💻 bioinformatics

MosaicTR: tandem repeat somatic instability quantification from long-read sequencing

تُعد MosaicTR أداة حوسبية تستفيد من تسلسل القراءة الطويلة الموّسمة بالنمط الفرداني للتقدير الكمي الدقيق لعدم الاستقرار الجسدي لكل موضع في التكرارات الترادفية، متجاوزةً بذلك قيود طرق القراءة القصيرة لتكون بمثابة مؤشر حيوي لقصور إصلاح عدم التطابق ومراقبة تطور المرض في اضطرابات تمدد التكرار.

المؤلفون الأصليون: Kim, J.

نُشر 2026-03-18

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Kim, J.

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

تخيل أن حمضك النووي (DNA) عبارة عن مكتبة ضخمة من كتيبات التعليمات. معظم هذه الكتيبات مكتوبة بشكل مثالي، ولكن بعض الأقسام تحتوي على سمة غريبة: جملة أو عبارة محددة تتكرر مرارًا وتكرارًا، مثل التلعثم في الكلام.

في الشخص السليم، تكون هذه التكرارات مستقرة. ولكن في بعض الأمراض (مثل مرض هنتنغتون) أو في حالات السرطان، تبدأ هذه التكرارات في حدوث "خلل" (Glitch). فقد تصبح أطول أو أقصر بشكل عشوائي أثناء انقسام الخلايا، وهذا ما يسمى عدم الاستقرار الجسدي (Somatic Instability). الأمر يشبه آلة تصوير مستندات تضيف أو تحذف بضع كلمات في كل مرة تنسخ فيها صفحة، مما يجعل التعليمات في النهاية غير قابلة للقراءة.

المشكلة هي أن العلماء واجهوا صعوبة في قياس مدى حدوث هذا الخلل بدقة، خاصة عند النظر إلى صفحات (مواقع جينية) محددة في المكتبة.

هنا يأتي دور MosaicTR، وهي أداة رقمية جديدة وُصفت في هذه الورقة البحثية. فكر فيها كأنها مجهر فائق الذكاء ومزود بخاصية إلغاء الضجيج لقراءة هذه الأجزاء "المخلّة" من الحمض النووي.

إليك كيف تعمل، مقسمة إلى مفاهções بسيطة:

1. ميزة "القراءة الطويلة": قراءة الجملة كاملة

استخدمت الأدوات القديمة تقنية "القراءة القصيرة" (Short-read sequencing). تخيل أنك تحاول فهم جملة طويلة مكررة عبر قراءة 3 كلمات فقط في كل مرة. إذا كانت الجملة هي "القط جلس على الحصير على الحصير على الحصير"، وأنت لا ترى سوى "على الحصير"، فلن تعرف عدد مرات تكرارها. قد تخمن، أو قد ترتبك بسبب "تأتأة" الآلة (ما يعرف بـ PCR stutter).

تستخدم MosaicTR تقنية "القراءة الطويلة" (Long-read sequencing) (مثل تقنيات PacBio و Oxford Nanopore). هذا يشبه قراءة الجملة كاملة في خطوة واحدة. يمكنك رؤية عدد المرات التي تتكرر فيها العبارة بالضبط، حتى لو كانت طويلة جدًا.

2. خدعة "النمط الفردي" (Haplotype): فرز التوائم

يمتلك البشر نسختين من كل جين (واحدة من الأم والأخرى من الأب). أحيانًا، تكون إحدى النسختين سليمة، بينما النسخة الأخرى تعاني من خلل.

المشكلة: إذا خلطت كل الحمض النووي معًا، فالأمر يشبه وجود نسختين مختلفتين من كتاب في كومة واحدة؛ لن تستطيع معرفة أي صفحة تنتمي لأي كتاب.
الحل: تستخدم MosaicTR "علامات النمط الفردي" (Haplotype tags أو HP tags). فكر في هذه العلامات كأنها قصاصات ملاحظات ملونة. إنها تفصل "نسخة الأم" عن "نسخة الأب" حتى تتمكن من قياس الخلل في كل منهما على حدة. وهذا أمر بالغ الأهمية لأن الخلل غالبًا ما يحدث في جانب واحد فقط.

3. "فلتر الضجيج": تجاهل التشويش

هذه هي الابتكار الأكبر في هذه الورقة البحثية. أجهزة القراءة الطويلة رائعة، لكنها ليست مثالية؛ فهي ترتكب أحيانًا أخطاءً صغيرة وعشوائية (مثل إضافة حرف أو فقدان حرف) تبدو وكأنها خلل، لكنها ليست كذلك.

