← أحدث الأبحاث
💻 المعلوماتية الحيوية

Integrating disease and protein networks expands genetic support for therapeutic targets

تقدم الورقة البحثية BRIDGE، وهي طريقة تعمل على نشر الأدلة الجينية عبر شبكات مقترنة من التفاعل بين البروتينات وتشابه الأمراض لتوسيع نطاق تغطية ومعدل النجاح السريري لاختيار الأهداف العلاجية بشكل كبير بما يتجاوز ما هو ممكن بالاعتماد على الدعم الجيني المباشر وحده.

المؤلفون الأصليون: Zhang, W., Xu, J., Lyu, Y., Liu, M., Shen, H., Wu, L., Zhao, B., Deng, H.-W., Wu, C.

نُشر 2026-11-18
📖 7 دقيقة قراءة🧠 قراءة متعمّقة

المؤلفون الأصليون: Zhang, W., Xu, J., Lyu, Y., Liu, M., Shen, H., Wu, L., Zhao, B., Deng, H.-W., Wu, C.

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

إن العثور على دواء جديد هو مقامرة ذات أبعاد هائلة؛ إذ يستغرق الأمر أكثر من عقد من الزمن ومليارات الدولارات لنقل عقار واحد من فكرة مخبرية إلى رف الصيدلية، ومعظم المحاولات تفشل. لعقود من الزمن، نظر العلماء إلى الوراثة البشرية بحثاً عن وسيلة لترجيح كفة الحظ لصالحهم. والمنطق هنا مباشر: إذا كان جين معين مرتبطاً بشكل طبيعي بمرض ما لدى البشر، فإن العقار الذي يستهدف بروتين ذلك الجين قد يعمل كعلاج. أصبح هذا النهج بوصلة موثوقة، توجه الباحثين نحو أهداف هي أكثر عرضة للنجاح في التجارب السريرية. ومع ذلك، فإن هذه البوصلة بها نقطة عمياء؛ فهي تشير فقط إلى الأهداف التي يكون فيها الارتباط الجيني مباشراً وواضحاً. وفي المشهد الشاسع للبيولوجيا البشرية، تفتقر العديد من الأهداف والأمراض الواعدة إلى هذه البصمة الجينية المباشرة، مما يتركها خارج الخريطة تماماً.

تقدم دراسة جديدة طريقة تسمى BRIDGE، صُممت لتوسيع نطاق وصول هذه البوصلة الجينية دون فقدان دقتها. أدرك الباحثون أن البيولوجيا لا تعمل بمعزل عن غيرها؛ فالجينات تتفاعل مع بعضها البعض في شبكات معقدة، تماماً مثل الناس في مجتمع ما، وغالباً ما تشترك الأمراض في سمات بيولوجية أساسية. ومن خلال نسج هذه الروابط معاً، أنشأ الفريق نظاماً يمكنه تتبع الأدلة الجينية من الأهداف المعروفة إلى غير المعروفة، ومن مرض إلى آخر مرتبط به. اختبروا هذا النظام مقابل قاعدة بيانات ضخمة تضم آلاف محاولات تطوير الأدوية. وتظهر النتائج أنه من خلال ربط النقاط بين البروتينات والأمراض، يمكن للعلماء تحديد العديد من أهداف الأدوية الواعدة التي كانت غير مرئية سابقاً، مع الحفاظ في الوقت نفسه على احتمالية عالية للنجاح السريري. لا يحل هذا النهج محل الحاجة إلى إثبات جيني مباشر، ولكنه يوفر وسيلة لإيجاد مؤشرات قيمة في الظلال حيث تغيب الأدلة المباشرة.

إن التحدي الجوهري الذي عالجه الباحثون هو أن الدعم الجيني المباشر نادر. ففي مراجعة لأكثر من 13,000 جهد لتطوير الأدوية وصلت على الأقل إلى المرحلة الأولى من الاختبارات البشرية، تبين أن حوالي 5% فقط من أزواج (الهدف-المرض) لديها أدلة جينية مباشرة تربط بينهما. وبالنسبة للغالبية العظمى من المرشحين، كانت الإشارة الجينية صامتة. تساءل الفريق عما إذا كان بإمكانهم استعارة القوة من السياق البيولوجي المحيط. فقاموا ببناء خريطة رقمية تجمع بين نوعين من الشبكات: الأول هو خريطة التفاعل البروتيني، والتي توضح أي البروتينات تتلامس جسدياً أو تعمل معاً داخل الخلية. والثاني هو خريطة تشابه الأمراض، والتي تجمع الأمراض التي تشترك في سمات أو أعراض بيولوجية. وقد رُبطت هاتان الخريطتان معاً، مما خلق شبكة واسعة حيث يرتبط كل جين وبروتين ومرض ببعضهم البعض.

