امضای ژنی چیست؟ آیا می‌توان از آن برای پیش‌بینی پاسخ درمان سرطان استفاده کرد؟
در این مقاله
امضای ژنی چیست؟
امضای ژنی ترکیبی از سطح بیان مجموعه‌ای از ژن‌هاست که برای پیش‌بینی وجود، سیر یا پاسخ درمان یک بیماری مشخص استفاده می‌شود. در زیست‌شناسی سرطان، برای تعریف ویژگی‌های مولکولی تومور و پیش‌بینی پیش‌آگهی (سیر بیماری) یا پاسخ درمان به کار می‌رود. این امضاها با بازتاب ساختار ژنتیکی تومور و رفتار سلول‌های سرطانی، درک بهتر بیماری و توسعه درمان شخصی را ممکن می‌کنند. می‌توان آن را مرحله‌ای بالاتر از آزمایش ژنتیکی سرطان یا تحلیل داده ژنتیکی با الگوریتم هوش مصنوعی دانست.
- پیش‌آگهی‌دهنده: پیش‌آگهی به پیش‌بینی سیر آینده بیماری، به‌ویژه پیشرفت، خطر عود یا احتمال بقای کلی بیمار مربوط است. برای مثال، استفاده از امضای ژنی برای پیش‌بینی بقای بلندمدت بیماران سرطان، کاربردی پیش‌آگهی‌دهنده است.
- پیش‌بینی‌کننده: پیش‌بینی‌کنندگی به برآورد پاسخ به درمان یا داروی مشخص مربوط است؛ یعنی پیش‌بینی می‌کند بیمار به درمان معین خوب پاسخ می‌دهد یا بد. برای نمونه، تعیین پاسخ بیمار سرطان به ایمنی‌درمانی با امضای ژنی، رویکردی پیش‌بینی‌کننده است.
اندازه‌گیری و آزمایش امضای ژنی
اندازه‌گیری امضای ژنی معمولاً با فناوری‌های پیشرفته مهندسی ژنتیک و زیست‌اطلاعات انجام می‌شود؛ از جمله توالی‌یابی RNA (RNA-Seq)، تحلیل ریزآرایه و واکنش زنجیره‌ای پلیمراز کمی در زمان واقعی (qRT-PCR). این روش‌ها با سنجش سطح بیان ژن‌های مشخص، امضا را تعیین می‌کنند. برای مثال، RNA-Seq با توالی‌یابی و تحلیل RNA نمونه تومور، الگوی بیان ژن را می‌سازد. سپس این الگوها با تحلیل آماری و الگوریتم ارزیابی می‌شوند و مدل امضای ژنی مشخص شکل می‌گیرد. مدل‌ها در نمونه‌های بالینی آزمایش می‌شوند و درباره پیش‌آگهی یا پاسخ درمان اطلاعات می‌دهند.
سرطان‌هایی که ارزش پیش‌آگهی و پیش‌بینی‌کنندگی امضای ژنی در آن‌ها نشان داده شده است
در سال‌های اخیر، ارزش پیش‌آگهی و پیش‌بینی‌کنندگی امضای ژنی در سرطان‌های گوناگون نشان داده شده است. برای نمونه:
- سرطان پستان: در سرطان پستان، امضاهای ژنی برای پیش‌بینی خطر عود و پاسخ به هورمون‌درمانی به کار رفته‌اند.
- سرطان کولون: در سرطان کولون، امضای ژنی برای تعیین مرحله بیماری و پیش‌بینی پاسخ شیمی‌درمانی استفاده می‌شود.
- سرطان ریه: در سرطان ریه، امضاهای ژنی برای پیش‌بینی پیش‌آگهی و پاسخ به درمان هدفمند استفاده می‌شوند.
- سرطان معده: در سرطان معده، امضاهای ژنی برای پیش‌بینی پاسخ به ایمنی‌درمانی و شیمی‌درمانی بررسی می‌شوند.
در ادامه، نمودار نقشه ذهنی موضوع امضای ژنی و درمان سرطان معده دیده می‌شود:
با امضای ژنی می‌توان پاسخ درمان سرطان معده را پیش‌بینی کرد
توان پیش‌بینی احتمال سود بیماران سرطان معده از شیمی‌درمانی، داروهای هدفمند یا ایمنی‌درمانی با امضای ژنی حاصل از الگوریتم یادگیری ماشین، در فوریه 2022 در Nature Communications و در مطالعه منتشرشده در این مجله نشان داده شد.
تائه هیون هوانگ، نویسنده اصلی مطالعه از بخش هوش مصنوعی و انفورماتیک مرکز سرطان کلینیک مایو، می‌گوید: «خوشحال شدیم که امضای 32 ژنی ما نه‌تنها اطلاعات پیش‌آگهی می‌دهد، بلکه سودبردن یا نبردن بیماران از شیمی‌درمانی و ایمنی‌درمانی را نیز پیش‌بینی می‌کند.»
هوانگ اضافه می‌کند: «به‌ویژه با توجه به دشواری یافتن زیست‌نشانگر قابل‌اعتماد برای پاسخ ایمنی‌درمانی در بیماران سرطان معده، شگفت‌زده شدیم که امضای 32 ژنی ما می‌تواند پاسخ بیمار به ایمنی‌درمانی را پیش‌بینی کند.»
سرطان معده یکی از علت‌های اصلی مرگ مرتبط با سرطان در جهان است.
