Cross-Platform Evaluation of Long-Read Sequencing for DNA Methylation and Portability of Methylation Predictors
تُظهر هذه الدراسة أنه في حين توفر تقنيات تسلسل القراءة الطويلة (ONT وPacBio) تغطية واسعة للميثيلوم وتدعم إمكانية نقل نماذج التنبؤ بالميثيلة واسعة النطاق، إلا أن توافقها الحالي عبر المنصات عند مواقع CpG الفردية يظل غير كافٍ للاستبدال المباشر لمصفوفات Illumina EPIC دون زيادة عمق التسلسل، والمعايرة، والتحقق الخاص بكل منصة.
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
تحمل الخلايا البشرية طبقة خفية من التعليمات تقع فوق الشفرة الوراثية، وتعمل بمثابة مفتاح خافت للتحكم في شدة الإضاءة، حيث ترفع أو تخفض مستوى تعبير الجينات دون تغيير أحرف الحمض النووي نفسه. هذه الطبقة، المعروفة باسم "مثيلة الحمض النوووي" (DNA methylation)، هي علامة كيميائية تلتصق بنقاط محددة على طول الجينوم، مما يساعد في تحديد كيفية سلوك الخلية، وكيف تبدو من حيث العمر، وما إذا كانت سليمة أم مريضة. لعقود من الزمن، اعتمد العلماء على أداة مخبرية قياسية لقراءة هذه العلامات، وهي طريقة تعمل بشكل جيد ولكنها لا تتحقق إلا من جزء ضئيل جداً من ملايين المواضع التي يمكن أن تظهر فيها هذه العلامات. إن الأمر يشبه محاولة فهم حالة الطقة من خلال النظر فقط من نوافذ قليلة في منزل ضخم. مؤخراً، ظهرت تقنيات جديدة تعد بقراءة العلامات عبر الجينوم بأكره دون تدمير عينة الحمض النووي في العملية، مما يوفر رؤية أوسع بكثير. ومع ذلك، قبل أن يتمكن العلماء من الوثوق بهذه الأدوات الجديدة في الدراسات الكبيرة، يحتاجون إلى معرفة ما إذا كانت الآلات المختلفة تتفق مع بعضها البعض، وما إذا كانت القواعد القديمة لتفسير البيانات لا تزال قابلة للتطبيق.
لقد وضع فريق من الباحثين هدفاً لاختبار آلات تسلسل القراءة الطويلة الجديدة هذه، والتي تأتي من شركتين مختلفتين، ومقارنتها بالمعيار المعتمد. أخذوا عينات دم من مجموعتين كبيرتين من الناس ومرروها عبر ثلاثة أنظمة مختلفة: الطريقة القياسية القديمة، وآلتي القراءة الطويلة الجديدتين. كان الهدف هو معرفة ما إذا كانت الآلات الجديدة قادرة على التقاط نفس المعلومات التي تلتقطها الطريقة القديمة، وما إذا كانت الآلات الجديدة تتفق مع بعضها البعض. وجد الباحثون أن كلتا الآلتين الجديدتين كانتا قادرتين على مسح الجينوم بأكره تقريباً، حيث وجدتا حوالي ثمانية وعشرين مليون موضع يمكن أن توجد فيه علامات المثيلة، وهو تحسن هائل مقارنة بالطريقة القياسية التي لا تنظر إلا إلى بضع مئات الآلاف فقط. هذا التغطية الواسعة تمثل خطوة كبيرة للأمام، مما يسمح للعلماء برؤية مناطق في الجينوم كانت غير مرئية سابقاً للدراسات واسعة النطاق.
