Combining RNA-seq and proteomics boosts sensitivity to detect differentially expressed genes by rpMeta
يقدم المؤلفون rpMeta، وهو حزمة برمجية مفتوحة المصدر للغة R تدمج بيانات تسلسل الحمض النووي الريبي (RNA-seq) والبروتينات من خلال التحليل التلوي لتعزيز حساسية الكشف عن الجينات ذات التعبير المتباين بشكل كبير مقارنة بتحليل كل نوع من البيانات على حدة.
البحث الأصلي مُهدى إلى الملك العام بموجب CC0 1.0 (https://creativecommons.org/publicdomain/zero/1.0/). 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
في دراسة الحياة، غالبًا ما ينظر العلماء إلى النظام البيولوجي نفسه من خلال عدستين مختلفتين. تركز إحدى العدستين على الحمض النووي الريبوزي (RNA)، وهي التعليمات الجزيئية التي تستخدمها الخلايا لبناء نفسها. أما العدسة الأخرى فتنظر إلى البروتينات، وهي الآلات الفيزيائية الفعلية التي تنفذ تلك التعليمات وتؤدي عمل الخلية. لعقود من الزمن، حلل الباحثون هاتين الطبقتين بشكل منفصل؛ حيث كانوا يقيسون الحمض النووي الريبوزي لمعرفة ما تخطط الخلية لفعله، ثم يقيسون البروتينات لمعرفة ما تفعله الخلية بالفعل. وبينما كشف هذا النهج الكثير عن كيفية عمل الكائنات الحية، إلا أنه يعامل الطبقتين كقصتين متمايزتين بدلاً من كونهما جزءاً من سرد واحد. ولأن التعليمات والآلات مرتبطة ببعضها البعض، فإن تجاهل العلاقة بينهما يعني تفويت جزء كبير من الحقيقة البيولوجية.
لقد طور فريق من الباحثين الآن طريقة جديدة لقراءة هاتين القصتين معاً. فقد أنشأوا أداة برمجية تسمى rpMeta، تجمع بين البيانات المستمدة من قياسات الحمض النووي الريبوزي والبروتين لإيجاد الفروق بين مجموعات الخلايا بحساسية أكبر مما لو تم النظر في أي منهما بمفرده. ومن خلال دمج الإشارات من كلا المصدرين، يمكن للأداة اكتشاف التغييرات الطفيفة التي قد تكون خافتة جداً بحيث لا يمكن رؤيتها إذا استُخدم نوع واحد فقط من البيانات. وتعد هذه الطريقة ذات قيمة خاصة عند دراسة أمراض مثل السرطان، حيث يمكن أن يؤدي فهم الفروق الدقيقة بين أنواع الخلايا إلى علاجات أفضل. وقد اختبر الباحثون طريقتهم على عينات سرطان الرئة ووجدوا أنها كشفت عن جينات وعمليات بيولوجية جديدة كانت غير مرئية للطرق التقليدية، مما قدم صورة أوضح لكيفية سلوك هذه الأمراض.
بدأ الباحثون بطرح سؤال بسيط: هل يمكن لدمج بيانات الحمض النووي الريبوزي والبروتين أن يساعد العلماء في إيجاد فروق بين أنواع الخلايا أكثر مما لو استخدموا أي مصدر للبيانات بمفرده؟ وللإجابة على ذلك، قاموا ببناء برنامج حاسوبي جديد يأخذ مجموعتين من الأرقام — مجموعة تصف مستويات الحمض النووي الريبوزي وأخرى تصف مستويات البروتين من العينات نفسها — ويحللهما في آن واحد. وبدلاً من مجرد مقارنة النتائج جنباً إلى جنب، يستخدم البرنامج طريقة إحصائية لدمج الأدلة من كلا المصدرين؛ إذ يتساءل عما إذا كانت الأنماط في الحمض النووي الريبوزي والأنماط في البروتين تشير إلى نفس الاتجاه. وعندما تفعل ذلك، يعامل البرنامج الأدلة المدمجة كدليل أقوى على وجود فرق حقيقي. وهذا يسمح للأداة برصد التغييرات التي تكون متسقة ولكنها ربما تكون أصغر من أن تُلاحظ في مجموعة بيانات واحدة.