باستخدام هذه الشبكة، طور الباحثون خوارزمية تعمل بمثابة "مضخم للإشارة". تبدأ الخوارزمية بالجينات التي تمتلك دعماً جينياً مباشراً وقوياً لمرض معين، ثم ترسل "إشارة" عبر الشبكة. تنتقل هذه الإشارة عبر الروابط البروتينية إلى الجينات المجاورة، وتقفز عبر روابط الأمراض إلى الحالات المرتبطة بها. إذا كان الجين قريباً من هدف ناجح معروف، أو إذا كان المرض مشابهاً لمرض ذي سبب جيني معروف، فإن الخوارزمية تعطي ذلك الزوج (الجين-المرض) درجة أعلى. ومن الأهمية بمكان أن النظام يتضمن خطوة معايرة صارمة؛ حيث يقارن درجات المرشحين الحقيقيين بالدرجات الناتجة عن عملية خلط عشوائية لضمان أن النتائج ليست مجرد نتاج لمدى ارتباط الجين بشبكة واسعة. وهذا يمنع النظام من تفضيل الجينات "الشعبية" التي ترتبط بكل شيء آخر.

عندما طبق الفريق هذه الطريقة على قاعدة بياناتهم التي تضم 13,000 زوج من تطوير الأدوية، كانت النتائج كبيرة. فمن خلال الجمع بين الدليل الجيني المباشر والدعم المستمد من الشبكة الجديدة، تضاعف نطاق الأهداف المدعومة تقريباً، ليرتفع من 5.1% إلى 9.5%. وهذا يعني أنه بالنسبة لما يقرب من 600 زوج إضافي من تطوير الأدوية، استطاع النظام الآن تقديم مسوغ جيني كان غائباً في السابق. والأهم من ذلك، أن هذا التوسع لم يأتِ على حساب الجودة؛ فالمرشحون الجدد الذين حددتهم الشبكة كانوا بنفس قدر احتمالية النجاح في التجارب السريرية مثل أولئك الذين لديهم دعم جيني مباشر. في الواقع، من بين الأزواج التي افتقرت إلى دليل جيني مباشر ولكنها كانت مدعومة بالشبكة، نجح ما يقرب من 25% في الوصول إلى السوق كأدوية مطروحة، مقارنة بأقل من 9% للمرشحين غير المدعومين.

كما أظهرت الدراسة أن هذه الطريقة تعمل حتى بالنسبة للجينات التي ليس لها تاريخ جيني مباشر على الإطلاق. فقد حدد الباحثون 101 جيناً لم يسبق ربطها بأي مرض عبر دليل جيني مباشر، ومع ذلك كانت مدعومة بالشبكة بسبب ارتباطاتها بأهداف ناجحة أخرى. لم تكن هذه الجينات مجرد احتمالات نظرية؛ بل إن العديد منها كان قيد البحث بالفعل كأهداف دوائية، ووصل بعضها بالفعل إلى السوق. لقد نجح النظام في تسليط الضوء على هؤلاء المرشحين، مما أثبت أن نهج الشبكة يمكنه الكشف عن الإمكانات الخفية في الجينات التي كانت الطرق التقليدية ستتجاهلها.

لفهم كيفية حدوث هذا التوسع، قام الباحثون بتحليل المسارات التي سلكتها الإشارة. ووجدوا مسارين رئيسيين: المسار الأول يربط الهدف بمرض مرتبط به؛ فعلى سبيل المثال، إذا كان جين ما معروفاً بقدرته على علاج نوع من أمراض القلب، يمكن للنظام أن يقترح أنه قد يعمل أيضاً لعلاج حالة قلبية مماثلة، حتى لو لم يكن هناك دليل جيني مباشر لهذه الحالة الثانية بعد. أما المسار الثاني فيربط الهدف ببروتين مجاور؛ فإذا كان دواء ما يعمل على بروتين معين، يمكن للنظام أن يقترح أن بروتيناً يلمسه جسدياً قد يكون أيضاً هدفاً جيداً. وأظهرت الدراسة أن النتائج الأكثر فعالية جاءت من استخدام المسارين معاً. فعندما اختبر الباحثون النظام عن طريق إزالة أحد هذين الاتصالين، انخفض عدد التنبؤات الناجحة بشكل كبير، مما أثبت أن الجمع بين علاقات الأمراض والروابط البروتينية أمر ضروري لنجاح الطريقة.