ومع ذلك، عندما قارن الباحثون الأرقام المحددة التي أنتجتها الآلات لنفس النقطة ولنفس الشخص، لم يكن الاتفاق مثالياً. وبينما رأت الآلات الأنماط نفسها بشكل عام، فإن القياسات الدقيقة للنقاط الفردية غالباً ما كانت تختلف. واكتشف الباحثون أن كمية البيانات التي يتم جمعها لكل نقطة، والمعروفة باسم "عمق القراءة" (read depth)، لعبت دوراً حاسماً. وعندما قاموا بمحاكاة ما سيحدث إذا جمعوا المزيد من البيانات، وجدوا أن الآلة ستحتاج إلى قراءة كل نقطة حوالي خمسين إلى ستين مرة لتطابق موثوقية الطريقة القياسية القديمة. وفي تجاربهم الفعلية، جمعت إحدى الآلات الجديدة بيانات كافية لتقترب من هذا المستوى من الموثوقية، بينما جمعت الأخرى أقل من ذلك قليلاً. وهذا يشير إلى أن هذه الأدوات الجديدة قوية، ولكنها تحتاج حالياً إلى العمل بكثافة كافية لجمع نقاط بيانات كافية لتكون جديرة بالثقة تماماً لكل نقطة على حدة.
كما اختبرت الدراسة ما إذا كانت الصيغ الرياضية التي يستخدمها العلماء للتنبؤ بأشياء مثل العمر البيولوجي أو مخاطر الأمراض يمكن استخدامها مباشرة مع البيانات الجديدة. هذه الصيغ تشبه الوصفات التي تجمع مستويات المثيلة لنقاط معينة لإعطاء درجة معينة. ووجد الباحثون أن حجم "الوصفة" كان مهماً للغاية؛ فالصيغ التي استخدمت آلاف النقاط عملت بشكل جيد عبر الآلات المختلفة، وأنتجت نتائج متشابهة. وفي المقابل، فإن الصيغ التي اعتمدت على بضع مئات من النقاط فقط غالباً ما أعطت إجابات مختلفة تماماً اعتماداً على الآلة المستخدمة. وهذا يشير إلى أنه في حين يمكن للآلات الجديدة دعم التنبؤات المعقدة، فإن الصيغ البسيطة والمحدودة التي طُورت للتكنولوجيا القديمة قد لا تنتقل مباشرة دون تعديل.
أخيراً، بحث الفريق في استراتيجية لتوفير المال عن طريق خلط عينات من عدة أشخاص معاً قبل تشغيلها في الآلات. كانوا يأملون أن يسمح لهم ذلك بدراسة مجموعات كبيرة بتكلفة أقل. أظهرت النتائج أنه بينما نجحت هذه الطريقة في الحصول على تصور عام للمجموعة، إلا أنها لم توفر بيانات كافية لقياس كل نقطة فردية بدقة. لقد أدى الخلط إلى تخفيف البيانات لدرجة جعلت من المستحيل الحصول على قراءات دقيقة لمواقع محددة في الجينوم. وبناءً على ذلك، خلص الباحثون إلى أنه بينما قد ينجح دمج العينات في الحصول على ملخصات عامة، إلا أنه ليس مناسباً للدراسات التي تتطلب قياسات دقيقة لكل شخص.
يشير هذا العمل إلى أن تسلسل القراءة الطويلة يمثل مستقبلاً واعداً لدراسة "الإبيجينوم" (الوراثة فوق الجينية)، حيث يقدم رؤية للجينوم بأكره كانت مستحيلة سابقاً. ومع ذلك، فإن النتائج تعمل أيضاً كتحذير من أن هذه الأدوات ليست بعد بديلاً مباشراً للطرق القديمة دون معايرة دقيقة. لاستخدامها بفعالية، يجب على العلماء التأكد من جمع ما يكفي من البيانات للتغلب على الاختلافات الطبيعية بين الآلات، ويجب عليهم التحقق من نماذج التنبؤ الخاصة بهم لضمان عملها مع التكنولوجيا الجديدة. إن المسار نحو المستقبل يتطلب موازنة القدرة الهائلة لهذه الأدوات الجديدة مع الدقة المطلوبة لتحقيق اكتشافات علمية دقيقة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.