التشبيه: تخيل أنك تحاول سماع همس في غرفة مليئة بالرياح. الرياح (ضجيج التسلسل) تجعل من الصعب معرفة ما إذا كان الشخص يهمس سرًا حقًا أم أنه مجرد صوت الرياح.
الإصلاح: تعرف أداة MosaicTR "إيقاع" الحمض النووي. التكرارات في الحمض النووي تأتي في كتل (Motifs) محددة، مثل كلمة مكونة من 3 أحرف.
- إذا ارتكبت الآلة خطأً يكسر إيقاع الـ 3 أحرف (مثل إضافة حرف واحد)، تدرك MosaicTR أن "هذا مجرد ضجيج رياح"، وتقوم بتجاهله.
- أما إذا كان التغيير عبارة عن كتلة كاملة (مثل إضافة كلمة كاملة من 3 أحرف)، فإن MosaicTR تدرك أن "هذا خلل حقيقي!"، وتقوم بإحصائه.
  هذا "فلتر الإيقاع" يجعل الأداة دقيقة للغاية، حيث يقلل من الإنذارات الكاذبة.

4. "مؤشر عدم الاستقرار" (HII)

تعطيك الأداة درجة تسمى مؤشر عدم استقرار النمط الفردي (Haplotype Instability Index - HII).

الدرجة القريبة من 0: تعني أن الحمض النووي مستقر، أي أن المكتبة هادئة.
الدرجة العالية: تعني أن الحمض النووي فوضوي، حيث تتزايد أو تتناقص التكرارات بشكل جامح. هذا يخبر الأطباء أن المرض قد يكون في بدايته، أو أن الورم لديه نوع معين من فشل إصلاح الحمض النووي.

5. السفر عبر الزمن ورسم الخرائط

الأداة ليست مجرد لقطة ثابتة، بل يمكنها:

المقارنة عبر الزمن: مراقبة الحمض النووي لمريض في سن العشرين ومقارنته بنفس الشخص في سن الأربعين لرؤية كيف نمت الاختلالات بمرور الوقت (الدراسات الطولية).
المقارنة بين الأماكن: مقارنة الحمض النووي في الدماغ مقابل الكبد لمعرفة ما إذا كانت الاختلالات تحدث في كل مكان أم في عضو معين فقط (دراسة نوع الأنسجة).

لماذا يهم هذا الأمر؟

بالنسبة للأمراض: في أمراض مثل هنتنغتون، كلما زادت اختلالات الحمض النووي، ساءت الأعراض. تساعد MosaicTR في التنبؤ بمدى سرعة تطور المرض.
بالنسبة للسرطان: تمتلك بعض أنواع السرطان أنظمة إصلاح حمض نووي معطلة. يمكن لـ MosaicTR رصد هذه الأنظمة المعطلة مبكرًا، لتعمل بمثابة "ضوء تنبيه المحرك" لخلايا السرطان.
بالنسبة للبحث العلمي: تتيح للعلماء أخيرًا رؤية الطبيعة "الفسيفسائية" (Mosaic) لأجسادنا — كيف يمكن للخلايا المختلفة في نفس الشخص أن تمتلك تعليمات حمض نووي مختلفة قليلاً.

باختصار: MosaicTR هي مسطرة جديدة عالية الدقة يمكنها قياس التغييرات الصغيرة والفوضوية في الأجزاء المتكررة من حمضنا النووي، مع تصفية ضجيج الخلفية لتعطي الأطباء والعلماء صورة واضحة عن تطور المرض ومخاطر السرطان.

1. بيان المشكلة

يُعد عدم الاستقرار الجسدي (Somatic Instability) في التكرارات الترادفية (Tandem Repeats) — وهو التباين في طول التكرار داخل خلايا الفرد بمرور الوقت أو عبر الأنسجة — عاملاً حاسماً في ظهور وتطور اضطرابات توسع التكرار (مثل مرض هنتنغتون، ومتلازمة X الهشة) ويعمل كعلامة بيولوجية لنقص إصلاح عدم التطابق (Mismatch Repair Deficiency) في السرطان.

