Перспективы использования мультиомиксных технологий в изучении расстройств аутистического спектра

Расстройства аутистического спектра (РАС) — группа расстройств психологического развития, характеризующаяся высокой гетерогенностью как фенотипических, так и лежащих в их основе биологических механизмов. На сегодняшний день нет единой концепции этиологии и патогенеза РАС, однако во многих исследованиях говорится о комплексном воздействии генетических, эпигенетических и экспосомальных факторов на нарушение нейроразвития у детей. Несмотря на активное изучение проблемы аутизма, в настоящее время терапевтические подходы при РАС являются симптоматическими. Высокая степень этиопатогенетических и клинических различий диктует необходимость поиска новых методов исследования аутизма. Рост количества людей с РАС во всем мире в последние десятилетия, трудности ранней диагностики, своевременной постановки диагноза и терапии требуют более глубокого, всестороннего изучения проблемы РАС с применением инновационных методов исследования. Настоящий обзор посвящен мультиомике — интегративному подходу к анализу данных, полученных с применением высокотехнологичных омиксных исследований (геномики, транскриптомики, эпигеномики, протеомики, метаболомики и микробиомики), применение которого даст возможность лучше понять этиопатогенетические механизмы развития и разработать персонализированные стратегии диагностики и лечения аутизма.

1. Grove J, Ripke S, Als TD, et al. Identification of common genetic risk variants for autism spectrum disorder. Nat Genet. 2019;51(3):431–444. doi: https://doi.org/10.1038/s41588-019-0344-8

2. Lord C, Elsabbagh M, Baird G, Veenstra-Vanderweele J. Autism spectrum disorder. Lancet. 2018;392(10146):508–520. doi: https://doi.org/10.1016/S0140-6736(18)31129-2

3. Satterstrom FK, Kosmicki JA, Wang J, et al. Exome Sequencing Study Implicates Both Developmental and Functional Changes in the Neurobiology of Autism. Cell. 2020;180(3):568–584.e23. doi: https://doi.org/10.1016/j.cell.2019.12.036

4. Higdon R, Earl RK, Stanberry L, et al. The promise of multi-omics and clinical data integration to identify and target personalized healthcare approaches in autism spectrum disorders. OMICS. 2015;19(4):197–208. doi: https://doi.org/10.1089/omi.2015.0020

5. Phillips JW, Schulmann A, Hara E, et al. A repeated molecular architecture across thalamic pathways. Nat Neurosci. 2019;22(11):1925–1935. doi: https://doi.org/10.1038/s41593-019-0483-3

6. Parikshak NN, Swarup V, Belgard TG, et al. Genome-wide changes in lncRNA, splicing, and regional gene expression patterns in autism. Nature. 2016;540(7633):423–427. doi: https://doi.org/10.1038/nature20612

7. Loke YJ, Hannan AJ, Craig JM. The Role of Epigenetic Change in Autism Spectrum Disorders. Front Neurol. 2015;6:107. doi: https://doi.org/10.3389/fneur.2015.00107

8. Nóbrega IS, Teles E Silva AL, Yokota-Moreno BY, Sertié AL. The Importance of Large-Scale Genomic Studies to Unravel Genetic Risk Factors for Autism. Int J Mol Sci. 2024;25(11):5816. doi: https://doi.org/10.3390/ijms25115816

9. Modabbernia A, Velthorst E, Reichenberg A. Environmental risk factors for autism: an evidence-based review of systematic reviews and meta-analyses. Mol Autism. 2017;8:13. doi: https://doi.org/10.1186/s13229-017-0121-4

10. Broek JA, Guest PC, Rahmoune H, Bahn S. Proteomic analysis of post mortem brain tissue from autism patients: evidence for opposite changes in prefrontal cortex and cerebellum in synaptic connectivity-related proteins. Mol Autism. 2014;5:41. doi: https://doi.org/10.1186/2040-2392-5-41

11. Borkowska EM, Kruk A, Jedrzejczyk A, et al. Molecular subtyping of bladder cancer using Kohonen self-organizing maps. Cancer Med. 2014;3(5):1225–1234. doi: https://doi.org/10.1002/cam4.217