قارن الباحثون أيضاً طريقتهم الشبكية المتطورة بقواعد أبسط قد يستخدمها العلماء، مثل مجرد النظر في الجيران المباشرين. وبينما استطاعت القواعد البسيطة إيجاد بعض المرشحين الجيدين، إلا أن نظام BRIDGE كان أفضل في تمييز المرشحين الواعدين حقاً من غيرهم. وعندما قام الباحثون بترتيب المرشحين حسب درجات الشبكة، وجدوا نجاحات في طرح الأدوية أكثر مما حققته القواعد البسيطة. وهذا يشير إلى أن الشبكة توفر فهماً أعمق وأكثر دقة للعلاقات البيولوجية لا تستطيع مجرد "الجوار" التقاطه. فالنظام قادر على منح الأولوية للمرشحين الذين يبعدون قليلاً في الشبكة ولكنهم لا يزالون ذوي صلة بيولوجية، مما يفلتر "الضجيج" الذي قد يضلل نهجاً أبسط.

تضمنت الدراسة فحصاً استشرافياً لمعرفة ما إذا كانت الطريقة قادرة على التنبؤ بالنجاحات المستقبلية. استخدم الباحثون بيانات ما قبل عام 2024 لبناء نموذجهم، ثم نظروا فيما حدث لبرامج تطوير الأدوية بين عامي 2024 و2025. واستمرت المرشحون المدعومون بالشبكة في إظهار معدل نجاح أعلى مقارنة بأولئك غير المدعومين. ورغم أن عدد عمليات الإطلاق الجديدة في هذه الفترة القصيرة كان صغيراً، إلا أن الاتجاه ظل ثابتاً، مما يشير إلى أن الطريقة قوية وليست مجرد انعكاس لبيانات الماضي. وأشار الباحثون إلى أنه رغم محدودية حجم العينة في هذه التنبؤات المستقبلية، إلا أن اتجاه النتائج كان متسقاً مع نتائجهم السابقة.

يوضح مثالان محددان كيفية عمل ذلك في الممارسة العملية. في إحدى الحالات، ربط النظام جيناً مشاركاً في اضطراب أيضي نادر بفئة أوسع من أمراض الكبد. أشارت الأدلة الجينية للاضطراب المحدد إلى بروتين مرتبط جسدياً ببروتين آخر كان هدفاً لعلاج ناجح وموجود بالفعل. لقد حددت الشبكة هذا الاتصال بشكل صحيح، وكان العلاج فعالاً بالفعل للحالة الأوسع. وفي حالة أخرى، ربط النظام بروتيناً مستقبلاً بعدوى فيروسية. كان المستقبل يبعد خطوتين في شبكة البروتين عن جين معروف بالمشاركة في المرض. ورغم هذه المسافة، كانت إشارة الشبكة قوية بما يكفي لتسليط الضوء على المستقبل كهدف حيوي. وقد أكدت التجارب السريرية اللاحقة أن الأدوية التي تستهدف هذا المستقبل يمكن أن تقلل من حالات دخول المستشفى بسبب العدوى، مما أكد تنبؤ الشبكة.

يقر الباحثون بأن هذه الطريقة ليست حلاً سحرياً؛ فهي تعتمد على جودة الخرائط الأساسية للتفاعلات البروتينية وتشابه الأمراض، والتي لا تزال قيد التطوير. كما توجد قيود في كيفية تعامل النظام مع الأمراض شديدة الاختلاف عن بعضها البعض أو البروتينات ذات الروابط القليلة. ومع ذلك، توفر الدراسة برهاناً واضحاً على أن دمج أنواع مختلفة من البيانات البيولوجية يمكن أن يوسع بشكل كبير من أدوات اكتشاف الأدوية. وهي تظهر أنه من خلال النظر في السياق البيولوجي الأوسع، يمكن للعلماء إيجاد مسارات جديدة لعلاجات فعالة كانت مخفية سابقاً.

في نهاية المطاف، يقدم هذا العمل طريقة عملية لتحقيق أقصى استفادة من البيانات الجينية البشرية. فبدلاً من انتظار ظهور رابط جيني مباشر لكل مرض على حدة، يمكن للباحثين الآن استخدام نسيج الروابط البيولوجية للعثور على مؤشرات واعدة بنفس القدر. لا يحل هذا النهج محل الحاجة إلى الاختبارات الصارمة، ولكنه يوفر أساساً أقوى لاتخاذ قرار بشأن الأدوية التي ينبغي السعي وراءها. ومن خلال توسيع نطاق الأهداف المدعومة جينياً، تزيد هذه الطريقة من فرص العثور على علاجات جديدة للأمراض التي تملك حالياً خيارات قليلة. وتشير الدراسة إلى أن مستقبل اكتشاف الأدوية لا يكمن فقط في العثور على الجين الصحيح، بل في فهم الشبكة المعقدة من العلاقات التي تشاركها الجينات والبروتينات والأمراض.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →