یک مدل کامپیوتری که جهش های عامل سرطان را شناسایی می کند
شاه بلاگ: پژوهشگران دانشگاه ˮام آی تیˮ، یک مدل کامپیوتری ابداع نموده اند که می تواند جهش های عامل سرطان را شناسایی کند.
به گزارش شاه بلاگ به نقل از ایسنا و به نقل از ام آی تی نیوز، سلول های سرطانی می توانند هزاران جهش در DNA خود داشته باشند. با این وجود، تنها تعداد انگشت شماری از آنها به پیشروی سرطان منجر می شوند و بقیه آنها خنثی هستند.
تشخیص این جهش های مضر از جهش های خنثی می تواند به پژوهشگران کمک نماید تا اهداف دارویی بهتری را شناسایی کنند. برای تقویت این تلاش ها، گروهی از پژوهشگران به سرپرستی دانشگاه "ام آی تی"(MIT)، یک مدل کامپیوتری جدید ابداع نموده اند که می تواند کل ژنوم سلول های سرطانی را به سرعت اسکن کند و به شناسایی جهش هایی بپردازد که بیش از حد انتظار رخ می دهند و به رشد تومور منجر می شوند. این نوع پیش بینی، چالش برانگیز است برای اینکه تعدادی از نواحی ژنومی دارای فرکانس بسیار بالایی از جهش های خنثی هستند که سیگنال جهش های مضر را از بین می برد.
"مکس ول شرمن"(Maxwell Sherman)، از پژوهشگران این پروژه اظهار داشت: ما یک روش احتمالی مبتنی بر یادگیری عمیق ابداع کرده ایم که به ما امکان می دهد تا یک مدل دقیق از تعداد جهش های خنثی به دست آوریم که احتمالاً در هر بخش از ژنوم وجود دارد. سپس می توانیم در سراسر ژنوم به دنبال مناطقی باشیم که در آنها تجمع غیرمنتظره ای از جهش ها وجود دارد و نشان میدهد که آنها جهش های محرک هستند.
پژوهشگران در این پروژه، جهش های بیشتری را در ژنوم پیدا کردند که بنظر می رسد در رشد تومور بین پنج تا ۱۰ درصد از بیماران مبتلا به سرطان نقش داشته باشند. بگفته پژوهشگران، یافته های این پژوهش می توانند به پزشکان در شناسایی داروهایی کمک کنند که شانس بیشتری برای درمان موفقیت آمیز بیماران دارند. حداقل ۳۰ درصد از بیماران مبتلا به سرطان هم اکنون هیچ جهش محرک قابل تشخیصی ندارند که بتوان از آن برای هدایت درمان بهره برد.
یک روش جدید
از زمانی که ژنوم انسان توالی یابی شد، پژوهشگران درحال جستجو در ژنوم هستند تا جهش هایی را بیابند که با رشد غیرقابل کنترل سلول ها یا فرار از سیستم ایمنی، به بروز سرطان کمک می کنند. این کار، پژوهشگران را با موفقیت به اهدافی مانند "گیرنده فاکتور رشد اپیدرمی"(EGFR) رسانده است که بطور معمول در تومورهای ریه جهش می یابد و همچنین، ژن موسوم به "BRAF" که یک محرک رایج ملانوما است. هر دوی این جهش ها را حالا می توان با داروهای خاصی هدف قرار داد.
بااینکه این اهداف سودمند بوده اند اما ژن های کدکننده پروتئین، تنها حدود دو درصد از ژنوم را می سازند. ۹۸ درصد دیگر نیز حاوی جهش هایی هستند که می توانند در سلول های سرطانی رخ دهند اما تشخیص این که آیا هر یک از این جهش ها به توسعه سرطان کمک می کنند یا خیر، بسیار دشوارتر بوده است.
"بانی برگر"(Bonnie Berger)، از پژوهشگران این پروژه اظهار داشت: کمبود روش های محاسباتی احساس می شود که به ما امکان می دهند تا این جهش های محرک را بیرون از مناطق کدکننده پروتئین جستجو نماییم. این همان کاری است که ما قصد داشتیم در این پژوهش انجام دهیم. هدف ما این بود که یک روش محاسباتی طراحی نماییم تا به ما امکان دهد نه فقط دو درصد ژنومی که پروتئین ها را کدگذاری می کنند، بلکه ۱۰۰ درصد آنها را بررسی نماییم.
پژوهشگران برای انجام دادن این کار، نوعی مدل محاسباتی معروف به "شبکه عصبی عمیق" را آموزش دادند تا ژنوم های سرطان را برای جهش هایی که بیش از حد انتظار رخ می دهند، جستجو کنند. آنها در اولین گام، مدل را با داده های ژنومی ۳۷ نوع مختلف سرطان آموزش دادند تا به آن امکان دهند که میزان جهش پس زمینه ای را برای هر یک از انواع سرطان تعیین کند.