تواجه الطرق الحالية قيوداً كبيرة:

تسلسل القراءات القصيرة (Short-read sequencing): الأدوات مثل prancSTR و MSIsensor محدودة بطول القراءة (لا يمكنها استيعاب التوسعات الكبيرة) وتعاني من آثار "الارتعاش" (Stutter) الناتجة عن تفاعل البوليميراز المتسلسل (PCR)، خاصة عند تكرارات ثلاثي النوكليوتيد.
أدوات القراءات الطويلة الحالية: بينما يمكن لأدوات تحديد الأنماط الجينية مثل TRGT و LongTR تحديد أحجام الأليلات الكبيرة، إلا أنها تفتقر إلى آليات محددة للتمييز بين عدم الاستقرار البيولوجي والضجيج الناتج عن المنصة التقنية.
الافتقار إلى دقة النمط الفردي (Haplotype Resolution): تحلل معظم الأدوات القراءات المجمعة، مما يؤدي إلى الفشل في التمييز بين عدم الاستقرار في أحد الأليلين مقابل الآخر لدى الأفراد متباين الزيجوت (Heterozygous)، وهو أمر ضروري للتوصيف الدقيق للمرض.
الحساسية للضجيج: تمتلك المنصات المختلفة (PacBio HiFi مقابل Oxford Nanopore) ملفات تعريف خطأ متميزة (مثل عمليات الحذف في الـ homopolymer لـ sub-motif مقابل الـ jitter العشوائي بمقدار 1-bp)، والتي قد تضلل مقاييس عدم الاستقرار إذا لم يتم نمذجتها بشكل محدد.

2. المنهجية

MosaicTR هي أداة تعتمد على لغة بايثون (Python) مصممة لقياس عدم الاستقرار الجسدي لكل موقع (per-locus) من ملفات BAM ذات القراءات الطويلة والموسومة بالنمط الفردي (HP-tagged).

سير العمل الأساسي

استخراج المدخلات والقراءات:
- تقبل ملفات BAM الموسومة بـ HP وكتالوج BED للمواقع.
- تستخرج القراءات ذات التسلسل الجانبي الكافي (≥50 bp) وجودة مطابقة عالية.
- تجمع القراءات حسب النمط الفردي باستخدام وسوم HP. في حال فقدان الوسوم، تستخدم التحليل بالفجوات (gap-split analysis) أو التحليل المجمع.
تحديد حجم الأليل (Allele Sizing):
- تحسب أحجام الأليلات مباشرة من سلاسل CIGAR (مجموع عمليات المحاذاة التي تشمل التكرار) دون الحاجة لإعادة محاذاة التسلسل.
- تحسب متوسط أحجام الأليلات لكل نمط فردي باستخدام متوسطات مرجحة بـ MapQ مع تقريب مشروط لوحدة النموذج (motif-unit rounding).
مؤشر عدم استقرار النمط الفردي (HII):
- يقيس المؤشر الأساسي التباين داخل الأليل الواحد مع تطبيع (normalization) بالنسبة لطول النموذج ( $\ell$ ).
- المعادلة: $HII_k = \frac{1}{\ell} \cdot \frac{\sum w_i |s_i - \bar{s}_k|}{\sum w_i}$ $H I I_{k} = \frac{1}{ℓ} \cdot \frac{\sum w _{i} ∣ s _{i} - s ˉ _{k} ∣}{\sum w _{i}}$
  - $s_i$ : حجم أليل القراءة.
  - $\bar{s}_k$ : وسيط النمط الفردي.
  - $w_i$ : وزن يعتمد على اتساق وحدة النموذج.
- استراتيجية تقليل الضجيج:
  - PacBio HiFi: 92% من الأخطاء هي عمليات حذف homopolymer لـ sub-motif. يقوم MosaicTR بتقليل وزن الانحرافات التي ليست مضاعفات صحيحة لطول النموذج ( $w=0.1$ ) بينما يعطي وزناً كاملاً لانحرافات وحدة النموذج الكاملة ( $w=1$ ).
  - Oxford Nanopore (ONT): تتميز بوجود jitter عشوائي بمقدار $\pm1$ bp. بالنسبة للنماذج التي طولها $\ge3$ bp، فإن 1 bp يعتبر sub-motif (يتم تقليل وزنه). بالنسبة لثنائيات النوكليوتيد (dinucleotides)، فإن 2 bp تعادل وحدة نموذج واحدة (وزن كامل)، مما يتطلب عتبات ضجيج خاصة بالمنصة (مثلاً 2.0 لثنائيات النوكليوتيد، وتتناقص إلى 0.5 للنماذج $\ge7$ bp).
عدم التماثل والمقارنة:
- درجة عدم تماثل ما بين الأنماط الفردية (IAS): تقيس ما إذا كان عدم الاستقرار محصوراً في أليل واحد ( $IAS \approx 1$ ) أم أنه متماثل ( $IAS \approx 0$ ).
- أنماط العينات المتعددة: تدعم المقارنات الثنائية (مثل الورم مقابل الطبيعي) وأنماط المصفوفات لتتبع التغيرات الطولية ( $\Delta HII$ ) عبر أنسجة أو نقاط زمنية متعددة.

