Inligting

17.4A: Voorspelling van siekterisiko op individuele vlak - Biologie

17.4A: Voorspelling van siekterisiko op individuele vlak - Biologie


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Genoomanalise word gebruik om die vlak van siekterisiko by gesonde individue te voorspel.

Leerdoelwitte

  • Verduidelik hoe ontleding van 'n individu se genoom kan help om siekterisiko te voorspel

Kern punte

  • Genoomvolgordebepaling kan die risiko voorspel om siektes te ontwikkel wat veroorsaak word deur 'n enkele geendefek, maar hierdie defekte is slegs verantwoordelik vir vyf persent van algemene siektes.
  • Die meeste siektes is poligenies of word veroorsaak deur omgewingsfaktore; genoomvolgordebepaling kan nie die risiko voorspel om hierdie siektes op te doen nie.
  • Genoomvolgordebepaling word meer betroubaar, maar baie wetenskaplikes bevraagteken steeds of dit die risiko van dood weens sekere siektes soos prostaatkanker verminder.

Sleutel terme

  • Menslike genoomprojek: 'n georganiseerde internasionale wetenskaplike poging om die volledige struktuur van menslike genetiese materiaal (DNS) te bepaal om al die gene te identifiseer en hul funksie te verstaan
  • genoomvolgordebepaling: 'n laboratoriumproses wat die volledige DNS-volgorde van 'n organisme se genoom op 'n enkele tyd bepaal
  • poligenies: 'n fenotipiese eienskap wat beheer word deur die interaksie van twee of meer gene met die omgewing

Voorspelling van siekterisiko op individuele vlak

Die bekendstelling van DNS-volgordebepaling en heelgenoomvolgordebepalingsprojekte, veral die Menslike Genoomprojek, het die toepaslikheid van DNS-volgorde-inligting uitgebrei. Genomika word nou in 'n wye verskeidenheid velde gebruik, soos metagenomika, farmakogenomika en mitochondriale genomika. Die algemeenste toepassing van genomika is om siektes te verstaan ​​en genesing te vind.

Om die risiko van siekte te voorspel, behels die sifting van tans gesonde individue deur genoomanalise op individuele vlak. Intervensie met lewenstylveranderinge en middels kan aanbeveel word voor die aanvang van die siekte. Hierdie benadering is egter die beste van toepassing wanneer die probleem in 'n enkele geen-defek geleë is. Sulke defekte is slegs verantwoordelik vir ongeveer vyf persent van siektes in ontwikkelde lande. Die meeste van die algemene siektes, soos hartsiektes, is multi-faktor of poligenies, wat 'n fenotipiese eienskap is wat twee of meer gene behels wat met omgewingsfaktore soos dieet in wisselwerking tree. In April 2010 het wetenskaplikes aan die Stanford Universiteit die genoomontleding van 'n gesonde individu gepubliseer (Stephen Quake, 'n wetenskaplike aan die Stanford Universiteit, wat sy genoom in volgorde laat bepaal het); die ontleding het sy geneigdheid om verskeie siektes op te doen, voorspel. ’n Risikobepaling is uitgevoer om Quake se persentasie risiko vir 55 verskillende mediese toestande te ontleed. ’n Seldsame genetiese mutasie is gevind wat gewys het dat hy ’n risiko loop vir skielike hartaanval. Daar is ook voorspel dat hy 'n 23 persent risiko het om prostaatkanker te ontwikkel en 'n 1,4 persent risiko om Alzheimer's te ontwikkel. Die wetenskaplikes het databasisse en verskeie publikasies gebruik om die genomiese data te ontleed. Selfs al word genomiese volgordebepaling meer bekostigbaar en analitiese instrumente word meer betroubaar, etiese kwessies rondom genomiese analise op 'n bevolkingsvlak moet nog aangespreek word.

In 2011 het die Verenigde State se Voorkomende Dienste Task Force aanbeveel om nie die PSA-toets te gebruik om gesonde mans vir prostaatkanker te ondersoek nie. Hul aanbeveling was gegrond op bewyse dat sifting nie die risiko van dood weens prostaatkanker verminder nie. Prostaatkanker ontwikkel dikwels baie stadig en veroorsaak nie probleme nie, terwyl die kankerbehandeling ernstige newe-effekte kan hê. Die PCA3-toets word as meer akkuraat beskou, maar sifting kan steeds daartoe lei dat mans newe-effekte van behandeling ly wat nie deur die kanker self benadeel is nie.


Persoonlike medisyne

Persoonlike medisyne, ook na verwys as presisiemedisyne, is 'n mediese model wat mense in verskillende groepe skei—met mediese besluite, praktyke, intervensies en/of produkte wat aangepas word vir die individuele pasiënt op grond van hul voorspelde reaksie of risiko van siekte. [1] Die terme persoonlike medisyne, presisie medisyne, gestratifiseerde medisyne en P4-medisyne word uitruilbaar gebruik om hierdie konsep te beskryf [1] [2] hoewel sommige skrywers en organisasies hierdie uitdrukkings afsonderlik gebruik om spesifieke nuanses aan te dui. [2]

Terwyl die aanpassing van behandeling vir pasiënte ten minste terugdateer tot die tyd van Hippokrates, [3] het die term die afgelope paar jaar in gebruik toegeneem gegewe die groei van nuwe diagnostiese en informatikabenaderings wat begrip bied van die molekulêre basis van siekte, veral genomika . Dit verskaf 'n duidelike bewysbasis waarop (groep)verwante pasiënte gestratifiseer kan word. [1] [4] [5]

Onder 14 Groot Uitdagings vir Ingenieurswese, inisiatief geborg deur Nasionale Akademie vir Ingenieurswese (NAE), is gepersonaliseerde medisyne geïdentifiseer as 'n sleutel en voornemende benadering om "optimale individuele gesondheidsbesluite te bereik", en dus die uitdaging van "Beter medisyne te ingenieur". [6] [7]


Voorspelling van poligeniese risiko van psigiatriese afwykings

Genetika bied twee groot geleenthede om menslike siektes te verstaan ​​- as 'n transformerende lyn van etiologiese ondersoek en as 'n biomerker vir oorerflike siektes. In psigiatrie is biomerkers baie nodig vir beide navorsing en behandeling, gegewe die heterogene bevolkings wat deur huidige fenomenologies gebaseerde diagnostiese stelsels geïdentifiseer word. Tot op hede was bruikbare en geldige biomerkers egter min as gevolg van die ontoeganklikheid en kompleksiteit van menslike breinweefsel en gevolglike gebrek aan insig in siektemeganismes. Genetiese biomerkers is dus veral belowend vir psigiatriese versteurings. Genoomwye assosiasiestudies van algemene siektes het oor die afgelope dekade volwasse geword, wat die kennisbasis genereer vir toenemend insiggewende genetiese risikovoorspelling op individuele vlak. In hierdie oorsig bespreek ons ​​fundamentele konsepte betrokke by die berekening van genetiese risiko met huidige metodes, sterk- en swakpunte van verskeie benaderings, assesserings van nut, en toepassings op verskeie psigiatriese versteurings en verwante eienskappe. Alhoewel genetiese risikovoorspelling al hoe meer eenvoudig geword het om toe te pas en algemeen in gepubliseerde studies, is daar belangrike slaggate om te vermy. Tans is die kliniese nut van genetiese risikovoorspelling steeds laag, maar daar is beduidende belofte vir toekomstige kliniese toepassings aangesien die voorvaderlike diversiteit en steekproefgroottes van genoomwye assosiasiestudies toeneem. Ons bespreek opkomende data en metodes wat daarop gemik is om die waarde van genetiese risikovoorspelling te verbeter vir die ontknoping van siektemeganismes en die stratifisering van vakke vir epidemiologiese en kliniese studies. Vir alle toepassings is dit absoluut krities dat poligeniese risikovoorspelling toegepas word met toepaslike metodologie en beheer vir verwarring om te verhoed dat sommige foute van die kandidaat-geneera herhaal word.

