A heterogeneous biomedical knowledge network framework for rare disease drug candidate prioritization: integrating Orphadata and DisGeNET via gene-bridge harmonization

بالنسبة لأكثر من ثلاثمائة مليون شخص حول العالم، غالباً ما يكون تشخيص الإصابة بمرض نادر بمثابة حكم بحياة ذات خيارات طبية قليلة جداً. وبينما حقق الطب الحديث خطوات مذهلة في علاج الأمراض الشائعة، فإن الغالبية العظمى من هذه الحالات النادرة تفتقر إلى أي أدوية معتمدة. والسبب غالباً ما يكون اقتصادياً: فتطوير دواء جديد هو عملية مكلفة وطويلة، وتجد شركات الأدوية صعوبة في تبرير الاستثمار عندما يكون عدد المرضى المحتملين صغيراً جداً. وهذا يترك الباحثين والأطباء يبحثون عن مسار مختلف، مسار لا يتطلب البدء من الصفر. بدلاً من ذلك، يبحثون عن طرق لإيجال أدوية موجودة بالفعل قد تصلح لهذه الحالات المهملة، وهي استراتيجية تُعرف باسم "إعادة توظيف الأدوية". وللقيام بذلك بفعالية، يعتمد العلماء على الشبكة المعقدة من الروابط بين الأمراض، والجينات التي تسببها، والأدوية التي تؤثر على تلك الجينات. فإذا كان من المعروف أن دواءً ما يتفاعل مع جين معين، وكان المرض النادر ناتجاً عن مشكلة في ذلك الجين نفسه، فهناك احتمال قوي بأن هذا الدواء قد يساعد في علاج المرض.

ومع ذلك، فإن التحدي يكمكم في أن المعلومات اللازمة لصنع هذه الروابط مبعثرة عبر قواعد بيانات مختلفة لا تتحدث اللغة نفسها. فإحدى قواعد البيانات الرئيسية، "أورفا داتا" (Orphadata)، تصنف العلاقات بين الأمراض النادرة والجينات التي تسببها، بينما تسجل قاعدة بيانات أخرى، "ديس جينيت" (DisGeNET)، كيفية تفاعل آلاف الأدوية مع الجينات. والمشكلة هي أن هذين المصدرين يستخدمان أنظمة تسمية مختلفة لنفس الجينات، مما يجعل من المستحيل ببساطة دمج بياناتهما. تعالج دراسة جديدة أجرتها ديا راماني هذا الحاجز من خلال بناء جسر بين هذين العالمين؛ حيث أنشأت الباحثة إطاراً حاسوبياً يقوم أولاً بتوحيد أسماء الجينات عبر كلتا قاعدتي البيانات، وترجمتها إلى لغة واحدة متسقة. وبمجرد توحيد البيانات، يتم نسجها في شبكة ضخمة ثلاثية الأبعاد، حيث ترتبط الأمراض والجينات والأدوية معاً. وتحتوي هذه الشبكة على أكثر من خمسة عشر ألف نقطة معلومات متميزة، تمثل ما يقرب من ألفين وخمسمائة مرض نادر وأكثر من أحد عشر ألف دواء.

ولاستيعاب هذا النسيج المعقد، تستخدم الدراسة نوعاً من الذكاء الاصطناعي يسمى "شبكة الانتباه الرسومي" (Graph Attention Network). وبدلاً من محاولة التنبؤ باكتشافات جديدة تماماً، وهو أمر ينطوي على درجة عالية من عدم اليقين، يتم تدريب النظام على فهم بنية الشبكة الموجودة. فهو يتعلم التعرف على الأنماط في كيفية ارتباط الأمراض والجينات والأدوية، مما يخلق فعلياً خريطة للعلاقات البيولوجية. وبمجرد أن يتعلم النظام هذه الأنماط، يمكنه أخذ مرض نادر معين كاستعلام وتصنيف جميع الأدوية في قاعدة بياناته بناءً على مدى قربها من ذلك المرض من خلال الجينات المشتركة. والهدف ليس اختراع علاج جديد، بل تحديد أولويات أكثر المرشحين الواعدين من الأدوية الموجودة لمزيد من البحث والتحقيق، وتحويل قائمة عشوائية من الاحتمالات إلى قائمة مختصرة ومركزة للأطباء والباحثين.

إن نتائج هذا النهج مذهلة في قدرتها على اختراق الضجيج. فعندما تم اختبار النظام على مائتي مرض مختلف، نجح في وضع علاج فعال معروف ضمن أفضل عشرة اقتراحات في أربعين بالمائة من الحالات. ويمثل هذا تحسناً هائلاً مقارنة بالتخمين العشوائي، الذي قد لا يجد الدواء الصحيح أبداً في مثل هذا المجمع الكبير من الخيارات. ولتوضيح المنطق البيولوجي وراء هذا النجاح، نظرت الدراسة في حالة محددة تتعلق باضطراب يسمى "هوكينسورينوريا" (Hawkinsinuria). لم يكن لدى النظام أي معرفة مسبقة بالمسارات الأيضية المعنية، ومع ذلك صنف دواء "نيتيسينون" (Nitisone) كرابع أكثر المرشحين احتمالاً. وهذا الدواء هو بالفعل العلاج القياسي لحالة أخرى تشترك في نفس المسار الجيني. وحقيقة أن النظام حدد هذا الارتباط دون أن يُخبر صراحةً عن المسار تشير إلى أن الأنماط الأساسية التي تعلمها هي أنماط بيولوجية سليمة وذات مغزى.

وتحرص الدراسة على تأطير نتائجها كأداة لدعم اتخاذ القرار وليس كإجابة سريرية نهائية. فالنظام مصمم لتوليد فرضيات وتوفير نقطة انطلاق للخبراء البشريين، الذين يجب عليهم بعد ذلك التحقق من الاقتراحات من خلال المزيد من البحث والاختبار. كما تسلط الدراسة الضوء على فجوة كبيرة في المعرفة الحالية، مشيرة إلى أن ما يقرب من نصف الأمراض النادرة في قاعدة بيانات "أورفا داتا" لم يكن من الممكن تضمينها في الشبكة بسبب عدم توفر بيانات دوائية مقابلة للجينات المرتبطة بها. وهذا القصور ليس فشلاً في الطريقة، بل هو انعكاس للحالة الراهنة للأدبيات الطبية، حيث لا تزال العديد من الحالات النادرة غير مدروسة بشكل كافٍ. ومن خلال جعل العملية بأكملها قابلة للتكرار ونشرها كأداة تفاعلية مجانية عبر الإنترنت، قدمت الباحثة للمجتمع العلمي وسيلة عملية للتنقل في المشهد الواسع لعلاجات الأمراض النادرة. ويظهر العمل أنه من خلال ربط قطع البيانات الموجودة بعناية، يمكننا البدء في رؤية أنماط كانت مخفية سابقاً، مما يقدم بصيص أمل لملايين المرضى الذين لا يملكون حالياً أي خيارات علاجية.