ChromBPNet: bias factorized, base-resolution deep learning models of chromatin accessibility reveal cis-regulatory sequence syntax, transcription factor footprints and regulatory variants
يُعد ChromBPNet نموذجاً للتعلم العميق خفيف الوزن ذا دقة أساسية، يقوم بتحليل الانحيازات الخاصة بكل مقايسة بعيداً عن الإشارات التنظيمية لفك تشفير بناء الجملة لارتباط عوامل النسخ بمتانة، وتوليد بصمات دقيقة، وتحديد أولويات المتغيرات الجينية الوظيفية التي تؤثر على إمكانية الوصول إلى الكروماتين والسمات المعقدة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
داخل نواة كل خلية بشرية تقريباً، لا يكون الحمض النووي (DNA) مجرد خيط سائب، بل هو حزمة ملفوفة بإحكام. ولكي تتمكن الخلية من قراءة التعليمات الجينية الكامنة بداخله، يجب عليها أولاً فك ضغط هذه الحزم، مما يجعل مناطق محددة من الحمض النووي متاحة للآليات التي تتحكم في النشاط الجيني. يستطيع العلماء رؤية هذه المناطق المفتوحة والمتاحة باستخدام تقنيات مختبرية قوية تعمل مثل كشاف الضوء، حيث تسلط الضوء على أجزاء الجينوم النشطة حالياً. هذه المناطق النشطة، المعروفة باسم العناصر التنظيمية، هي حيث ترتبط بروتينات تسمى "عوامل النسخ" بالحمض النووي لفتح الجينات أو إغلاقها. إن فهم أي تسلسلات من الحمض النووي تسمح لهذه البروتينات بالارتباط بدقة، وكيف تغير الاختلافات الجينية بين البشر عملية الارتباط هذه، أمر بالغ الأهمية لفهم كيفية تشكل السمات وسبب حدوث الأمراض. ومع ذلك، فإن الإشارات التي يلتقطها العلماء من هذه التجارب غالباً ما تكون مشوبة بالضجيج ومشوهة بفعل الأدوات المستخدمة في قياسها، مما يجعل من الصعب التمييز بين الإشارة البيولوجية الحقيقية والآثار التقنية الناتجة عن الأدوات.
تقدم دراسة جديدة نموذجاً حاسوبياً متطوراً يسمى ChromBPNet، صُمم لاختراق هذا الضجيج والكشف عن القواعد الدقيقة التي تحكم كيفية عمل إمكانية الوصول إلى الحمض النووي. قام الباحثون بتدريب هذا النظام القائم على الذكاء الاصطناعي على كميات هائلة من البيانات من الخلايا البشرية، لتعليمه التنبؤ بالنمط الدقيق لإمكانية الوصول إلى الحمض النووي بناءً فقط على تسلسل الحروف الجينية. يعمل النموذج عند أدق مستوى ممكن من الدقة، حيث ينظر إلى الجينوم حرفاً بحرف. ويتمثل الابتكار الرئيسي لـ ChromBPNet في قدرته على فصل القصة البيولوجية الحقيقية عن التشوهات التقنية التي تسببها الإنزيمات المستخدمة في المختبر. ففي تجارب مثل ATAC-seq، التي تستخدم إنزيم "ترانسبوزاز" لوسم الحمض النووي المفتوح، يمتلك الإنزيم نفسه تفضيلاً لتسلسلات معينة من الحمض النووي، مما يخلق انحيازاً قد يبدو وكأنه موقع ارتباط بروتين بينما هو في الواقع مجرد نزوة من نزوات الإنزيم نفسه. يتعلم ChromBPNet كيفية تحديد وطرح تفضيلات الإنزيم هذه، تاركاً وراءه خريطة نظيفة وعالية الدقة لأماكن التفاعل الحقيقي لعوامل النسخ مع الحمض النووي.