Sleutelwoorde: Komplekse eienskappe Oorerflikheid Aanspreeklikheidsdrempelmodel Poligeniese risikotellings Bevolkingsgenetika Presisiemedisyne Psigiatriese versteurings Psigiatriese genetika Statistiese genetika.

Kopiereg © 2019 Vereniging van Biologiese Psigiatrie. Gepubliseer deur Elsevier Inc. Alle regte voorbehou.


Les 3: Risikomaatstawwe

Die sleutel tot epidemiologiese analise is vergelyking. Soms kan jy 'n voorkomssyfer onder 'n bevolking waarneem wat hoog lyk en wonder of dit werklik hoër is as wat verwag kan word op grond van byvoorbeeld die voorkomssyfers in ander gemeenskappe. Of jy kan sien dat, onder 'n groep pasiënte in 'n uitbraak, verskeie rapporteer dat hulle by 'n spesifieke restaurant geëet het. Is die restaurant net 'n gewilde een, of word daar meer pasiënte geëet as wat verwag kan word? Die manier om daardie bekommernis aan te spreek, is deur die waargenome groep te vergelyk met 'n ander groep wat die verwagte vlak verteenwoordig.

'n Maatstaf van assosiasie kwantifiseer die verband tussen blootstelling en siekte onder die twee groepe. Blootstelling word losweg gebruik om nie net blootstelling aan voedsel, muskiete, 'n maat met 'n seksueel oordraagbare siekte of 'n giftige afvalhoop te beteken nie, maar ook inherente eienskappe van persone (byvoorbeeld ouderdom, ras, geslag), biologiese eienskappe (immuunstatus) ), verworwe eienskappe (huwelikstatus), aktiwiteite (beroep, ontspanningsaktiwiteite) of omstandighede waaronder hulle leef (sosio-ekonomiese status of toegang tot mediese sorg).

Die mate van assosiasie wat in die volgende afdeling beskryf word, vergelyk siektevoorkoms onder een groep met siektevoorkoms in 'n ander groep. Voorbeelde van maatstawwe van assosiasie sluit in risikoverhouding (relatiewe risiko), koersverhouding, kansverhouding en proporsionele sterfteverhouding.

Risiko verhouding

Definisie van risikoverhouding

'n Risikoverhouding (RR), ook genoem relatiewe risiko, vergelyk die risiko van 'n gesondheidsgebeurtenis (siekte, besering, risikofaktor of dood) onder een groep met die risiko onder 'n ander groep. Dit doen dit deur die risiko (voorkomsverhouding, aanvalsyfer) in groep 1 te deel deur die risiko (voorkomsverhouding, aanvalsyfer) in groep 2. Die twee groepe word tipies onderskei deur sulke demografiese faktore soos geslag (bv. mans teenoor vroue) of deur blootstelling aan 'n vermeende risikofaktor (bv. het aartappelslaai geëet of nie). Dikwels word die groep van primêre belang as die blootgestelde groep gemerk, en die vergelykingsgroep word as die onblootgestelde groep gemerk.

Metode vir die berekening van risikoverhouding

Die formule vir risikoverhouding (RR) is:

Risiko van siekte (voorkomsverhouding, aanvalsyfer) in groep van primêre belang Risiko van siekte (voorkomsverhouding, aanvalsyfer) in vergelykende groep

'n Risikoverhouding van 1.0 dui op identiese risiko tussen die twee groepe. 'n Risikoverhouding groter as 1.0 dui op 'n verhoogde risiko vir die groep in die teller, gewoonlik die blootgestelde groep. 'n Risikoverhouding minder as 1.0 dui op 'n verlaagde risiko vir die blootgestelde groep, wat aandui dat blootstelling miskien eintlik teen siektevoorkoms beskerm.

VOORBEELDE: Berekening van risikoverhoudings

Voorbeeld A: In 'n uitbreking van tuberkulose onder gevangenes in Suid-Carolina in 1999, het 28 van 157 gevangenes wat op die oostelike vleuel van die koshuis gewoon het tuberkulose ontwikkel, vergeleke met 4 van 137 gevangenes wat op die Weste vleuel woon.(11) Hierdie data word opgesom in die twee-vir-twee-tabel so genoem omdat dit twee rye vir die blootstelling en twee kolomme vir die uitkoms het. Hier is die algemene formaat en notasie.

Tabel 3.12A Algemene Formaat en Notasie vir 'n Twee-vir-Twee Tabel

Siek Wel Totaal
Totaal a + c = V1 b + d = V0 T
Blootgestel a b a + b = H1
Onblootgestel c d c + d = H0

In hierdie voorbeeld is die blootstelling die koshuisvleuel en die uitkoms is tuberkulose) geïllustreer in Tabel 3.12B. Bereken die risikoverhouding.

Tabel 3.12B Voorkoms van Mycobacterium Tuberculosis-infeksie onder gemeentelike, MIV-besmette gevangenes deur Dormitory Wing &mdash Suid-Carolina, 1999

Tuberkulose ontwikkel?
Ja Geen Totaal
Totaal 32 262 T = 294
Oos-vleuel a = 28 b = 129 H1 = 157
Wesvleuel c = 4 d = 133 H0 = 137

Databron: McLaughlin SI, Spradling P, Drociuk D, Ridzon R, Pozsik CJ, Onorato I. Uitgebreide oordrag van Mycobacterium tuberculosis onder gemeentelike, MIV-geïnfekteerde gevangenes in Suid-Carolina, Verenigde State. Int J Tuberc Lung Dis 20037:665&ndash672.

Om die risikoverhouding te bereken, bereken eers die risiko of aanvalsyfer vir elke groep. Hier is die formules:

Aanvaltempo (risiko)
Aanvaltempo vir blootgestelde = a &frasl a+b
Aanvaltempo vir onblootgesteld = c &frasl c+d

Risiko van tuberkulose onder Oosvleuel inwoners = 28 &frasl 157 = 0,178 = 17,8%
Risiko van tuberkulose onder Wesvleuel inwoners = 4 &frasl 137 = 0,029 = 2,9%

Die risikoverhouding is bloot die verhouding van hierdie twee risiko's:

Gevangenes wat in die oostelike vleuel van die koshuis gewoon het, was dus 6,1 keer so geneig om tuberkulose te ontwikkel as diegene wat in die westelike vleuel gewoon het.