شرمن اظهار داشت: یک نکته خوب در مورد مدل ما این است که آنرا یک دفعه برای یک نوع سرطان خاص آموزش می دهیم و مدل، میزان جهش در همه جای ژنوم را بطور هم زمان برای آن نوع خاص سرطان می آموزد. سپس می توان جهش هایی را که در یک گروه بیمار مشاهده می شوند، در مقابل تعداد جهش هایی که باید انتظار مشاهده آنها را داشت، قرار داد.
داده های مورد استفاده برای آموزش مدلها، از پروژه موسوم به "PCAWG" به دست آمده اند. تحلیل و بررسی مدل در مورد این داده ها، نقشه ای از میزان جهش های مورد انتظار در ژنوم را به پژوهشگران ارائه داد؛ بطوریکه پژوهشگران می توانستند میزان جهش مورد انتظار در هر مجموعه را با تعداد جهش مشاهده شده در هر نقطه از ژنوم مقایسه کنند.
تغییر چشم انداز
پژوهشگران با بهره گیری از این مدل توانستند به چشم انداز جدیدی در مورد جهش هایی برسند که به بروز سرطان منجر می شوند. هم اکنون، زمانی که تومورهای بیماران مبتلا به سرطان از نظر جهش های سرطان زا بررسی می شوند، یک جهش شناخته شده در حدود دو سوم مواقع ظاهر می شود. نتایج جدید بررسی پژوهشگران ام آی تی، جهش های محرک احتمالی را برای پنج تا ۱۰ درصد دیگر از مجموعه بیماران ارائه می کنند.
یکی از انواع جهش های غیر کدگذار که پژوهشگران روی آن تمرکز کردند، جهش های موسوم به "cryptic splice mutations" هستند. بیشتر ژن ها متشکل از توالی هایی از "اگزون ها"(exons) هستند که دستورالعمل های ساخت پروتئین را کدگذاری می کنند و همچنین، "اینترون ها"(introns) که بطور معمول قبل از تبدیل شدن به پروتئین، از آران ای پیامرسان جدا می شوند.
پژوهشگران با بهره گیری از مدل خود دریافتند که بنظر می رسد خیلی از جهش های cryptic splice، ژن های سرکوبگر تومور را مختل می کنند. هنگامی که این جهش ها وجود داشته باشند، سرکوبگرهای تومور به اشتباه به هم متصل می شوند و کار نمی کنند؛ در نتیجه سلول، یکی از دفاع های خودرا در مقابل سرطان از دست می دهد. تعداد مکان هایی که پژوهشگران در این بررسی پیدا کردند، حدود پنج درصد از جهش های محرک موجود در ژن های سرکوبگر تومور را می سازند.
بگفته پژوهشگران، هدف قرار دادن این جهش ها می تواند راه جدیدی برای درمان بالقوه بیماران عرضه نماید. یکی از روش های ممکن که هنوز درحال توسعه است، از رشته های کوتاه آران ای به نام "الیگونوکلئوتیدهای ضد حس"(ASOs) استفاده می نماید تا یک قطعه جهش یافته از DNA را با توالی صحیح ترمیم کند.
اگر بتوان جهش را به صورتی ناپدید کرد، مشکل حل می شود. ژن های سرکوبگر تومور می توانند به کار خود ادامه دهند و شاید با سرطان مبارزه کنند. فناوری ASO درحال توسعه است و این حوزه می تواند یک برنامه بسیار عالی برای آن باشد.
بخش دیگری که پژوهشگران تراکم بالایی از جهش های محرک غیرکدکننده را در آن پیدا کردند، در مناطق تبدیل نشده تعدادی از ژن های سرکوب کننده تومور وجود دارد. پیش تر مشخص شده بود که یک ژن سرکوبگر تومور موسوم به "TP۵۳" که در خیلی از انواع سرطان معیوب است، حذف های زیادی را در این توالی ها انجام می دهد. پژوهشگران دانشگاه ام آی تی، همین الگو را در یک سرکوب کننده تومور به نام "ELF3" پیدا کردند.
همچنین، پژوهشگران از مدل خود جهت بررسی این مساله استفاده کردند که آیا جهش های رایجی که پیش تر شناخته شده بودند نیز ممکنست به بروز انواع مختلف سرطان منجر شوند یا خیر. به عنوان نمونه، پژوهشگران دریافتند BRAF که ارتباط آن با ملانوما پیش تر شناخته شده بود، به پیشروی درصد کمتری از انواع دیگر سرطان همچون پانکراس، کبد و معده نیز کمک می نماید.
شرمن اظهار داشت: نتایج این پژوهش نشان می دهند که در حقیقت تداخل زیادی بین جهش های معمولی و جهش های نادر وجود دارد. این امر، فرصتی را برای هدفمندی مجدد درمان فراهم می آورد. این نتایج می توانند به هدایت آزمایش های بالینی کمک کنند که ما باید راه اندازی نماییم تا این داروها را از تایید شدن در یک سرطان، تا تایید شدن در خیلی از سرطان ها و کمک کردن به بیماران بیشتر گسترش دهیم.
این پژوهش، در مجله "Nature Biotechnology" به چاپ رسید.
منبع: shahblog.ir
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب