Machine Learning-Based Identification of a Glycolysis- Related Prognostic Signature and CENPA in Endometrial Cancer

غالبًا ما يُوصف السرطان بأنه مرض النمو غير المنضبط، ولكن وراء هذا التوسع الجامح يكمن تحول جوهري في كيفية استهلاك الخلايا للطاقة. فالخلاوة السليمة عادة ما تحرق الوقود بكفاءة، لكن الخلايا السرطانية غالبًا ما تتحول إلى طريقة أسرع وأقل كفاءة تسمى "تحلل السكر" (glycolysis). هذا الاختصار الأيضي يسمح للأورام بالنمو بسرعة والتكيف مع الظروف القاسية، ولكنه يترك أيضًا بصمة كيميائية مميزة. وفي المشهد المعقد لسرطان بطانة الرحم، وهو مرض يصيب بطانة الرحم، سعى الباحثون طويلاً لإيجاد وسيلة للتنبؤ بالمرضى الذين قد يواجهون النتائج الأكثر خطورة. وبينما يعمل الجراح والتدخلات العلاجية الأخرى بشكل جيد للعديد من الحالات، إلا أن المرض يمكن أن يعود بشراسة لدى آخرين، ويفتقر الأطباء حاليًا إلى أداة دقيقة للتمييز بين المجموعتين قبل بدء العلاج.

لقد شرع فريق من الباحثين من مستشفيات في الصين في البحث عن تلك القطعة المفقودة من خلال النظر في الجينات المحددة التي تقود هذا التحول في الطاقة. لم يبحثوا فقط عن جين واحد سيئ؛ بل عاملوا الشفرة الجينية للسرطان كأنها مكتبة ضخمة وبحثوا عن الكتب المحددة التي يتم قراءتها بصوت عالٍ جدًا لدى المرضى الذين يعانون من نتائج سيئة. ومن خلال الجمع بين بيانات آلاف عينات المرضى والخوارزميات الحاسوبية المتقدمة، حددوا مجموعة فريدة من سبعة جينات تعمل كمقياس بيولوجي للمخاطر. ومن بين هذه الجينات السبعة، برز جين واحد كأهمية خاصة، مما قدم دليلاً جديدًا حول سبب كون بعض الأورام أكثر عدوانية من غيرها.

بدأ الباحثون عملهم بجمع المعلومات الجينية من قاعدة بيانات عامة ضخمة تحتوي على عينات من مئات النساء المصابات بسرطان بطانة الرحم، بالإضافة إلى أنسجة سليمة للمقارنة. قاموا أولاً بتصفية هذه البيانات للعثور على آلاف الجينات التي كانت تتصرف بشكل مختلف في عينات السرطان. ومن هذه القائمة الطويلة، عزلوا الجينات المحددة المعروفة بمشاركتها في عملية تحلل السكر، وهي عملية حرق السكر التي تغذي الورم. وقد قلص هذا التركيز من نطاقهم إلى مجموعة يمكن إدارتها من المرشحين. ثم قاموا بمطابقة هذه المرشحات مع سجلات بقاء المرضى لمعرفة أي الجينات مرتبطة بمدة حياة المريض. أدت هذه العملية إلى تقليص القائمة إلى ستة عشر جينًا أظهرت ارتباطًا قويًا بنتائج المرضى.

ولتحويل هذه الجينات الستة عشر إلى أداة عملية، استخدم الفريق مجموعة من تقنيات تعلم الآلة. تخيل غرفة مليئة بالخبراء المختلفين، لكل منهم طريقته الخاصة في حل اللغز. ترك الباحثون هذه البرامج الحاسوبية تجري آلاف عمليات المحاكاة، وتختبر كل توليفة ممكنة من الجينات الستة عشر لمعرفة أي مزيج يمكنه التنبؤ بمستقبل المريض بأفضل شكل. وبعد تقييم مائة وسبعة عشر نموذجًا مختلفًا، ظهرت توليفة واحدة كالأكثر دقة. اعتمد هذا النموذج الفائز على مجموعة محددة من سبعة جينات هي: CLDN9، وCENPA، وGPI، وTFF3، وFBP1، وSPAG4، وAURKA. وعندما استخدم الباحثون هذه البصمة المكونة من سبعة جينات لحساب درجة المخاطر لكل مريض، نجحت في تقسيمهم إلى مجموعتين متمايزتين: أولئك الذين لديهم خطر منخفض للوفاة المبكرة، وأولئك الذين لديهم خطر مرتفع.