VOORBEELDE: Berekening van risikoverhoudings (vervolg)

Voorbeeld B: In 'n uitbreking van varicella (waterpokkies) in Oregon in 2002, is varicella by 18 van 152 ingeënte kinders gediagnoseer in vergelyking met 3 van 7 ongeënte kinders. Bereken die risikoverhouding.

Tabel 3.13 Voorkoms van Varicella onder Skoolkinders in 9 Geaffekteerde Klaskamers &mdash Oregon, 2002

Varicella Nie-saak Totaal
Totaal 21 138 159
Ingeënt a = 18 b = 134 152
Ongeënt c = 3 d = 4 7

Databron: Tugwell BD, Lee LE, Gillette H, Lorber EM, Hedberg K, Cieslak PR. Waterpokkies uitbreek in 'n hoogs ingeënte skoolbevolking. Pediatrie 2004 Mar113(3 Pt 1):455&ndash459.

Risiko van varicella onder ingeënt kinders = 18 & frasl 152 = 0,118 = 11,8%
Risiko van varicella onder ongeënte kinders = 3 &frasl 7 = 0.429 = 42.9%

Risikoverhouding = 0.118 &frasl 0.429 = 0.28

Die risikoverhouding is minder as 1.0, wat 'n verminderde risiko of beskermende effek vir die blootgestelde (geïnteerde) kinders aandui. Die risikoverhouding van 0,28 dui aan dat ingeënte kinders slegs ongeveer 'n vierde so geneig was (eintlik 28%) om varicella te ontwikkel as ongeënte kinders.

Koersverhouding

'n Tariefverhouding vergelyk die voorkomssyfers, persoonstydsyfers of sterftesyfers van twee groepe. Soos met die risikoverhouding, word die twee groepe tipies onderskei deur demografiese faktore of deur blootstelling aan 'n vermeende veroorsakende middel. Die koers vir die groep van primêre rente word gedeel deur die koers vir die vergelykende groep.

Tarief vir groep van primêre rente Tarief vir vergelyking groep

Die interpretasie van die waarde van 'n koersverhouding is soortgelyk aan dié van die risikoverhouding. Dit wil sê, 'n koersverhouding van 1.0 dui gelyke koerse in die twee groepe aan, 'n koersverhouding groter as 1.0 dui op 'n verhoogde risiko vir die groep in die teller, en 'n koersverhouding minder as 1.0 dui op 'n verlaagde risiko vir die groep in die teller .

VOORBEELD: Berekening van koersverhoudings (vervolg)

Openbare gesondheidsbeamptes is geroep om ondersoek in te stel na 'n waargenome toename in besoeke aan skepe en siekeboere vir akute respiratoriese siektes (ARI) deur passasiers van vaartuie in Alaska in 1998.(13) Die amptenare het passasiersbesoeke aan skeepssiekeboere vir ARI gedurende Mei&ndashAugustus 1998 vergelyk met dieselfde tydperk in 1997. Hulle het 11,6 besoeke vir ARI per 1 000 toeriste per week in 1998 aangeteken, vergeleke met 5,3 besoeke per 1 000 toeriste per week in 19 bereken die 9 koers. verhouding.

Passasiers op vaartuie in Alaska gedurende Mei en Augustus 1998 was meer as twee keer so geneig om hul skepe en siekeboegplekke vir ARI te besoek as passasiers in 1997. (Let wel: Van 58 virale isolate wat uit nasale kulture van passasiers geïdentifiseer is, was die meeste griep A, wat dit die grootste somergriep-uitbraak in Noord-Amerika.)

Oefening 3.7

Tabel 3.14 illustreer longkankersterftesyfers vir persone wat aanhou rook het en vir rokers wat opgehou het ten tyde van opvolg in een van die klassieke studies van rook en longkanker wat in Groot-Brittanje uitgevoer is.

Gebruik die data in Tabel 3.14 en bereken die volgende:

  1. Tariefverhouding wat huidige rokers met nierokers vergelyk
  2. Koersverhouding wat oud-rokers wat ten minste 20 jaar gelede opgehou het, vergelyk met nie-rokers
  3. Wat is die openbare gesondheidsimplikasies van hierdie bevindings?

Tabel 3.14 Aantal en koers (per 1 000 persoonsjare) van longkankersterftes vir huidige rokers en oud-rokers volgens jare sedert ophou, dokterkohortstudie &mdash Groot-Brittanje, 1951&ndash1961

Databron: Doll R, Hill AB. Sterfte met betrekking tot rook: 10 jaar en waarneming van Britse dokters. Brit Med J 1964 1:1399&ndash1410, 1460&ndash1467.

Waarskynlike verhouding

'n Kansverhouding (OR) is nog 'n maatstaf van assosiasie wat die verband tussen 'n blootstelling met twee kategorieë en gesondheidsuitkoms kwantifiseer. Met verwysing na die vier selle in Tabel 3.15, word die kansverhouding bereken as

a = aantal persone blootgestel en met siekte
b = aantal persone wat blootgestel is maar sonder siekte
c = aantal persone wat nie blootgestel is nie, maar met siekte
d = aantal persone wat nie blootgestel is nie: en sonder siekte
a+c = totale aantal persone met siekte (gevalle-pasiënte)
b+d = totale aantal persone sonder siekte (kontroles)

Die kansverhouding word soms die genoem kruisprodukverhouding want die teller is gebaseer op die vermenigvuldiging van die waarde in sel &ldquoa&rdquo maal die waarde in sel &ldquod,&rdquo terwyl die noemer die produk is van sel &ldquob&rdquo en sel &ldquoc.&rdquo 'n Lyn van sel &ldquoa&rdquo na sel &ldquod&rdquo (vir die teller) en nog een van sel &ldquob&rdquo na sel &ldquoc&rdquo (vir die noemer) skep 'n x of kruis op die twee-vir-twee tabel.

Tabel 3.15 Blootstelling en siekte in 'n hipotetiese bevolking van 10 000 persone

Siekte Geen siekte Totaal Risiko
Totaal 180 9,820 10,000
Blootgestel a = 100 b = 1 900 2,000 5.0%
Nie blootgestel nie c = 80 d = 7,920 8,000 1.0%

VOORBEELD: Berekening van kansverhoudings

Gebruik die data in Tabel 3.15 om die risiko- en kansverhoudings te bereken.

Let daarop dat die kansverhouding van 5.2 naby die risikoverhouding van 5.0 is. Dit is een van die aantreklike kenmerke van die kansverhouding &mdash wanneer die gesondheidsuitkoms ongewoon is, bied die kansverhouding 'n redelike benadering van die risikoverhouding. Nog 'n aantreklike kenmerk is dat die kansverhouding met data van 'n gevallekontrole-studie bereken kan word, terwyl nóg 'n risikoverhouding nóg 'n koersverhouding bereken kan word.

