近日，一项刊登在国际杂志Nature Genetics上的研究报告中，来自西奈山伊坎医学院等机构的研究人员通过研究利用了一种深度多组学的方法对炎性肠病的免疫组分进行了特性分析，相关研究结果或能帮助阐明参与炎性肠病发病过程的生物学网络，同时也为开发治疗炎性肠病的新型疗法提供了新的线索和希望。
在美国大约有300万成年人患有炎性肠病，炎性肠病包括克罗恩病、溃疡性结肠炎，该病与机体免疫学和炎性机制直接相关，此前研究人员进行全基因组关联性研究试图寻找引发炎性肠病的遗传学根源，最终他们发现了200多个关联基因，但这些基因或许仅能帮助解释很少一部分炎性肠病病例。
这项研究中，研究人员利用收集自不同阶段炎性肠病的不同患病群体的多种类型数据进行研究分析，其中包括DNA改变、基因表达、调节性元件以及临床信息等，进行深度分析能够帮助研究人员模拟炎性肠病发生过程中参与免疫组分调节的精确生物学网络，从而也能够开发出首个准确预测炎性肠病发生的模型。
研究者Eric Schadt博士指出，利用先进的机器学习手段对大量分子和临床数据进行组合分析或许就能够产生一些新的疾病研究线索；我们所开发的新型模型或许能够帮助我们理解炎性肠病的发生和进展机制，其中还包括对疾病的主要调节子进行鉴别，并以其作为开发新型疗法的靶点。通过直接对患者组织样本进行研究，研究人员观察到了基因和调节性元件之间的相互作用的效应，同时也展现出了患者机体整个免疫活性网络，随后研究人员发现其中12个基因能够改变这种免疫活性网络，从而为有效调节炎性肠病提供新的研究视角。
医学博士Scott Snapper说道，通过开发能够跨越不同疾病阶段的炎性肠病免疫组分的多尺度预测模型，我们就能够对炎性肠病发生的复杂分子网络进行深度解析，未来我们还将进行更为深入的研究探索来鉴别新型靶点帮助开发能够治疗炎性肠病的新型个体化靶向性疗法。