من خلال تطبيق تصحيح الانحياز هذا، اكتشف الباحثون أن الشفرة الجينية التي تتحكم في إمكانية الوصول مدمجة بشكل مثير للدهشة. فقد وجدوا أن مجموعة صغيرة نسبياً من "الزخارف" (motifs) الخاصة بعوامل النسخ، أو أنماط الارتباط، والتي تتحد في ترتيبات محددة، كافية لتفسير كيفية انفتاح الكروماتين في أنواع الخلايا المختلفة. كشف النموذج أن هذه العوامل غالباً ما تعمل معاً في فرق تعاونية، حيث يتم تنظيم المسافات والاتجاهات بين مواقع ارتباطها بصرامة. على سبيل المثال، حدد النموذج عناصر مركبة محددة حيث يجب أن يرتبط بروتينان مختلفان بتكوين دقيق لدفع عملية إمكانية الوصول، وهو مستوى من التفاصيل كانت الطرق السابقة تفتقده غالداً. علاوة على ذلك، نجح النموذج في إعادة بناء خرائط عالية الدقة لـ "بصمات البروتين" (protein footprints)—وهي فجوات ضئيلة في البيانات حيث يحمي البروتين الحمض النووي مادياً—حتى من مجموعات البيانات التي تحتوي على كميات ضئيلة جداً من المادة الجينية، وهو إنجاز كان مستحيلاً في السابق دون كميات هائلة من بيانات التسلسل.
تمتد قوة ChromBPNet لتشمل فهم كيفية تأثير الاختلافات الجينية على الصحة. اختبر الباحثون قدرة النموذج على التنبؤ بآثار ملايين المتغيرات الجينية، بما في ذلك تلك المرتبطة بالسمات المعقدة والأمراض النادرة. تنبأ النموذج بدقة بكيفية تغيير تغيير واحد في حرف من حروف الحمض النووي لإمكانية الوصول في منطقة ما، وغالباً ما تفوق أداء نماذج ذكاء اصطناعي أكبر وأكثر تعقيداً تم تدريبها على مجموعات بيانات متنوعة. والأهم من ذلك، استطاع النموذج شرح لماذا كان للمتغير تأثير، من خلال تحديد الموقع الدقيق الذي تعطل فيه ارتباط البروتين وكيف انكسرت "بناء الجملة" التعاونية بين العوامل. وفي مثال صارخ، حدد النموذج متغيراً جينياً نادراً لدى مريض يعاني من اضطراب عصبي نمائي شديد، حيث أدى هذا المتغير إلى إنشاء موقع ارتباط جديد لبروتين مثبط، مما أدى فعلياً إلى إيقاف تشغيل جين ضروري لتطور الدماغ. وقد تحقق الباحثون من هذا التنبؤ في المختبر، حيث أظهروا أن الأليل المسبب للمخاطر قد أبطل بالفعل نشاط منطقة الحمض النووي في أدمغة الفئران النامية.
يوفر هذا العمل عدسة جديدة قوية لفك شفرة الجينوم التنظيمي. فمن خلال فصل الإشارات البيولوجية عن الضجيج التقني للتجارب، يقدم ChromBPNet رؤية أكثر وضوحاً ودقة لـ "بناء الجملة" الجيني الذي يتحكم في خلايانا. إنه يثبت أن نماذج التعلم العميق يمكن أن تكون خفيفة الوزن وعالية الدقة في آن واحد، وقادرة على التعميم عبر أنواع الخلايا، ومجموعات الأسلاف، والظروف التجريبية المختلفة. تشير الدراسة إلى أن القواعد التي تحكم التنظيم الجيني أكثر اتساقاً وقابلية للفهم مما كان يُعتقد سابقاً، مما يوفر إطاراً قوياً لتحديد التغيرات الجينية المحددة التي تقود السمات والأمراض البشرية. ومع استمرار تطوير وتطبيق هذه النماذج، فإنها تعد بتحويل كيفية تفسير الباحثين للمساحات الشاسعة من التباين الجيني، وتحويل البيانات المعقدة إلى رؤى بيولوجية قابلة للتطبيق.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.