In 'n gevallekontrole-studie neem ondersoekers 'n groep gevalle-pasiënte in (verdeel in selle a en c van die twee-vir-tabel), en 'n groep nie-gevalle of kontroles (verdeel in selle b en d).

Die kansverhouding is die maatstaf van keuse in 'n gevallekontrolestudie (sien Les 1). 'n Gevallekontrolestudie is gebaseer op die inskrywing van 'n groep persone met siekte (&ldquogeval-pasiënte&rdquo) en 'n vergelykbare groep sonder siekte (&ldquocontrols&rdquo). Die aantal persone in die kontrolegroep word gewoonlik deur die ondersoeker bepaal. Dikwels is die grootte van die bevolking waaruit die geval-pasiënte gekom het nie bekend nie. Gevolglik kan risiko's, koerse, risikoverhoudings of koersverhoudings nie uit die tipiese gevallekontrolestudie bereken word nie. U kan egter 'n kansverhouding bereken en dit interpreteer as 'n benadering van die risikoverhouding, veral wanneer die siekte ongewoon in die bevolking voorkom.

Oefening 3.8

Bereken die kansverhouding vir die tuberkulosedata in Tabel 3.12. Sou jy sê dat jou kansverhouding 'n akkurate benadering van die risikoverhouding is? (Wenk: Hoe meer algemeen die siekte is, hoe verder is die kansverhouding van die risikoverhouding.)


Effekte van sosiale struktuur en bestuur op risiko van siektevestiging by wilde varke

  1. Kontak heterogeniteit tussen gashere bepaal indringing en verspreidingsdinamika van aansteeklike siektes, dus die karakterisering daarvan is noodsaaklik vir die identifisering van effektiewe siektebeheerstrategieë. Tog is min bekend oor die faktore wat kontaknetwerke in baie wildspesies vorm en hoe wildbestuursaksies kontaknetwerke kan beïnvloed.
  2. Wilde varke in Noord-Amerika is 'n indringer, sosiaal gestruktureerde spesie wat 'n gesondheidsorg vir huishoudelike varke inhou, gegewe hul vermoë om talle vernietigende siektes soos Afrika-varkpes (ASF) oor te dra. Met behulp van nabyheidsloggers en GPS-data van 48 wilde varke in Florida en Suid-Carolina, VSA, het ons 'n waarskynlikheidsraamwerk gebruik om geweegde kontaknetwerke te skat. Ons het die effekte van geslag, sosiale groep en ruimtelike verspreiding (maandelikse tuisgebied-oorvleueling en afstand) op wildevarkkontak bepaal. Ons het ook die impak van bestuur-geïnduseerde versteurings op kontak beraam en die uitwerking daarvan op ASF-vestiging in wilde varke met simulasie afgelei.
  3. Sosiale groeplidmaatskap was die primêre faktor wat kontakte beïnvloed het. Tussen-groep kontakte het hoofsaaklik afgehang van ruimtegebruik eienskappe, met minder kontakte onder groepe geskei deur >2 km en geen kontakte onder groepe >4 km uitmekaar binne 'n maand nie.
  4. Modellering van ASF-dinamika op die kontaknetwerk het getoon dat indirekte kontakte as gevolg van lokaas ('n tipiese metode om wildevarke of wildspesies na 'n terrein te lok om ontspanningsjag te bevorder) die risiko van siektevestiging verhoog deur


Skrywer inligting

Affiliasies

Global Health Program, Smithsonian Conservation Biology Institute, Washington DC, VSA

James M. Hassell & Dawn Zimmerman

Departement Epidemiologie van Mikrobiese Siektes, Yale Skool vir Openbare Gesondheid, New Haven, CT, VSA

James M. Hassell & Dawn Zimmerman

Sentrum vir Biodiversiteit en Omgewingsnavorsing (CBER), Departement Genetika, Evolusie en Omgewing, University College London, Londen, VK

Tim Newbold en Lydia H. V. Franklinos

Departement Ekologie en Evolusionêre Biologie, Princeton Universiteit, Princeton, NJ, VSA

Santa Fe Institute, Santa Fe, NM, VSA

Walter Reed Biosystematics Unit (WRBU), Smithsonian Institution Museum Support Centre, Suitland, MD, VSA

Departement Entomologie, Smithsonian National Museum of Natural History, Washington DC, VSA

Walter Reed Army Institute of Research (WRAIR), Silver Spring, MD, VSA

Marine Disease Ecology Laboratory, Smithsonian Environmental Research Centre, Edgewater, MD, VSA

Katrina M. Pagenkopp Lohan

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Jy kan ook vir hierdie skrywer soek in PubMed Google Scholar

Bydraes

J.M.H. het die struktuur en inhoud van die manuskrip gekonseptualiseer en 'n aanvanklike konsep geskryf. J.M.H., T.N., A.P.D., Y.-M.L., L.V.H.F., D.Z. en K.M.P.L. het uitgebrei op die idees wat in hierdie aanvanklike konsep vervat is, en betrokke geraak by bespreking en redigering van die finale manuskrip.

Ooreenstemmende skrywer


Een antwoord op &ldquoThe Science of Infectious Disease Modeling&rdquo

Rick Cordasco sê:

Ek verwys die skrywer na:
“Verkennende data-analise”
Deur John W. Tukey.

Ek kon gaan af op “Modelering” en “Simulasies”, en natuurlik “Emulasie”, maar ek voel dit sal tevergeefs wees.


Gebruik KI om borskanker te voorspel en versorging te personaliseer

Ten spyte van groot vooruitgang in genetika en moderne beeldvorming, verras die diagnose die meeste borskankerpasiënte. Vir sommige kom dit te laat. Latere diagnose beteken aggressiewe behandelings, onsekere uitkomste en meer mediese uitgawes. As gevolg hiervan was die identifisering van pasiënte 'n sentrale pilaar van borskankernavorsing en effektiewe vroeë opsporing.

Met dit in gedagte het 'n span van MIT se Rekenaarwetenskap- en Kunsmatige Intelligensie-laboratorium (CSAIL) en Massachusetts General Hospital (MGH) 'n nuwe diepleermodel geskep wat vanaf 'n mammogram kan voorspel of 'n pasiënt waarskynlik soveel borskanker sal ontwikkel as vyf jaar in die toekoms. Opgelei op mammogramme en bekende uitkomste van meer as 60 000 MGH-pasiënte, het die model die subtiele patrone in borsweefsel geleer wat voorlopers van kwaadaardige gewasse is.

MIT Professor Regina Barzilay, self 'n borskanker-oorlewende, sê dat die hoop is dat stelsels soos hierdie dokters in staat stel om siftings- en voorkomingsprogramme op individuele vlak aan te pas, wat laat diagnose 'n oorblyfsel van die verlede maak.