12. Frye RE. Metabolic and mitochondrial disorders associated with epilepsy in children with autism spectrum disorder. Epilepsy Behav. 2015;47:147–157. doi: https://doi.org/10.1016/j.yebeh.2014.08.134

13. Sharon G, Cruz NJ, Kang DW, et al. Human Gut Microbiota from Autism Spectrum Disorder Promote Behavioral Symptoms in Mice. Cell. 2019;177(6):1600–1618.e17. doi: https://doi.org/10.1016/j.cell.2019.05.004

14. Kovac J, Aleksic B, Krgovic D. Editorial: Multiomics approaches for understanding autism spectrum disorder. Front Neurosci. 2025;19:1542260. doi: https://doi.org/10.3389/fnins.2025.1542260

15. Gandal MJ, Zhang P, Hadjimichael E, et al. Transcriptome-wide isoform-level dysregulation in ASD, schizophrenia, and bipolar disorder. Science. 2018;362(6420):eaat8127. doi: https://doi.org/10.1126/science.aat8127

16. Osama A, Anwar AM, Ezzeldin S, et al. Integrative multiomics analysis of autism spectrum disorder reveals unique microbial macromolecules interactions. J Adv Res. 2025:S2090-1232(25)00055-4. doi: https://doi.org/10.1016/j.jare.2025.01.036

17. Yoon S, Munoz A, Yamrom B, et al. Rates of contributory de novo mutation in high and low-risk autism families. Commun Biol. 2021;4(1):1026. doi: https://doi.org/10.1038/s42003-02102533-z

18. Lombardo MV, Pramparo T, Gazestani V, et al. Large-scale associations between the leukocyte transcriptome and BOLD responses to speech differ in autism early language outcome subtypes. Nat Neurosci. 2018;21(12):1680–1688. doi: https://doi.org/10.1038/s41593-018-0281-3

19. Zhuang H, Liang Z, Ma G, et al. Autism spectrum disorder: pathogenesis, biomarker, and intervention therapy. MedComm (2020). 2024;5(3):e497. doi: https://doi.org/10.1002/mco2.497

20. Parikshak NN, Luo R, Zhang A, et al. Integrative functional genomic analyses implicate specific molecular pathways and circuits in autism. Cell. 2013;155(5):1008–1021. doi: https://doi.org/10.1016/j.cell.2013.10.031

21. Kosmicki JA, Sochat V, Duda M, Wall DP. Searching for a minimal set of behaviors for autism detection through feature selectionbased machine learning. Transl Psychiatry. 2015;5(2):e514. doi: https://doi.org/10.1038/tp.2015.7

22. Hewitson L, Mathews JA, Devlin M, et al. Blood biomarker discovery for autism spectrum disorder: A proteomic analysis. PLoS One. 2021;16(2):e0246581. doi: https://doi.org/10.1371/journal.pone.0246581

23. West PR, Amaral DG, Bais P, et al. Metabolomics as a tool for discovery of biomarkers of autism spectrum disorder in the blood plasma of children. PLoS One. 2014;9(11):e112445. doi: https://doi.org/10.1371/journal.pone.0112445

24. Frazier TW, Embacher R, Tilot AK, et al. (2014). Molecular and phenotypic abnormalities in individuals with germline heterozygous PTEN mutations and autism. Mol Psychiatry. 2015;20(9):1132– 1138. doi: https://doi.org/10.1038/mp.2014.125

25. Bernier R, Golzio C, Xiong B, et al. Disruptive CHD8 mutations define a subtype of autism early in development. Cell. 2014;158(2):263–276. doi: https://doi.org/10.1016/j.cell.2014.06.017

26. O’Roak BJ, Vives L, Girirajan S, et al. Sporadic autism exomes reveal a highly interconnected protein network of de novo mutations. Nature. 2012;485(7397):246–250. doi: https://doi.org/10.1038/nature10989

27. Jensen AR, Lane AL, Werner BA, et al. Modern Biomarkers for Autism Spectrum Disorder: Future Directions. Mol Diagn Ther. 2022;26(5):483–495. doi: https://doi.org/10.1007/s40291-022-00600-7

28. Frye RE, Rose S, Boles RG, Rossignol DA. A Personalized Approach to Evaluating and Treating Autism Spectrum Disorder. J Pers Med. 2022;12(2):147. doi: https://doi.org/10.3390/jpm12020147