بیشتر بیماران سرطان معده در برنامه درمانی با شیمی‌درمانی، داروهای هدفمند و گاهی ایمنی‌درمانی درمان می‌شوند، اما همه از آن‌ها سود نمی‌برند. برای نمونه، ترکیب فلوروپیریمیدین–پلاتین که درمان محافظتی استاندارد پس از جراحی است، تنها حدود 9% بهبود بقای بلندمدت ایجاد می‌کند.
پژوهشگران برای ساخت مدل پیش‌بینی احتمال سود بیمار از درمان‌های موجود، از توالی‌یابی ژنومی استفاده کردند.
در ادامه، روند کار مطالعه حاضر دیده می‌شود:
توضیح تصویر: الگوی جهش سوماتیک 6681 بیمار از 19 سرطان مختلف در TCGA (اطلس ژنوم سرطان)، برای شناسایی مسیرهای پیام‌رسانی درون‌سلولی تغییرکرده به‌ویژه در سرطان معده، وارد NTriPath شد. الگوی بیان mRNA مبتنی بر ریزآرایه برای 567 بیمار سرطان معده ساخته و به NTriPath داده شد. برای شناسایی زیرنوع مولکولی، خوشه‌بندی بدون نظارت بر اساس بیان 32 ژن عضو 3 مسیر مهم پیام‌رسانی به کار رفت. توان پیش‌آگهی و پیش‌بینی‌کنندگی زیرنوع‌ها در چند گروه مستقل آزمایش شد.
NTriPath مدلی بود که هوانگ و گروهش برای ساخت آن، الگوریتم یادگیری ماشینی را توسعه و اجرا کردند که داده ژنتیکی چند هزار بیمار را ادغام می‌کرد.
همان‌طور که نویسندگان در مقاله توضیح می‌دهند، از TCGA (The Cancer Genome Atlas= اطلس ژنوم سرطان) ، الگوی 6681 بیمار از 19 نوع سرطان متفاوت، از نظر جهش سوماتیک برای شناسایی مسیرهای تغییرکرده اختصاصی سرطان معده وارد NTriPath شد.
با نمونه‌های 567 بیمار سرطان معده، الگوهای بیان mRNA مبتنی بر ریزآرایه ساخته شد و در سامانه‌ای به نام NTriPath پردازش و تحلیل شد.
در این تحلیل، سطح بیان 32 ژن در سه مسیر زیستی مهم ویژه سرطان معده مبنا بود. «سه مسیر مهم» به سه سازوکار اصلی زیستیِ حیاتی برای ایجاد و پیشرفت سرطان معده اشاره دارد. این مسیرها عبارت‌اند از:
- پاسخ به آسیب DNA،
- سازوکار پیام‌رسانی TGF-ß،
- فرایندهای تکثیر سلولی.
در میان 32 ژن این سه مسیر که ویژگی‌های سرطان معده را بازتاب می‌دهند، ژن‌های مهمی مانند TP53، BRCA1، MSH6، PARP1 و ACTA2 وجود دارند.
بر اساس سطح بیان این 32 ژن، زیرنوع‌های مولکولی بیماران سرطان معده تعیین شدند. این زیرنوع‌ها در چند گروه مستقل بیمار (کوهورت) آزمایش و از نظر پیش‌آگهی و پیش‌بینی‌کنندگی، مانند سیر بیماری و پاسخ درمان، ارزیابی شدند.
این گروه قبلاً پنج زیرنوع مولکولی مبتنی بر ترنسکریپتوم تعیین کرده بود که مدت بقا را پیش‌بینی می‌کردند. در آن گزارش، زیرگروه التهابی بهترین و زیرگروه مزانشیمی بدترین پیش‌آگهی را داشت و سه گروه دیگر پیامدهای میانی و همپوشان داشتند. گروه پژوهشی دو طرح طبقه‌بندی را مقایسه کرد و دریافت هر گروه 32 ژنی معمولاً در تمام 5 زیرنوع مولکولی نماینده دارد.
هوانگ می‌گوید امضای مولکولی 32 ژنی هنوز به اعتبارسنجی آینده‌نگر نیاز دارد، اما معتقد است در نهایت می‌تواند بیماران پاسخ‌دهنده به شیمی‌درمانی و ایمنی‌درمانی را شناسایی کند. او می‌گوید: «به همین شکل می‌توانیم بیمارانی را که از شیمی‌درمانی و ایمنی‌درمانی سود نمی‌برند نیز شناسایی کنیم و آن‌ها را از عوارض احتمالی این درمان‌ها محافظت کنیم.»
پژوهشگران همچنین روی الگوریتم‌های هوش مصنوعی با استفاده از تصاویر تشخیصی بافت‌پاتولوژی کار می‌کنند تا به شناسایی بیماران با احتمال سود از ایمنی‌درمانی کمک کنند. آن‌ها سازوکارهای مولکولی مقاومت به ایمنی‌درمانی را نیز با رویکردهای توسعه‌یافته یادگیری ماشین و هوش مصنوعی بررسی می‌کنند.
*
توضیح تصویر: تصویر مقاله به‌وسیله ChatGPT 4.0 با این دستور ساخته شده است: «امضای ژنی چیست؟ آیا می‌توان برای پیش‌بینی پاسخ به درمان سرطان از آن استفاده کرد؟»
منابع
آیا این مقاله برای شما مفید بود؟
بازخورد شما به بهبود محتوای ما کمک می‌کند.
نظرهای خوانندگان
نظر خود را بنویسید
نام و دیدگاه شما فقط پس از تأیید مدیر منتشر می‌شود. نشانی ایمیل شما هرگز به بازدیدکنندگان نمایش داده نمی‌شود.
اولین نظر را شما بنویسید.