Alhoewel daar getoon is dat mammografie die sterfte van borskanker verminder, is daar voortdurende debat oor hoe gereeld om te kyk en wanneer om te begin. Terwyl die Amerikaanse Kankervereniging jaarlikse sifting aanbeveel wat op ouderdom 45 begin, beveel die Amerikaanse voorkomende taakmag aan om elke twee jaar sifting te begin vanaf die ouderdom van 50.

"Eerder as om 'n een-grootte-pas-almal-benadering te volg, kan ons sifting personaliseer rondom 'n vrou se risiko om kanker te ontwikkel," sê Barzilay, senior skrywer van 'n nuwe koerant oor die projek wat vandag in Radiologie. "Byvoorbeeld, 'n dokter kan aanbeveel dat een groep vroue elke tweede jaar 'n mammogram kry, terwyl 'n ander hoër-risiko groep aanvullende MRI-sifting kan kry." Barzilay is die Delta Elektronika Professor by CSAIL en die Departement Elektriese Ingenieurswese en Rekenaarwetenskap by MIT en 'n lid van die Koch Instituut vir Integratiewe Kankernavorsing by MIT.

Die span se model was aansienlik beter met die voorspelling van risiko as bestaande benaderings: dit het 31 persent van alle kankerpasiënte akkuraat in sy hoogste risiko-kategorie geplaas, vergeleke met slegs 18 persent vir tradisionele modelle.

Harvard-professor Constance Lehman sê dat daar voorheen minimale ondersteuning in die mediese gemeenskap was vir siftingstrategieë wat eerder op risiko as op ouderdom gebaseer is.

"Dit is omdat ons voorheen nie akkurate risikobepalingsinstrumente gehad het wat vir individuele vroue gewerk het nie," sê Lehman, 'n professor in radiologie aan die Harvard Mediese Skool en afdelingshoof van borsbeelding by MGH. "Ons werk is die eerste om te wys dat dit moontlik is."

Barzilay en Lehman het die referaat saam met hoofskrywer Adam Yala, 'n CSAIL PhD-student, geskryf. Ander MIT-mede-outeurs sluit in PhD-student Tal Schuster en voormalige meestersgraadstudent Tally Portnoi.

Hoe dit werk

Sedert die eerste borskankerrisikomodel vanaf 1989, is ontwikkeling grootliks gedryf deur menslike kennis en intuïsie van wat groot risikofaktore kan wees, soos ouderdom, familiegeskiedenis van bors- en eierstokkanker, hormonale en voortplantingsfaktore, en borsdigtheid.

Die meeste van hierdie merkers is egter slegs swak gekorreleer met borskanker. Gevolglik is sulke modelle steeds nie baie akkuraat op individuele vlak nie, en baie organisasies voel steeds dat risikogebaseerde siftingsprogramme nie moontlik is nie, gegewe daardie beperkings.

Eerder as om die patrone in 'n mammogram wat toekomstige kanker dryf handmatig te identifiseer, het die MIT/MGH-span 'n diepleermodel opgelei om die patrone direk uit die data af te lei. Deur inligting van meer as 90 000 mammogramme te gebruik, het die model patrone opgespoor wat te subtiel is vir die menslike oog om op te spoor.

"Sedert die 1960's het radioloë opgemerk dat vroue unieke en wydveranderlike patrone van borsweefsel het wat op die mammogram sigbaar is," sê Lehman. “Hierdie patrone kan die invloed van genetika, hormone, swangerskap, laktasie, dieet, gewigsverlies en gewigstoename verteenwoordig. Ons kan nou hierdie gedetailleerde inligting gebruik om meer presies te wees in ons risikobepaling op individuele vlak.”

Om kankeropsporing meer regverdig te maak

Die projek het ook ten doel om risikobepaling meer akkuraat te maak vir veral rasseminderhede. Baie vroeë modelle is op wit bevolkings ontwikkel, en was baie minder akkuraat vir ander rasse. Die MIT/MGH-model is intussen ewe akkuraat vir wit en swart vroue. Dit is veral belangrik gegewe dat daar getoon is dat swart vroue 42 persent meer geneig is om aan borskanker te sterf as gevolg van 'n wye verskeidenheid faktore wat verskille in opsporing en toegang tot gesondheidsorg kan insluit.

"Dit is veral opvallend dat die model ewe goed presteer vir wit en swart mense, wat nie die geval was met vorige gereedskap nie," sê Allison Kurian, 'n medeprofessor in medisyne en gesondheidsnavorsing/beleid by Stanford University School of Medicine. "As dit bekragtig en beskikbaar gestel word vir wydverspreide gebruik, kan dit werklik verbeter op ons huidige strategieë om risiko te skat."

Barzilay sê hul stelsel kan dokters ook eendag in staat stel om mammogramme te gebruik om te sien of pasiënte 'n groter risiko loop vir ander gesondheidsprobleme, soos kardiovaskulêre siektes of ander kankers. Die navorsers is gretig om die modelle toe te pas op ander siektes en kwale, en veral dié met minder effektiewe risikomodelle, soos pankreaskanker.

"Ons doelwit is om hierdie vordering deel te maak van die standaard van sorg," sê Yala. "Deur te voorspel wie kanker in die toekoms sal ontwikkel, kan ons hopelik lewens red en kanker opdoen voordat simptome ooit opduik."


Biologiese weë na psigopatologie

Ahmad R. Hariri, PhD, is professor in sielkunde en neurowetenskap aan die Duke Universiteit, waar hy ook 'n ondersoeker in die Instituut vir Genoomwetenskappe en Beleid is. Dr Hariri se navorsingsprogram sluit magnetiese resonansiebeelding, positronemissietomografie, farmakologie en molekulêre genetika in. Deur die integrasie van komplementêre tegnologieë het Dr. Hariri se navorsing begin om die neurobiologiese meganismes wat individuele verskille in komplekse gedragseienskappe bemiddel, te belig. Hierdie werk verteenwoordig 'n kritieke grondslag vir die identifisering van risikomerkers wat met unieke omgewingsfaktore in wisselwerking tree om neuropsigiatriese versteurings te voorspel, asook vir die ontwikkeling van meer effektiewe en individueel aangepasde behandelings vir hierdie selfde versteurings. Bevindinge van Dr Hariri se navorsingsprogram is gepubliseer in Science, Nature, Nature Neuroscience, Journal of Neuroscience, Archives of General Psychiatry, Biological Psychiatry, Trends in Cognitive Sciences and the Annual Review of Neuroscience. In Augustus 2009 is dr. Hariri se bydraes tot die wetenskap van individuele verskille erken deur die American Psychological Association wat die Distinguished Scientific Award for Early Career Contribution to Psychology aan hom oorhandig het.