وللتأكد من أن هذه الطريقة الجديدة تعمل بالفعل بشكل أفضل من الطرق القديمة، أجرى الفريق عدة فحوصات صارمة. أولاً، أنشأوا تجربة محاكاة حيث عرفوا بالضبط الجينات المختلفة وغير المختلفة. وخلطوا بيانات حقيقية مع ضوضاء عشوائية لمعرفة ما إذا كانت الأداة الجديدة قادرة على إيجاد الفروق الحقيقية. وفي هذا الاختبار، وجدت الطريقة المدمجة الجينات الصحيحة بشكل أكثر تكراراً من الطرق التي نظرت إلى الحمض النووي الريبوزي وحده أو البروتين وحده. بعد ذلك، اختبروا الأداة على مجموعات أصغر من العينات لمعرفة ما إذا كان بإمكانها الاستمرار في العمل عندما تتوفر بيانات أقل. وحتى مع وجود عينات أقل، ظلت الطريقة المدمجة أكثر دقة. وأخيراً، طبقوا الأداة على بيانات واقعية من دراستين مختلفتين كبيرتين لسرطان الرئة؛ حيث استخدموا نتائج إحدى الدراستين كمرجع وتحققوا مما إذا كانت الأداة قادرة على إيجاد نفس الفروق في الدراسة الأخرى. ومرة أخرى، تفوقت الطريقة المدمجة على طرق المصدر الواحد، مما أثبت قدرتها على تحديد الفروق البيولوجية بين مجموعات مختلفة من المرضى بشكل موثوق.
عندما طبق الباحثون أداتهم على مجموعة كبيرة من عينات سرطان الرئة، كانت النتائج مذهلة. فقد حددت الطرق القياسية، التي تنظر إلى الحمض النووي الريبوزي أو البروتينات بشكل منفصل، آلاف الجينات المختلفة. ومع ذلك، وجدت الطريقة المدمدة الجديدة المزيد، بما في ذلك مئات الجينات التي لم تكتشفها أي من الطريقتين المنفردتين. ومن بين هذه الجينات المكتشفة حديثاً كان هناك جين يسمى CDK12، وهو مشارك في انقسام الخلايا وإصلاح الحمض النووي (DNA). ولم يتم تحديد هذا الجين كعنصر مهم إلا عند تحليل بيانات الحمض النووي الريبوزي والبروتين معاً. كما كشفت الأداة عن عمليات بيولوجية جديدة جارية في أنواع مختلفة من سرطان الرئة؛ فعلى سبيل المثال، وجدت مسارات محددة تتعلق بحركة الخلايا والإشارات المناعية كانت نشطة في نوع فرعي واحد من المرض، ولكنها فُقدت بسبب الطرق الأخرى. وتشير هذه النتائج إلى أن النهج المدمج لا يضيف الأرقام فحسب، بل يكشف عن طبقة أعمق من الواقع البيولوجي كانت مخفية سابقاً.
كما صمم الباحثون البرنامج لجعل هذه النتائج المعقدة سهلة الفهم؛ حيث أدرجوا أدوات بصرية تسم تسمح للعلماء برؤية كيف تتحرك مستويات الحمض النووي الريبوزي والبروتين معاً لجينات معينة، وأنشأوا مخططات توضح المسارات البيولوجية النشطة. تساعد هذه الوسائل البصرية الباحثين على رصد الأنماط بسرعة وفهم العلاقة بين التعليمات والآلات. والأداة متاحة كبرنامج مفتوح المصدر ومجاني، مما يعني أن العلماء الآخرين يمكنهم استخدامها فوراً لتحليل بياناتهم الخاصة. ومن خلال توفير طريقة لدمج نوعين رئيسيين من البيانات البيولوجية، يقدم هذا العمل رؤية أكثر اكتمالاً لكيفية عمل الخلايا. وهو يثبت أنه عندما ينظر العلماء إلى الصورة الكاملة، عبر دمج التعليمات مع الآلات، يمكنهم رؤية تفاصيل الحياة التي كانت بعيدة المنال سابقاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.