CausalDiffChem: Causal Network Restoration for Therapeutic Prioritization and Repurposing Across Diseases
يُعد CausalDiffChem إطار عمل مبتكرًا يستفيد من البيانات النسخية والنماذج السببية الهيكلية لتحديد أولويات مرشحي إعادة توظيف الأدوية عبر محاكاة التدخلات التي تستعيد البنى الشبكية السببية الخاصة بالمرض، مما يسمح بالتمييز بين المحركات السببية والآثار اللاحقة عبر حالات متنوعة.
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 استخدام جديد لدواء قديم هو في كثير من الأحيان مسأة تتعلق بالبحث عن تطابق. فعلى مدى عقود، حاول العلماء إعادة توظيف الأدوية من خلال مقارنة البصمات الجزيئية للمرض ببصمات الأدوية. وإذا بدا أن دواءً ما يقلب المفاتيح الجينية للمرض في الاتجاه المعاكس، يفترض الباحثون أنه قد يعمل كعلاج. وقد حقق هذا النهج بعض النجاحات الحقيقية، لكنه يعاني من نقطة عمياء؛ فهو يتعامل مع المرض كقائمة ثابتة من الأعراض، متجاهلاً حقيقة أن الجينات تتحدث مع بعضها البعض في سلاسل معقدة من السبب والنتيجة. فقد يتم تشغيل جين ما ليس لأنه أصل المشكلة، بل لأنه يتفاعل مع شيء آخر يحدث في مرحلة سابقة. إن علاج التفاعل دون إصلاح السبب يشبه محاولة إيقاف حريق عن طريق النفخ في الدخان.
وللتغلب على هذا القصور، طور فريق من الباحثين طريقة جديدة لرسم خرائط الآليات الخفية للمرض. فبدلاً من مجرد سرد الجينات النشطة، بنوا نموذجاً يوضح كيف تؤثر تلك الجينات على بعضها البعض، مما يخلق شبكة سببية. ثم اختبروا كيف يمكن للأدوية المختلفة أن تتدفق عبر هذه الشبكة المحددة ليروا ما إذا كان بإمكانها استعادة النظام إلى حالة صحية. ويشير عملهم، الذي أطلقوا عليه اسم "CausalDiffChem"، إلى أنه من خلال فهم هيكل السبب والنتيجة المحدد للمرض، يمكننا تحديد مرشحين أفضل للعلاج، حتى عندما لا يكون هؤلاء المرشحون واضحين من مجرد قائمة بسيطة لنشاط الجينات.
طبق الباحثون هذه الطريقة على أربع حالات بشرية مختلفة تماماً: التصلب المتعدد، وهو مرض يصيب الجهاز المناعي والأعصاب؛ والغرناوية (ساركويد)، وهي حالة تسبب التهاباً في الرئتين وأعضاء أخرى؛ والليشمانيا، وهي عدوى طفيلية؛ ومرض الزهايمر، وهو شكل من أشكال الخرف. ولكل مرض، جمعوا بيانات من مئات المرضى والأصحاء. ولم يستخدموا أي خرائط موجودة مسبقاً لكيفية تفاعل الجينات، بل تركوا البيانات تتحدث عن نفسها، باستخدام خوارزمية حاسوبية لإعادة بناء خريطة فريدة للسبب والنتيقة لكل مرض بناءً على أكثر عشرين جيناً نشاطاً في العينات. وقد كشفت هذه الخرائط عن بنيات متميزة؛ ففي الزهايمر، كانت الشبكة تهيمن عليها علاقة قوية بين قياسين لبروتين يسمى "أبوليبوبروتين دي" (apolipoprotein D). وفي الغرناوية، سلطت الخريطة الضوء على محور تنظيمي يتضمن خلايا مناعية تُعرف باسم الخلايا البلعمية (macrophages). كان لكل مرض شكله الفريد وتدفق معلوماته الخاص، مما أثبت أن نهجاً واحداً عاماً لا يمكنه استيعاب المنطق المحدد لكل مرض.
بمجرد بناء خرائط الأمراض هذه، قام الفريق بمحاكاة تأثير آلاف الأدوقاء. لم يختبروا الأدوية في طبق بتري أو في جسم حي، بل أدخلوا تمثيلاً رياضياً لكل دواء في النموذج الحاسوبي لشبكة المرض. وراقبوا ما إذا كان الوجود المحاكى للدواء يمكنه دفع الشبكة للعودة نحو الحالة التي يظهر بها الأصحاء. وقاسوا هذا "الاسترداد" بثلاث طرق: عدد الأجزاء في الشبكة التي تحركت في الاتجاه الصحيح، ومدى قوة ذلك التحرك، وما إذا كان التحول الإجمالي يطابق المسار من المرض إلى الصحة.