Individuele verskille in eienskapaffekte, persoonlikheid en temperament is van kritieke belang in die vorming van komplekse menslike gedrag, soos dié wat betrokke is by die suksesvolle navigasie van sosiale interaksies en die oorkom van uitdagings uit ons steeds veranderende omgewings. Sulke individuele verskille kan ook dien as belangrike voorspellers van kwesbaarheid vir neuropsigiatriese versteurings, insluitend depressie, angs en verslawing, veral by blootstelling aan teenspoed in die omgewing. Gevolglik kan die identifisering van die biologiese meganismes wat aanleiding gee tot hierdie verskille 'n unieke geleentheid bied om 'n dieper begrip van komplekse menslike gedrag, siekte-aanspreeklikheid en behandeling te ontwikkel. Nadat 'n aantal neurale prosesse vasgestel is wat komplekse gedragsprosesse ondersteun, het menslike neurobeeldingstudies, veral dié wat BOLD fMRI gebruik, nou begin om die neurale substrate van inter-individuele veranderlikheid in hierdie en verwante konstrukte te openbaar. Boonop het onlangse studies vasgestel dat BOLD fMRI-maatreëls tydelik stabiele en betroubare indekse van breinfunksie verteenwoordig. So, baie soos hul gedrags-eweknieë, word daar toenemend gedink dat sulke patrone van breinaktivering blywende, eienskapagtige verskynsel verteenwoordig, wat op sigself as belangrike merkers kan dien van individuele verskille wat verband hou met siekteaanspreeklikheid en patofisiologie.

Aangesien neuroimagingstudies voortgaan om die voorspellende verband tussen streeksbreinaktivering en eienskapagtige gedrag te illustreer (bv. verhoogde amygdala-reaktiwiteit voorspel eienskap-angs), is 'n belangrike volgende stap om die onderliggende meganismes wat veranderlikheid in breinkringfunksie aandryf sistematies te identifiseer. In hierdie verband het onlangse neurobeeldingstudies wat farmakologiese uitdagingsparadigmas gebruik, hoofsaaklik gerig op monoamien-neurotransmissie, aan die lig gebring dat selfs subtiele veranderinge in dopaminerge, noradrenergiese en serotonergiese sein 'n groot impak kan hê op die funksionele reaksie van breinkringe wat affek, persoonlikheid en temperament ondersteun. Net so het multimodale neuroimaging-benaderings bewyse gelewer vir rigtingspesifieke verhoudings tussen sleutelkomponente van monoaminergiese seinkaskades, geassesseer met radiotracer PET, en breinfunksie, geassesseer met BOLD fMRI. Saam onthul farmakologiese uitdaging neuroimaging en multimodale PET/fMRI hoe variasie in gedragsrelevante breinaktivering na vore kom as 'n funksie van onderliggende veranderlikheid in sleutelbreinseinweë (bv. verhoogde serotoniensein wat verhoogde amygdala-reaktiwiteit voorspel). Een belangrike volgende stap is om die bronne van inter-individuele veranderlikheid in hierdie sleutel neurochemiese seinmeganismes te identifiseer.

In die moderne era van menslike molekulêre genetika, sluit hierdie stap die identifisering van algemene variasie in die gene in wat die funksionering of beskikbaarheid van komponente in hierdie weë beïnvloed. Aangesien DNA-volgorde-variasie oor individue die uiteindelike bron van veranderlikheid in ontluikende molekulêre, neurobiologiese en verwante gedragsprosesse verteenwoordig, is die begrip van die verhoudings tussen gene, brein en gedrag belangrik vir die vestiging van 'n meganistiese grondslag vir individuele verskille in gedrag en verwante psigiatriese siektes. Boonop kan sulke genetiese polimorfismes maklik geïdentifiseer word uit DNA wat versamel is via selle van individuele bloed of selfs speekselmonsters met behulp van relatief goed verdra, goedkoop en gestandaardiseerde laboratoriumprotokolle. Sodra dit versamel en geïsoleer is, kan 'n individu se DNA herhaaldelik geamplifiseer word wat 'n byna eindelose reservoir van materiaal verskaf vir genotipering van addisionele kandidaat-polimorfismes soos hulle geïdentifiseer word. Wanneer presiese kaskades van verwante neurobiologiese en gedragseffekte duidelik vasgestel word, kan algemene polimorfismes kragtige, geredelik toeganklike voorspellende merkers van sulke ontluikende eienskappe word. DNS-monsters kan in dokterskantore van almal, selfs pasgeborenes, versamel word, en genetiese toetse kos slegs tientalle dollars per monster in vergelyking met die honderde en selfs duisende wat nodig is vir fMRI-, PET- en dwelmstudies. Om by hierdie uiteindelike vermindering uit te kom, verg natuurlik intensiewe en uitgebreide pogings waarin al hierdie tegnologieë sowel as epidemiologiese en kliniese studies eerstens toegepas word op die verduideliking van die gedetailleerde biologiese meganismes wat individuele verskille in eienskapgedrag en verwante risiko vir neuropsigiatriese siekte bemiddel.

In die afgelope vyf jaar is beduidende vordering gemaak in die beskrywing van die bydraes van veelvuldige algemene genetiese polimorfismes tot individuele verskille in komplekse gedragsfenotipes en siekteaanspreeklikheid – veral deur die uitwerking van funksionele genetiese variasie op die neurale prosesse wat gedragsreaksies bemiddel op omgewingsuitdaging (Caspi & Moffitt, 2006 Hariri & Holmes, 2006). Die potensiaal van hierdie benadering word uitgelig deur onlangse studies wat aantoon hoe algemene polimorfismes wat breinchemie beïnvloed, breinkringe bevooroordeel wat help om individuele verskille in gedrag soos temperamentele angs en impulsiwiteit te vorm (Figuur 1). Met verhoogde benutting en voortgesette uitbreiding het elke vlak van analise in hierdie integrerende strategie - breinkringfunksie, neurale seinkaskades en molekulêre genetika - ook die potensiaal om klinies relevante inligting uniek te belig wat gebruik kan word in pogings om individueel-aangepaste behandelingsregimes te ontwerp en daar te stel. voorspellende siektemerkers. Drie spesifieke voorbeelde, opgesom in Tabel 1, illustreer die doeltreffendheid van hierdie geïntegreerde strategie om biologiese meganismes te ontleed wat individuele verskille in komplekse gedrag bemiddel. In elkeen is proefpersone retrospektief gegenotipeer vir die kandidaat funksionele polimorfismes van belang vanaf gestoorde monsters van DNA en hierdie inligting is gebruik om proefpersone te groepeer op grond van hul individuele genotipes. Die gedragsevaluerings in al drie voorbeelde is veral uitgevoer as 'n komponent van 'n groter ouerprotokol wat die meting van taakverwante streekbreinfunksie met BOLD fMRI met 'n gemiddelde interval van 29 weke voorafgegaan het. The fact that robust brain-behavior correlations were observed despite the separation in time is consistent with the suggestion that both metrics (i.e., brain function and behavior) are remarkably stable, possibly indicative of trait-related variation. Such a relation further underscores the likelihood that inter-individual variability in brain-behavior associations are influenced by functional genetic polymorphisms.

