Integrative Transcriptomic Analysis and Machine Learning Identify Robust Gene Expression Signatures for Cardiovascular Disease Classification

تخيل جسدك كمدينة صاخبة وعالية التقنية. كل خلية هي عامل، وداخل كل عامل توجد مكتبة صغيرة من التعليمات تسمى الجينات. هذه الجينات تشبه المخططات الهندسية للمدينة، فهي تخبر العمال بما يجب بناؤه وكيف يتصرفون. أحياناً، عندما تمرض المدينة - مثل عندما تنسد طرق القلب أو تعاني مضخاته - يبدأ العمال في قراءة المخططات الخاطئة أو الصراخ بتعليمات لا معنى لها. وهنا يأتي دور مجال يسمى علم النسخ (Transcriptomics). فكر في الأمر كأنه أمين مكتبة خارق يمكنه قراءة كل تعليمة يتم الصراخ بها في المدينة في وقت واحد، بدلاً من فحص كتاب واحد في كل مرة. ومن خلال الاستماع إلى هذه "الصرخات" (التعبير الجيني)، يمكن للعلماء رصد الأجزاء التي تعاني في المدينة بدقة.

الآن، تخيل أنك تحاول معرفة ما إذا كانت المدينة مريضة بمجرد الاستماع إلى زاوية شارع واحدة. قد تسمع الكثير من الضجيج، لكنك لن تعرف ما إذا كان ذلك حالة طوارئ حقيقية أم مجرد حفلة صاخبة. لهذا السبب، غالباً ما يجمع العلماء البيانات من "زوايا شوارع" مختلفة (دراسات) للحصول على صورة أوضح. وهنا يدخل تعلم الآلة (Machine Learning) إلى القصة. إنه يشبه توظيف محقق ذكي للغاية يمكنه الاستماع إلى ملايين من "صرخات الجينات" في وقت واحد، وإيجاد الأنماط الخفية التي قد يغفل عنها البشر، ثم يقرر: "هل هذه المدينة سليمة، أم أنها مريضة؟" السؤال الكبير الذي يطرحه الباحثون هو: هل يمكننا تعليم هذا المحقق رصد مشاكل القلب مبكراً، قبل أن تدرك المدينة نفسها أنها في خطر؟

---

أدوات المحقق الجديدة

في هذه الدراسة، قرر فريق من الباحثين من معهد ساتياباماما للعلوم والتكنولوجيا بناء المحقق الأمثل لأمراض القلب. لقد أدركوا أن أمراض القلب هي القاتل رقم واحد في العالم، لكن اكتشافها مبكراً أمر صعب بسبب تعقيدها. ولحل هذه المشكلة، لم يكتفوا بالنظر إلى مجموعة واحدة من الأدلة؛ بل جمعوا كمية هائلة من الأدلة من سبعة مكتبات عامة مختلفة (مجموعات بيانات) مخزنة في أرشيف رقمي ضخم يسمى "Gene Expression Omnibus".

إجمالاً، جمعوا معلومات من 1,188 عينة. فكر في هذا كأنك تجري مقابلات مع 763 شخصاً تم تشخيصهم بالفعل بمشاكل في القلب، و 425 شخصاً معافى يشعرون بالتحسن. ولأن هذه العينات جاءت من دراسات مختلفة باستخدام معدات مختلفة، فقد كانت البيانات فوضوية بعض الشيء - مثل محاولة مقارنة ملاحظات مكتوبة بأنماط خط يد مختلفة. استخدم الفريق أداة رقمية خاصة تسمى "ComBat" لتنعيم الفروقات، لضمان أن الشيء الوحيد الذي يبرز هو المرض الفعلي، وليس الخصائص الغريبة للمعدات المستخدمة في القياس.

بمجرد تنظيف البيانات، طلب الفريق من الكمبيوتر إيجال "الصرخات" التي تختلف بين المجموعات المريضة والمعافاة. وجدوا قائمة كاملة من الجينات التي كانت تتصرف بشكل غير طبيعي. بعضها كان يصرخ بصوت عالٍ جداً (زيادة في التعبير/upregulated)، والبعض الآخر كان يهمس بهدوء شديد (نقص في التعبير/downregulated). ومن هذه القائمة الضخمة، اختاروا أكثر 200 جين إثارة للريبة لاستخدامها كأدلة لمحققهم.