وقد أثبت النموذج كفاءته عند اختباره مقابل بيانات لم يسبق له رؤيتها من قبل. ففي مجموعة المرضى المستخدمة لتدريب النموذج، تنبأ بدقة عالية بنتائج البقاء على قيد الحياة. وعند تطبيقه على مجموعة منفصلة من المرضى للتحقق من الصحة، صمد النموذج، محافظًا على قدرته على التمييز بين الأفراد ذوي المخاطر العالية وذوي المخاطر المنخفضة. وكان المرضى المصنفون كمرضى ذوي مخاطر عالية وفقًا للنموذج يعانون من أوقات بقاء أقصر بكثير مقارنة بمجموعة المخاطر المنخفضة. كما بنى الباحثون مخططًا مرئيًا، أو ما يسمى "النوماجرام" (nomogram)، يمكن للأطباء استخدامه للجمع بين عمر المريض ومرحلة الورم مع درجة المخاطر الجينية هذه للحصول على تنبؤ شخصي لفرص بقائهم على قيد الحياة بعد سنة، وثلاث سنوات، وخمس سنوات.

وبعيدًا عن مجرد التنبؤ بمن قد ينجو، استكشف البحث ما يحدث بيولوجيًا داخل أورام هؤلاء المرضى ذوي المخاطر العالية. وكشف التحليل أن المجموعة ذات المخاطر العالية لم تكن مجرد فئة إحصائية؛ بل مثلت حالة بيولوجية متميزة. فقد أظهرت هذه الأورام أنماطًا مختلفة من نشاط الخلايا المناعية، مع وجود عدد أقل من الخلايا المناعية التي تحارب السرطان عادةً في بيئة الورم. كما اختلفت التركيبة الجينية لهذه الأورام، حيث أظهرت تكرارًا أعلى للطفرات في جين يسمى TP53، والذي غالبًا ما يرتبط بسلوك السرطان العدواني، بينما أظهرت المجموعة منخفضة المخاطر طفرات في جين مختلف يسمى PTEN. علاوة على ذلك، أشار النموذج إلى أن المرضى ذوي المخاطر العالية قد يستجيبون بشكل مختلف لأدوية معينة، مما يشير إلى أن نهج العلاج الذي يناسب الجميع قد لا يكون الاستراتيجية الأفضل للجميع.

وتعتبر جين CENPA أحد الشخصيات المركزية في هذه القصة. ورغم أن الدراسة لم تثبت أن CENPA يسبب مباشرة عملية تحول حرق السكر، إلا أنها سلطت الضوء على هذا الجين كلاعب رئيسي في المجموعة ذات المخاطر العالية. بحث الباحثون في الخلايا الفردية داخل الأورام باستخدام تقنية تسمح لهم برؤية نشاط الجينات في الخلايا المفردة بدلاً من مجرد متوسط النسيج بأكمله. ووجدوا أن CENPA كان نشطًا في أنواع مختلفة من الخلايا داخل الورم، لكن مستوياته كانت أعلى باستمرار لدى المرضى الذين يعانون من أمراض متقدمة وفترات بقاء أقصر. وهذا يشير إلى أن CENPA هو علامة موثوقة لشكل أكثر خطورة من السرطان، حتى لو ظل دوره الدقيق في العملية الأيضية غير مفهوم تمامًا.

وقد كان الباحثون حذرين في تحديد حدود عملهم. فقد تم بناء النموذج واختباره باستخدام بيانات من قاعدة بيانات واحدة كبيرة، وبينما كانت النتائج متسقة داخل تلك المجموعة، إلا أنها لم تُؤكد بعد في مجموعة مختلفة تمامًا من المرضى من مستشفى أو بلد آخر. كما اعتمدت الدراسة على عمليات محاكاة حاسوبية لتخمين كيفية استجابة المرضى للأدوية، وهو أمر مفيد كنقطة انطلاق ولكنه ليس بديلًا للتجارب السريرية الفعلية. إن الارتباط بين جينات حرق السكر والسلوك العدواني للورم هو ارتباط قوي وجد في البيانات، لكن سلسلة الأحداث الدقيقة التي تربط بينهم تتطلب مزيدًا من الاستقصاء المختبري.

في نهاية المطاف، يوفر هذا العمل عدسة جديدة يمكن من خلالها رؤية سرطان بطانة الرحم. فهو يتجاوز مجرد النظر إلى حجم الورم أو مرحلته، لينظر بدلاً من ذلك إلى الآلات الأيضية والجينية الداخلية التي تقود المرض. ومن خلال تحديد بصمة مكونة من سبعة جينات، قدم البرّاحثون أداة محتملة لمساعدة الأطباء في تحديد المرضى الذين يحتاجون إلى الرعاية الأكثر عدوانية منذ البداية. إن التركيز على CENPA يضيف هدفًا جديدًا للدراسة المستقبلية، مما يشير إلى أن فهم هذا الجين قد يفتح آفاقًا لرؤى أعمق حول سبب كون بعض الأورام صعبة العلاج للغاية. وبينما يكون الطريق من النموذج الحاسوبي إلى اختبار روتيني في المستشفى طويلًا، فإن هذه الدراسة تضع أساسًا واضحًا لنهج أكثر تخصيصًا في محاربة سرطان بطانة الرحم.