قدمت النتائج منظوراً جديداً حول الأدوية التي قد تنجح. فبالنسبة للغرناوية، برز دواء كيميائي يُستخدم للعلاج الكيميائي يسمى "سيسبلاتين" (cisplatin) كأفضل مرشح، محتلاً المرتبة الأولى بين الأدوية المعتمدة. وفي الليشمانيا، احتل عقار "منيمانتين هيدروكلوريد" (memantine hydrochloride)، وهو دواء يُستخدم بالفعل لعلاج الزهايمر، المرتبة الأولى عبر جميع مراحل تطوير الدواء، من الأبحاث المبكرة إلى التجارب السريرية. وفي الزهايمر نفسه، احتلت مادة أخرى مختلفة، وهي "ميكاميلامين هيدروكلوريد" (mecamylamine hydrochloride)، المركز الأول. وما جعل هذه النتائج لافتة للنظر هو أن الباحثين بنوا خرائط الأمراض واختبروا الأدوية بشكل مستقل لكل حالة، دون إعدادات مشتركة أو قواعد مسبقة الضبط. إن حقيقة ظهور نفس الأدوية كأفضل مرشحين عبر مختلف المكتبات والأمراض المختلفة تشير إلى أن الطريقة تجد إشارة حقيقية وليس مجرد مصادفة عشوائية.
ومع ذلك، كشفت الدراسة أيضاً أن الدرجة العالية لا تروي القصة كاملة. فقد يصلح الدواء عدداً كبيراً من الجينات لكنه يفشل في تصحيح الروابط الأكثر أهمية، أو قد يصلح الجينات الصحيحة لكنه يدفع بقية الشبكة في الاتجاه الخاطئ. ففي الزهايمر، قام الدواء الذي احتل المرتبة الأولى بتصحيح العديد من الجينات لكنه ترك أقوى رابط في شبكة المرض —وهو الرابط بين قياسي أبوليبوبروتين دي— دون تغيير يذكر. وفي الغرناوية، قام السيسبلاتين بتصحيح مجموعة رئيسية من الجينات المناعية بقوة، لكنه دفع جينات أخرى بعيداً عن الحالة الصحية. وهذا يوضح أن الدواء يمكن أن يكون مرشحاً قوياً حتى لو لم يصلح كل شيء بشكل مثالي، وأن الأدوية المختلفة تحقق آثارها من خلال آليات مختلفة.
تحقق الباحثون أيضاً مما إذا كانت طريقتهم قادرة على إيجية أدوية معروفة بقدرتها على العمل. ففي الزهايمر، ظهر عقاران مثبتان، وهما "دونيبيزيل" (donepezil) و"منيمانتين" (memantine)، ضمن أعلى عشرة بالمائة من تصنيفاتهم، رغم أنهما لم يكونا الاختيار الأول. وفي أمراض أخرى، سجلت العلاجات المعروفة أيضاً نتائج جيدة، وإن كانت بعضها، مثل بعض أنواع الستيرويدات، قد سجلت درجات منخفضة. وهذا يشير إلى أن النموذج الحاسوبي يلتقط حقائق بيولوجية حقيقية حول كيفية عمل هذه الأدوية، لكنه يسلط الضوء أيضاً على أن النموذج ليس بديلاً كاملاً للمعرفة السريرية؛ فهو يركز على مجموعة محددة من الجينات وقد يغفل التأثيرات الأوسع التي تحدث في أماكن أخرى من الجسم أو تعتمد على كيفية إيصال الدواء.
يقر الفريق بأن عملهم هو عملية محاكاة. فقد تم تقدير تأثيرات الأدوية بناءً على الهياكل الكيميائية بدلاً من قياسها في المختبر، كما بُنيت خرائط الأمراض من مجموعات صغيرة نسبياً من المرضى. هم لم يثبتوا أن هذه الأدوية ستشفي هذه الأمراض لدى البشر، بل قدموا إطاراً جديداً وقابلاً للتفسير لتوليد الفرضيات. ومن خلال إظهار كيف يمكن للدواء أن ينتقل عبر شبكة سببية محددة لمرض معين، فإنهم يقدمون وسيلة لتحديد أولويات المرشحين الذين يستحقون الاختبار في المختبر. إن الظهور المتكرر لنفس الأدوية عبر أمراض ومراحل تطوير مختلفة يشير إلى أن هذا النهج يمكنه تحديد مؤشرات واعدة قد تُغفل عند النظر في قوائم الجينات وحدها، مما يوفر مساراً أكثر دقة نحو إيجاد استخدامات جديدة للأدوية القديمة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.