Figuur 1. Integration of complementary technologies can be used to reveal the neurobiology of individual differences in complex behavioral traits. a. Individual differences in personality and temperament are critical in shaping complex human behaviors and may serve as important predictors of vulnerability to neuropsychiatric disorders. b. Neuroimaging technologies, especially BOLD fMRI, can identify relationships between variability in brain circuit function and individual differences in personality and temperament. c. Multimodal PET/fMRI (or pharmacological fMRI) can map individual differences in behaviorally relevant brain circuit function to variability in specific molecular signaling pathways. d. Variability in specific molecular signaling pathways can be mapped to functional genetic polymorphisms which inform their ultimate biological origins and can be used to efficiently model how such emergent variability impacts behaviorally relevant brain function. e. Each level of analysis can potentially inform clinically relevant issues, provide guiding principles for the development of more effective and personalized treatment options and represent predictive risk markers that interact with unique environmental factors to precipitate disease.

Note: data are created for illustration only. Measures of brain circuit function could be derived from fMRI, EEG, MEG. Those for molecular signaling could be derived from PET or Drug Challenge studies.

As detailed in the three studies summarized in Table 1, neuroimaging technologies, especially BOLD fMRI, have begun to identify how variability in the neural substrates underlying information processing contribute to emergent individual differences in stable and enduring aspects of human behaviors such as personality and temperament. In parallel, the application of pharmacological fMRI and multimodal PET/fMRI is improving our understanding of how variability in specific molecular signaling pathways influences individual differences in the function of these behaviorally relevant brain circuitries. Moreover, information on DNA sequence variation in humans (and related identification of functional genetic polymorphisms) is now being utilized to understand the biological origins of variability in component processes of molecular signaling pathways. Furthermore, this information is being used to efficiently model how such emergent variability impacts behaviorally relevant brain function. Such efforts have the potential to inform clinically relevant issues and provide guiding principles for the development of more effective and individually tailored treatment regimes. In addition, mechanisms that have been elucidated, especially those mapped to functional genetic polymorphisms, can lead to identification of predictive risk markers that interact with unique environmental factors to precipitate disease.

Tabel 1. Summary of studies linking individual differences in complex behavioral traits with underlying variability in brain circuit function, molecular signaling pathways and functional genetic polymorphisms.

Abbreviations: 5-HT – serotonin DA – dopamine eCB – endocannabinoid HTR1A – serotonin 1A receptor gene DAT1 – dopamine transporter polymorphism FAAH – fatty acid amide hydrolase gene.

While the three examples highlighted here are evidence for the potential of this integrated research strategy, much work is left to be done. First, to allow for tractable experimental designs and testable hypotheses in existing samples, the studies highlighted above have focused on the effects of a single signaling pathway on behaviorally relevant brain circuitry. Of course, it is very clear there are numerous complex interactions between signaling pathways and that more than one pathway contributes to the regulation of any brain circuitry. However, existing studies lack the power and sophistication to model such complex interactions while effectively controlling for other important modulatory factors (e.g., age, sex) in the context of BOLD fMRI, pharmacological MRI or multimodal PET/fMRI protocols. To do so, we must aggressively expand the scale and scope of our studies to include hundreds and, preferably, thousands of subjects.

A second important consideration is that existing studies have been largely conducted in small ethnically and racially homogenous populations. Thus, the observed effects may not generalize to other populations. The potential effect of any single genetic variant on a complex biological and behavioral phenotype is likely small against the background of the approximately 20,000-25,000 human genes and the multitude of other neurobiologically relevant functional variants they likely harbor. Thus, it is important to explicitly test the independence of functional polymorphisms through rigorous statistical modeling in larger samples and also to test the validity of any associations derived in one sample population (e.g., Caucasian) to populations with different genetic backgrounds (e.g., Asian or African).

A third important consideration for the future of this research is the need to conduct large-scale prospective studies beginning in childhood to determine any developmental shifts in neurogenetic pathways mediating individual differences in behavior as well as their predictive utility in identifying neuropsychiatric disease risk as a function of environmental or other stressors. All of the studies described above and most of the studies available in the literature as a whole have been conducted in adults carefully screened for the absence of psychopathology. Because of this, these findings identify mechanisms contributing to variability in the normative range of behavior only. As such, the utility of these neural, molecular or genetic markers in predicting vulnerability to neuropsychiatric disorder is unclear. Such predictive utility is ideally tested through prospective studies beginning with premorbid populations that account for the moderating effects of environmental stress in the emergence of clinical disorder over time (Caspi & Moffitt, 2006 Viding, Williamson, & Hariri, 2006).

Finally, there is tremendous potential in developing large databases (again preferably thousands of subjects) with detailed measures of behavioral traits, neuroimaging based measures of multiple brain circuitries, and extensive genotyping. One of the most exciting applications of molecular genetics is in identifying novel biological pathways contributing to the emergence of complex traits (Gibson & Goldstein, 2007 McCarthy et al., 2008). The continued refinement of a detailed map of sequence variation across the entire human genome (i.e., single nucleotide polymorphisms [SNPs] that “tag” every gene) and production of technologies supporting cost-efficient identification of such variation have dramatically accelerated the discovery of genes involved in the emergence of complex disease processes (Fellay et al., 2007 Link et al., 2008) as well as normal variability in continuous traits (Lettre et al., 2008). Many of the genes identified in such studies have illuminated novel pathways not previously implicated in these processes or traits, spurring intensive efforts to understand the potential biological effects of the proteins produced by these genes. As such, these “genome-wide” screens represent an opportunity to leap forward beyond the available pool of candidate molecules and pathways in parsing the mechanisms of complex biological processes. Because neuroimaging based measures of brain function reveal key mechanisms involved in the emergence of individual differences in behavioral traits and are closer to the biological effects of functional genetic polymorphisms, they are ideal substrates for genome-wide screens. For example, BOLD fMRI estimates of amygdala reactivity predicting variability in temperamental anxiety can be used as the continuous trait in a genome-wide screen. Any significant associations that emerge between genetic variation and amygdala reactivity may confirm existing relations (e.g., the importance of genes biasing 5-HT signaling) or, perhaps more importantly, reveal unexpected candidate molecules or pathways (e.g., a gene producing a molecule that is expressed in the brain and may function in second-messenger signaling cascades). Once identified and, ideally, replicated in large-scale databases that effectively address confounds common to genome-wide screens (e.g., controlling for multiple comparisons resulting from testing the association of a phenotype with hundreds of thousands or millions of SNPs), the impact of variation in novel genes associated with amygdala reactivity can be explored at each level of the biological cascade leading to trait anxiety (i.e., be fed back into the discovery loop outlined in Figure 1). In addition to exponentially improving our understanding of neurobiological pathways leading to individual differences in complex behavioral traits these efforts may lead to the discovery of novel therapeutic strategies targeting related disease processes.

In summary, ongoing efforts are beginning to shed light on detailed mechanisms that mediate individual differences in complex behavioral traits and, potentially, related neuropsychiatric diseases. Elaboration of these mechanisms at the level of brain circuit function, molecular signaling pathways and functional genetic polymorphisms could one day inform clinically relevant issues and provide guiding principles for the development of more effective and individually tailored treatment regimes. In addition, an understanding of such mechanisms, especially those mapped to functional genetic polymorphisms, may lead to identification of predictive risk markers that interact with unique environmental factors to predict disease risk.

