerivatives 4.0.
Perché è importante
I risultati mostrano che gli approcci alla valutazione del rischio genetico per la schizofrenia basati unicamente sulla somma delle singole varianti potrebbero non riuscire a cogliere le interazioni biologiche all’interno di ampi set di dati. Questa situazione porta in primo piano la questione della misura in cui i modelli destinati a essere utilizzati nella ricerca clinica tengano conto delle relazioni non lineari e del fatto che le loro decisioni siano biologicamente spiegabili. L’impiego congiunto dell’intelligenza artificiale spiegabile e delle informazioni biologiche offre un quadro metodologico affinché gli output dei modelli non rimangano soltanto un risultato statistico. Il fatto che BASP1 emerga come gene candidato indica che le reti geniche associate alla schizofrenia potrebbero essere ampliate; tuttavia, il significato di questo risultato nella previsione del rischio e nello sviluppo neuronale dovrà essere chiarito da ricerche successive.