3. المساهمات الرئيسية

فصل الضجيج المدرك لوحدة النموذج: نظام ترجيح مبتكر يميز بين التوسع الجسدي البيولوجي (وحدات النموذج الكاملة) وبين ضجيج التسلسل (أخطاء sub-motif)، مما يقلل بشكل كبير من الإيجابيات الكاذبة على كل من منصتي PacBio و ONT.
دقة النمط الفردي (Haplotype-Resolved): أول أداة تقيس عدم الاستقرار على مستوى الأليل الفردي دون الحاجة لخطوات مرحلة (phasing) إضافية عند كل موقع، مما يتيح اكتشاف حاملي الأمراض حيث يكون عدم الاستقرار خاصاً بأليل معين.
القابلية للتكيف مع المنصات المتعددة: تكتشف المنصات التقنية تلقائياً وتطبق نماذج ضجيج محددة (مثل ضبط عتبات ثنائيات النوكليوتيد في ONT).
التتبع الطولي والتحليل النوعي للأنسجة: توفر أنماطاً لاكتشاف أنماط عدم الاستقرار الخاصة بالأنسجة وتتبع تراكم التوسع بمرور الوقت (رقم المرور/الجيل).

4. النتائج

التحقق والدقة:
- في البيانات الاصطناعية، ارتبط HII خطياً مع عدم الاستقرار المحاكى ( $R^2 = 1.0$ ).
- أداء التصنيف: حقق AUC قدره 0.975 (حساسية 99.3%، نوعية 100%) مع عتبة HII = 0.45.
- خط الأساس للضجيج: في عينات HG002 السليمة (108,584 موقعاً)، كان متوسط HII هو 0.004. أدى ترجيح وحدة النموذج إلى تقليل معدل الإيجابيات الكاذبة من 10.2% إلى 0.9%.
- المقارنة: أظهر MosaicTR توزيع ضجيج أضيق من أداة Owl (التي تستخدم معامل الاختلاف غير المرجح).
اكتشاف حاملي الأمراض:
- نجح في تحديد حاملي 5 اضطرابات (هنتنغتون، SCA10، X الهشة، SCA3، SCA1) عبر مجموعات بيانات PacBio و ONT.
- ارتباط التدرج: ارتبطت قيم HII مع حجم التوسع (على سبيل المثال، حامل SCA10 بـ 1,041 تكراراً كان لديه HII = 31.0).
- دقة النمط الفردي: ميز بين عدم الاستقرار أحادي الجانب ( $IAS \approx 1$ ) والتوسع الثنائي الجانب ( $IAS \approx 0.12$ )، وهو تمييز مستحيل باستخدام البيانات المجمعة.
التتبع الطولي:
- في خط خلايا سرطان البنكرياس HG008، رصد MosaicTR توسعات تدريجية (مثلاً زيادة +675 bp في تكرار GAGCC) بين المرور 23 و 41.
- لاحظ أن 90% من المواقع التي حدث فيها انزياح كانت من ثنائيات النوكليوتيد، وهو ما يتوافق مع انزلاق التضاعف (replication slippage)، بينما غاب عدم الاستقرار في أحاديات النوكليوتيد (وهو ما يتوافق مع استقرار الميكروساتليت).

5. الأهمية

يعالج MosaicTR فجوة حرجة في التحليل الجينومي من خلال تمكين القياس الدقيق لعدم الاستقرار الجسدي في التكرارات الترادفية باستخدام تسلسل القراءات الطويلة. إن قدرته على فصل ضجيج التسلسل عن الإشارة البيولوجية من خلال ترجيح وحدة النموذج تجعله قوياً عبر تقنيات التسلسل المختلفة.

تعتبر هذه الأداة مهمة بشكل خاص لـ:

التشخيص السريري: تحسين اكتشاف اضطرابات توسع التكرار من خلال التمييز بين عدم الاستقرار الجسدي الحقيقي والآثار التقنية، وحل حالات تباين الزيجوت.
أبحاث السرطان: توفير علامة بيولوجية حساسة لنقص إصلاح عدم التطابق وتتبع تطور الورم.
الرؤية البيولوجية: تسهيل الدراسات واسعة النطاق (مثل كونسورتيوم SMaHT) لرسم خرائط لأنماط التوسع الجسدي المعتمدة على الأنسج والعمر على مستوى الجينوم، وهو ما كان يعيقها سابقاً محدودية تقنيات القراءات القصيرة وعدم دقة النمط الفردي.

التوفر: الأداة مفتوحة المصدر (ترخيص MIT) ومتاحة على https://github.com/junsoopablo/mosaictr.