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