محاكمة المحقق

بعد ذلك، قام الباحثون بتدريب عدة أنواع مختلفة من محققين "تعلم الآلة" لمعرفة أي منهم يمكنه التمييز بشكل أفضل بين القلب المريض والقلب السليم. لقد اختبروا مجموعة متنوعة من الخوارزميات، بما في في ذلك:

• الانحدار اللوجستي (Logistic Regression) (تابع للقواعد بشكل مباشر)
• الغابة العشوائية (Random Forest) (فريق من صناع القرار الذين يصوتون معاً)
• آلة المتجهات الداعمة (Support Vector Machine) (رّسام حدود حاد)
• XG Boost (متعلم قوي وسريع)
• والعديد من النماذج الأخرى، بما في ذلك نماذج التجميع (Ensemble models) (حيث يعمل عدة محققين معاً لاتخاذ قرار نهائي).

قاموا بتقسيم بياناتهم إلى مجموعتين: مجموعة التدريب (70% من العينات) حيث تعلم المحققون القواعد، و مجموعة الاختبار (الـ 30% المتبقية) حيث كان عليهم إثبات أنهم تعلموا شيئاً بالفعل.

كانت النتائج واعدة للغاية. لقد قام المحققون بعمل رائع في التمييز بين العينات المريضة والمعافاة. تبين أن نموذج XG Boost هو نجم العرض، حيث حقق دقة قدرها 0.885 ودرجة تسمى ROC-AUC بلغت 0.948. ولوضع ذلك في الاعتبار، فإن درجة ROC-AUC تبلغ 1.0 للمحقق المثالي الذي لا يرتكب خطأً أبداً، و 0.5 للمحقق الذي يخمن فقط. تشير درجة 0.948 إلى أن النموذج جيد جداً في رصد الاختلاف. كما قدمت نماذج Random Forest و Gradient Boosting أداءً جيداً للغاية، بدرجات ROC-AUC بلغت 0.934 و 0.936 على التوالي.

ومن المثير للاهتمام، وجدت الدراسة أنه عندما يعمل المحققون معاً كفريق (باستخدام طرق "التجميع")، فإنهم غالباً ما يكونون أكثر موثوقية مما لو عملوا بمفردهم. الأمر يشبه مجموعة من الأصدقاء يحلون لغزاً؛ فهم يغطون الثغرات التي قد يغفل عنها بعضهم البعض ويتخذون قراراً نهائياً أفضل.

ما وجدوه وما لم يجدوه

حددت الدراسة جينات معينة كانت مختلفة بشكل ملحوظ لدى مرضى أمراض القلب. على سبيل المثال، وُجد أن الجين HMGN2 كان أكثر هدوءاً من المعتاد (نقص في التعبير مع logFC قدره -4.73)، بينما كان الجين CD163 يصرخ بصوت عالٍ جداً (زيادة في التعبير مع logFC قدره 12.23). هذه الجينات، إلى جانب أخرى مثل PDE5A و HMOX2 و PTP4A2، تُقترح كـ "مؤشرات حيوية" (biomarkers) محتملة قد تساعد الأطباء في تشخيص أمراض القلب في وقت مبكر.

ومع ذلك، فإن المؤلفين حذرون من القول بأنهم حلوا المشكلة تماماً. فقد أشاروا صراحة إلى أن نتائجهم تستند إلى تحليل حاسوبي لبيانات موجودة. إنهم لم يختبروا هذه الأدلة بعد في عيادة واقعية مع مرضى جدد، كما لم يجروا تجارب مخبرية لإثبات كيف تسبب هذه الجينات المرض بالضبط. تشير الورقة البحثية إلى أن هذه التوقيعات الجينية قد تعمل كمجموعة مؤشرات حيوية، لكنها تؤكد على ضرورة إجراء المزيد من التحقق باستخدام مجموعات مستقلة من الأشخاص وتجارب وظيفية (مثل تثبيط الجينات) للتأكد من أنها مفيدة حقاً للتشخيص.

باختصار، تشير هذه الورقة إلى أنه من خلال الجمع بين كمية هائلة من البيانات الجينية مع خوارزميات حاسوبية ذكية، يمكننا العثور على مجموعة قوية جداً من الأدلة لمعرفة ما إذا كان الشخص يعاني من أمراض القلب. إنها خطوة قوية للأمام، لكن المحققين لا يزال يتعين عليهم الخروج إلى العالم الحقيقي لإثبات قدرتهم على حل القضية لكل مريض.