利用人工智能和多组学数据预测阿片类药物成瘾

该提案的主要目标是验证一种新型基因组和微生物组预测模型，该模型可用于评估一个人患阿片类药物使用障碍 (OUD) 的风险。 将测试以下内容：(1) MODUS（使用 SNP 测量阿片类药物使用障碍的风险），这是一个基因组面板，由一组经过验证的单核苷酸多态性 (SNP) 组成，利用机器学习来确定个人的风险； (2) MICROUD（用于阿片类药物使用障碍的微生物组），这将是 OUD 风险的新型微生物组预测面板。 MODUS 和 MICROUD 将使用现有的公共数据集以及基因组和微生物组数据（例如 All of Us、人类微生物组项目）进行开发。 在开发这些预测模型的过程中，将同时招募一个外部前瞻性验证队列，该队列由来自加州大学圣地亚哥分校、圣地亚哥退伍军人事务部和帕洛阿尔托退伍军人事务部（每个站点都有单独的 IRB）的受试者组成。 假设 MODUS 和 MICROUD 将具有识别 OUD 高风险患者的高预测潜力。

具体目标 1. 在一项前瞻性观察研究中验证一种新型基因组预测面板检测（称为 MODUS），该研究旨在招募 300 名有 OUD 病史的受试者（约 200 名来自 UCSD 和 VA San Diego）。 该基因组面板将单独开发，然后在研究人群中进行验证。 健康对照数据将来自公开的去识别化基因组数据集（我们所有人研究计划）。

具体目标 2. 在一项前瞻性观察研究中验证一种新型微生物组预测面板检测（称为 MICROUD），该研究旨在招募 300 名有 OUD 病史的受试者（约 200 名来自 UCSD 和 VA San Diego）。 该微生物组组合将单独开发，然后在研究人群中进行验证。 健康对照数据将使用来自公开的去识别微生物组数据集（人类微生物组项目）。