کشف جهشهای ژنتیکی جدیدی که موجب اوتیسم میشوند
نتایج پژوهشی جدید نشان میدهد بیماریهای عصبی تکاملی ممکن است حاصل جهشهایی در مناطق غیرکدکنندهی ژنوم انسان باشند. پژوهشگران با استفاده از تکنیکهای هوش مصنوعی نشان دادند وقوع جهش در مناطق DNA زائد میتواند موجب اوتیسم شود. این مطالعه که در مجلهی Nature Genetics منتشر شده، اولین مطالعهای است که ازلحاظ عملکردی چنین جهشهایی را با بیماریهای عصبی تکاملی مرتبط میکند.
پژوهشگران از یادگیری ماشین برای تجزیهوتحلیل ژنوم ۱,۷۹۰ فرد مبتلا به اوتیسم و والدین و خواهران و برادران سالمشان استفاده کردند. این افراد سابقهی خانوادگی ابتلا به اوتیسم نداشتند؛ یعنی علت ژنتیکی بیماری آنها بهجای جهشهای توارثی، احتمالا جهشهای خودبهخودی بود. نتایج تجزیهوتحلیل وقوع جهشهایی را در بخشهایی از ژنوم پیشبینی کرد که کدکنندهی پروتئین نبودند؛ مناطقی که اغلب بهاشتباه به آنها «DNA زائد» گفته میشود. تعداد موارد اوتیسم که با جهشهای غیرکدکننده مرتبط بودند، با تعداد جهشهایی مقایسهشدنی بود که در مناطق کدکنندهی پروتئین اتفاق افتاده بود و موجب اختلال در عمکرد ژن میشد. ترویانسکایا، یکی از پژوهشگران مطالعه میگوید:
تلویحات این مطالعه فراتر از اوتیسم است. این نخستین نمایش آشکاری از جهشهای غیرتوارثی در مناطق غیرکدکننده است که موجب بروز هر بیماری یا اختلال پیچیدهای در انسان میشود.
جیان ژو، دیگر پژوهشگر مطالعه، معتقد است:
دانشمندان میتوانند از همین تکنیکها برای اکتشاف جهشهای غیرکدکنندهای استفاده کنند که در بیماریهایی مانند سرطان و بیماری قلبی نقش دارند. این یافتهها دیدگاه جدیدی نهفقط دربارهی علت اوتیسم، بلکه علت بسیاری از بیماریهای انسانی ارائه میدهد.
تنها ۱ تا ۲ درصد از ژنوم انسان از ژنهایی تشکیل شده که کدکنندهی الگوهایی برای ساخت پروتئینها هستند. پروتئینها در بدن وظایف مختلفی مانند تنظیم قندخون و مبارزه با عفونت و انتقال پیام بین سلولها انجام میدهند. البته ۹۸ درصد باقیماندهی ژنوم ما بار مردهی ژنتیکی نیستند. مناطق غیرکدکننده تنظیمکنندهی زمان و مکان تولید پروتئینها هستند. جهش در مناطق کدکنندهی پروتئین علت ۳۰ درصد موارد اوتیسم در افراد بدون سابقهی اوتیسم است و شواهد نشان میدهند جهشهای مسبب اوتیسم باید در مناطق دیگری از ژنوم اتفاق افتاده باشند.
کشف این موضوع دشوار است که کدام جهشهای غیرکدکننده ممکن است موجب اوتیسم شده باشد. شاید فردی جهشهای غیرکدکنندهی زیادی داشته باشد که بیشتر آنها ممکن است به خود او منحصر باشند. این امر موجب میشود رویکرد معمول برای شناسایی جهشهای مشترک در میان افراد مبتلا نتیجهبخش نباشد. برای حل این مشکل، ترویانسکایا و همکارانش از روش جدیدی استفاده کردند و مدلی از یادگیری ماشین را آموزش دادند تا بتواند تأثیر توالی خاصی روی بیان ژن پیشبینی کند. چاندرا تیزفلد، یکی از پژوهشگران مطالعه میگوید:
این، تحولی در نحوهی تفکر ما دربارهی مطالعات ژنتیکی است که با این تجزیهوتحلیل معرفی میکنیم. علاوهبر دانشمندانی که جهشهای ژنتیکی مشترک را در گروههای بزرگ افراد مطالعه میکنند، در اینجا از مجموعهای از ابزارهای هوشمند و پیشرفته استفاده میکنیم که به ما میگویند هر جهش خاص قرار است چه کاری انجام دهد؛ حتی جهشهایی که نادر هستند یا هرگز قبل از آن دیده نشدهاند.
پژوهشگران اساس ژنتیکی اوتیسم را با اجرای مدل یادگیری ماشین روی گنجینهی باارزشی از دادههای ژنتیکی بهنام مجموعهی کمپلس سیمونز (SSC) بررسی کردند. این گنجینه حاوی دوهزار توالی چهاربخشی بود که در هرکدام از این بخشها، توالی یک کودک مبتلا به اوتیسم و نیز توالی ژنوم یک خواهر یا برادر سالم و والدین او وجود دارد. این چهار نفر سابقهی اوتیسم ندارند؛ یعنی احتمالا جهشهای غیرتوارثی عامل بیماری کودک باشند (چنین جهشهایی بهصورت خودبهخودی در سلولهای اسپرم و تخمک و نیز در جنین رخ میدهد).
پژوهشگران از مدل خود برای پیشبینی تاثیر جهشهای غیرتوارثی غیرکدکننده در هر کودک مبتلا به اوتیسم استفاده کردند. سپس، آن پیشبینیها را با اثرهای همان قطعات جهشنیافته در خواهر یا برادر سالم کودک مقایسه کردند. ژو میگوید:
طراحی مجموعهی سیمونز چیزی است که به ما این امکان را داد این مطالعه را انجام دهیم. خواهران و برادران سالم مانند یک کنترل هستند.
نتایج تجزیهوتحلیل نشان میدهد جهشهای غیرکدکننده در بسیاری از کودکان مبتلا به اوتیسم موجب تغییر تنظیمات ژنی میشوند. همچنین، این جهشها بیان ژنهایی را تحتتأثیر قرار میدهند که با اوتیسم مرتبط هستند؛ مانند ژنهایی که مسئولیت مهاجرت و توسعهی نورونها را برعهده دارند. کریستوفر پارک، دیگر پژوهشگر این مطالعه، دراینباره میگوید:
این موضوع با چگونگی ظهور اوتیسم در مغز سازگار است. تنها تعداد جهشهایی که اتفاق میافتند، مهم نیست؛ بلکه نوع جهشها نیز اهمیت دارند.
پژوهشگران اثرهای برخی از همان جهشهای غیرکدکننده را در آزمایشگاه مطالعه کردند و با ورود جهشهایی که تأثیر پیشبینیشدهی آنها زیاد بود، تغییر حاصل در بیان ژن را مشاهده کردند. این تغییرات پیشبینیهای مدل را تأیید کرد. بهگفتهی ترویانسکایا، او و همکارانش روش خود را گسترش و بهبود خواهند داد و درنهایت امیدوارند این کار روی نحوهی استفاده از اطلاعات ژنتیکی برای تشخیص و درمان بیماریها و اختلالات تأثیر مثبتی بگذارد. او میگوید:
درحالحاضر، ۹۸ درصد از ژنوم معمولا کنار گذاشته میشود. پژوهش ما موجب میشود دربارهی کاری فکر کنید که میتوانید با این ۹۸ درصد انجام دهید.
نظرات