Adapted, with permission, from the Annual Review of Neuroscience, Volume 32 (c) 2009 by Annual Reviews. www.annualreviews.org

Caspi, A., & Moffitt, T. E. (2006). Gene-environment interactions in psychiatry: joining forces with neuroscience. Natuur Resensies Neurowetenskap, 7(7), 583-590.

Fakra, E., Hyde, L. W., Gorka, A., Fisher, P. M., Muñoz, K. E., Kimak, M., Halder, I., Ferrell, R. E., Manuck, S. B., & Hariri , A.R. (2009) Effects of HTR1A C(-1019)G on amygdala reactivity and trait anxiety. Argief van Algemene Psigiatrie . 66(1):33-40.

Fellay, J., Shianna, K. V., Ge, D., Colombo, S., Ledergerber, B., Weale, M., et al. (2007). A whole-genome association study of major determinants for host control of HIV-1. Wetenskap, 317( 5840), 944-947.

Gibson, G., & Goldstein, D. B. (2007). Human genetics: the hidden text of genome-wide associations. Huidige Biologie, 17(21), R929-932.

Hariri, A. R., & Holmes, A. (2006). Genetics of emotional regulation: the role of the serotonin transporter in neural function. Tendense in Kognitiewe Wetenskappe, 10(4), 182-191.

Lettre, G., Jackson, A. U., Gieger, C., Schumacher, F. R., Berndt, S. I., Sanna, S., et al. (2008). Identification of ten loci associated with height highlights new biological pathways in human growth. Natuur Genetika, 40(5), 584-591.

Link, E., Parish, S., Armitage, J., Bowman, L., Heath, S., Matsuda, F., et al. (2008). SLCO1B1 variants and statin-induced myopathy--a genomewide study. New England Journal of Medicine, 359(8), 789-799.

McCarthy, M. I., Abecasis, G. R., Cardon, L. R., Goldstein, D. B., Little, J., Ioannidis, J. P., et al. (2008). Genome-wide association studies for complex traits: consensus, uncertainty and challenges. Natuur Resensies Genetika, 9(5), 356-369.

Viding, E., Williamson, D. E., & Hariri, A. R. (2006). Developmental imaging genetics: challenges and promises for translational research. Development and Psychopathology, 18(3), 877-892.


New model for infectious disease could better predict future pandemics

Increased human-animal interactions lead to the emergence and spread of zoonotic pathogens, which cause about 75% of infectious diseases affecting human health. In this photograph, wild zebras graze alongside a pastoralist and cows in Kenya. Credit: James Hassell/Smithsonian

In the midst of a devastating global pandemic of wildlife origin and with future spillovers imminent as humans continue to come into closer contact with wildlife, infectious-disease models that consider the full ecological and anthropological contexts of disease transmission are critical to the health of all life. Existing models are limited in their ability to predict disease emergence, since they rarely consider the dynamics of the hosts and ecosystems from which pandemics emerge.

Published May 17 in Nature Ecology and Evolution, Smithsonian scientists and partners provide a framework for a new approach to modeling infectious diseases. It adapts established methods developed to study the planet's natural systems, including climate change, ocean circulation and forest growth, and applies them to parasites and pathogens that cause disease.

Increased human-animal interactions lead to the emergence and spread of zoonotic pathogens, which cause about 75% of infectious diseases affecting human health. Predicting where, how and when people and animals are at risk from emerging pathogens—and the best ways to manage this—remains a significant challenge. Risks for spillover include, but are not limited to, habitat encroachment, illegal wildlife trade and bush meat consumption.

Despite incredible advances in the understanding of how infectious diseases are transmitted, the models these efforts are based on are relatively limited in scope, focusing on specific pathogens and often overlooking how pathogens interact within their hosts. While scientists and global health organizations are putting a lot of effort into studying the diversity of disease-causing organisms, existing models do not link this diversity to their roles within ecosystems.

"Just as a mechanic must understand how a car's components interact and how it's been engineered in order to improve performance, the same applies to our ability to model infectious disease," said first author Dr. James Hassell, wildlife veterinarian, epidemiologist and Keller Family Skorton Scholar for the Smithsonian Conservation Biology Institute's (SCBI) Global Health Program. "Applying systems-level thinking to forecast disease emergence requires a fundamental change in how we conceptualize infectious diseases. This presents significant challenges, but in this article, we explain why they're not insurmountable. When you weigh the cost of prevention versus remediation, the investment in our shared global health, particularly the connections between nature and human health, is vital."

Researchers say this new model will require expertise and collaboration across fields such as veterinary and human medicine, disease ecology, biodiversity conservation, biotechnology and anthropology.

"Disease and health are predominantly viewed as a human construct and the role the environment plays in disease is often overlooked," said Yvonne-Marie Linton, research director for the Walter Reed Biosystematics Unit for the Smithsonian's National Museum of Natural History and Walter Reed Army Institute of Research. "The health of other organisms, from parasites and insects to birds and aquatic organisms, can alter the structure of ecosystems. What we're proposing is a new approach to modeling infectious diseases that are circulating in nature, which would allow scientists to simulate the behavior of these pathogens in wildlife populations, how they respond to human activities and better determine the risk that they pose to people."

General ecosystem models are essentially complex models that can predict how food chains are assembled—the processes of energy transfer between plants and animals are what structure ecosystems—and determine the plants and animals that compose an ecosystem. With the new version, general "episystem" models, the paper's authors outline a framework for integrating disease agents (including parasites, viruses and bacteria) into these models. By identifying general rules for how food chains that include disease entities are structured, it should be possible to predict the types of pathogens that are present in any given ecosystem. This would allow scientists to better understand the characteristics of an ecosystem (such as disturbance) that would make it more likely to contain zoonotic pathogens, predict the threat it poses to people who interact with this ecosystem and even permit computer simulation and testing of interventions aimed at reducing these threats.

While the amount of data that would be required to create these models is daunting, long-term studies of intact ecosystems where parasite data has been collected are excellent places to initiate these studies. Efforts to refine them more broadly could then leverage large-scale ecological studies that span continents such as the Smithsonian's ForestGEO and MarineGEO programs.

The potential impacts of this new model go beyond reducing the human interface for disease spillover, to economics. "You could use this new approach to not only to look at human diseases, but also to look at the best way to conduct aquaculture or raise healthy livestock," said Katrina M. Pagenkopp Lohan, a marine disease ecologist at the Smithsonian Environmental Research Center. "If you're reintroducing a species into the wild, what do you need that ecosystem to look like for you to be successful? We could actually model that. It's mind blowing."

The cost of such a new approach is considerable, say researchers, and will take the global cooperation and commitment of scientists, communities, non-governmental organizations and nations. In an era of big data and massive advances in technology, this kind of approach is achievable but requires enhanced data collection, sharing and testing at far greater scales than currently occur.