مدل idopNetworks امکان درک تعاملات بین ژن ها را فراهم می آورد
محققان دانشکده پزشکی دانشگاه ایالتی Penn، روش جدیدی را برای مدلسازی چگونگی تعامل ژنها با یکدیگر ایجاد کردهاند که ممکن است روزی در توسعه درمانهای شخصی برای بیماران نقش داشته باشد.
به گفته محققان، این مدل جدید قادر به ایجاد شبکههای شخصی برای یک بیمار خاص است که میتواند تعامل ژنی پیچیده را از جهات مختلف نشان داده و امکان پیش بینی چگونگی تغییر این تعاملها با گذشت زمان را فراهم آورد.
ژن های موجود در DNA انسان خصوصیات جسمی مانند رنگ مو یا شکل بدن را تعیین میکنند. در گذشته اعتقاد بر این بود که یک ژن واحد بر یک صفت واحد تأثیر می گذارد اما امروزه دانشمندان دریافتند که ژنها در یک شبکه پیچیده از اتصالات به نام شبکههای تنظیم کننده ژن، یکدیگر را تحت تأثیر قرار میدهند.
Rongling Wu استاد برجسته علوم بهداشت و آمار عمومی دانشگاه پن که این تیم تحقیقاتی را هدایت میکند گفته است: (( این مدل ممکن است به ما اجازه دهد تا بررسی کنیم که چرا بیماران تحت درمان یکسان ممکن است نتایج متفاوتی داشته باشند. اگر بتوانیم فرایندهای ژنتیکی منحصر به فردی را که در نتایج مختلف جسمی وجود دارد، شناسایی کنیم، ممکن است بتوانیم درمانهای شخصی سازی شده را توسعه دهیم)).
Wu ویژگیهای این مدل جدید که با نام idopNetwork (informative, dynamic, omnidirectional and personalized networks) شناخته میشود را در یک مقاله تشریح کرده است. idopNetworks با استفاده از داده های به دست آمده از آزمایش های ژنتیکی ساخته میشود. هنگامی که دادههای ژنتیکی با استفاده از معادلات دیفرانسیل پردازش میشوند ، نتیجه یک مدل است که نحوه ارتباط ژنها با یکدیگر را نشان میدهد. به گفته محققان، این روابط ژنی ممکن است از فردی به فرد دیگر متفاوت باشد. این مدل به ما این امکان را می دهد که شبکه ای را بازسازی کنیم که تصویر شخصی و پیچیدهای از رابطه بین تمام ژنها را رسم میکند.
به گفته وی، گروهی از ژنهایی که بر یکدیگر تأثیر میگذارند میتوانند در دستههایی به نام مدولار قرار بگیرند. به عنوان مثال ، مدولار ممکن است نشان دهد كه چگونه ژن A میتواند ژن B را تحت تأثیر قرار دهد کدام یک فعالیت دیگری را ارتقا میدهد یا از آن جلوگیری میكند. همچنین ممکن است نشان داده شود که چگونه ژنهای C ، D و E بر فعالیت A تأثیر میگذارند در حالی که ژن F و G ممکن است بر فعالیت ژن B تأثیر بگذارد. روابط بین ژنهای سازمان یافته به صورت مدولار همچنین میتواند برای نشان دادن تصویر بزرگتر از فعالیت ژن در یک سلول به بافت یا ارگانیسم تامیم داده شود.
این مقاله بیان میکند که در یک بیمار، فعالیت یک ژن ممکن است بر فعالیت ژن دوم تأثیر بگذارد در حالی که ممکن است یک بیمار دوم فعالیت ژن دوم فعالیت ژن اول را تحت تأثیر قرار دهد. پس ضروری است که هنگام توسعه رویکردهای پزشکی شخصی، این تفاوت ها را شناسایی و درک کنیم.
روشهای ریاضی قبلی که برای ساختن شبکه های تنظیم کننده ژن استفاده میشد به دلیل ضرورت جمع آوری داده های ژنتیکی در زمانهای مختلف با محدودیت رو به رو بود. با ادغام نقاط قوت سایر رشتهها ، مانند اکولوژی و نظریه بازی در معادلات ریاضی ، idopNetworks نیازی به تکیه بر دادهها از چندین نقطه زمانی ندارد. آنها می توانند تصاویر لحظهای مربوط به فرآیندهای بیولوژیکی را رصد کنند و به طور پویا پیشبینی کنند که چگونه شبکههای ژنی در پاسخ به تغییرات زمان و محیط تغییر میکنند.
Ming Wang از محققان این تیم بیان کرده است که: ((روشهای معمول، مستلزم بازسازی شبکه ها در یک زمان، از دادههای جمعآوری شده در زمانهای مختلف است. رویکرد ما از نظر آماری نوآورانه است زیرا به ما این امکان را میدهد تا از داده های یک نقطه استفاده کنیم تا بتوانیم شبکهای را ایجاد کنیم که میتواند تغییرات را بر اساس زمان و محیط پیشبینی کند)).
Wu و همكارانش، داده هاي ژنتيكي جمع آوري شده از بيماراني كه در يك مطالعه جداگانه تحت مداخله جراحي براي بيماري گردش خون قرار گرفته بودند را مورد مطالعه قرار دادند. از 48 شرکت کننده، 35 مورد نتیجهی موفقیت آمیز داشتند. آنها از دادههای 1870 ژن برای ساخت idopNetworks برای هر فرد استفاده کردند و دریافتند که افراد با نتایج موفقیت آمیز، ارتباطات بیشتری در شبکههای خود دارند. آنها همچنین دریافتند که یک ژن نقش مهمی در تنظیم بسیاری از ژنهای موجود در شبکه مربوط به هر شخص دارد. به گفته محققان، به محض شناسایی یک ژن مهم در یک شبکه، میتوان مطالعات بیشتری را برای کشف چندین ژن دیگر تنظیم کرد. این دادهها ممکن است در طراحی مداخلات درمانی برای بیماران با شرایط خاص مفید باشد. همچنین ممکن است در بررسی نحوه تغییر ژن در بیماریهای انسانی کمک کند.
Chixiang Chen نویسندهی اول این تحقیق اظهار میکند که idopNetworks قابل انعطاف هستند و ممکن است به ما در ساخت شبکه هاي تنظيم کننده ژن مختص بافت کمک کنند. این داده ها از یک پروژه بلند مدت که توسط انستیتوی ملی بهداشت حمایت می شود، می آید و هدف آن ساخت یک منبع عمومی جامع است حاوی اطلاعاتی در مورد بیان ژن در بافت های خاص میباشد.
چن می گوید idopNetworks ساخته شده از این مجموعه داده ممکن است به محققان کمک کند تا تعیین کنند که فعالیت طبیعی در بافتهای سالم چگونه به نظر می رسد. همچنین ممکن است به آنها در تشخیص تفاوت بین شبکههای تنظیم کننده ژن در بافتهای سالم و بافتهای بیمار کمک کند که میتواند منجر به توسعه مداخلات درمانی برای بیماریهایی مانند سرطان شود.
منتشر شده در: 7 نوامبر2019 www.news-medical.net