دستاورد پژوهشگران دانشگاه اصفهان
شناسایی نشانگرهای مولکولی جدید برای کمک به تشخیص سرطان پستان؛ دستاورد ارزشمند پژوهشگران دانشگاه اصفهان
پژوهشی نوین با بررسی تغییرات اپیژنتیکی و فعالیت ژنها به کمک روشهای هوش مصنوعی، گامی مؤثر در جهت توسعه روشهای دقیقتر تشخیص سرطان پستان برداشت؛ دستاوردی ارزشمند که در قالب پایاننامه خانم زینب مشایخ دانشجوی دکتری ژنتیک و با راهنمایی دکتر صادق ولیان بروجنی استاد تمام گروه زیستشناسی سلولی مولکولی و میکروبیولوژی و با مشارکت محمدحسین سپهری دانشجوی دکتری در دانشکده علوم و فناوریهای زیستی دانشگاه اصفهان انجام و در مجله معتبر بینالمللی Scientific Reports منتشر شد
به گزارش پایگاه خبری، سرطان پستان یکی از شایعترین سرطانها در میان زنان در سراسر جهان است. با وجود پیشرفتهای قابل توجه در روشهای تشخیص و درمان این بیماری، هنوز تشخیص زودهنگام، شناسایی دقیق ویژگیهای مولکولی تومور و انتخاب مناسبترین روش درمان از چالشهای مهم پزشکی محسوب میشوند. یکی از موضوعات مهم در تحقیقات جدید سرطان، بررسی تغییراتی است که در فعالیت ژنها اتفاق میافتد. در سالهای اخیر مشخص شده است که علاوه بر تغییرات مستقیم در توالی DNA، تغییرات دیگری نیز میتوانند فعالیت ژنها را تحت تأثیر قرار دهند و در شکلگیری و پیشرفت سرطان نقش داشته باشند.
در همین راستا، پژوهشی با عنوان «تحلیل یکپارچه متیلاسیون DNA و بیان ژنها برای شناسایی نشانگرهای CpG در سرطان پستان» توسط زینب مشایخ، دکتر صادق ولیان و محمدحسین سپهری انجام شده و نتایج آن در مجله بینالمللی Scientific Reports منتشر شده است. در این پژوهش تلاش شده است با استفاده از روشهای نوین زیستشناسی مولکولی، تحلیل دادههای ژنتیکی و هوش مصنوعی، الگوهای مولکولی مرتبط با سرطان پستان شناسایی شوند.
۱. اهمیت این پژوهش چیست؟
برای درک اهمیت این تحقیق ابتدا باید با مفهوم سادهای به نام «متیلاسیون DNA» آشنا شویم.
DNA را میتوان به کتاب راهنمای فعالیت سلولهای بدن تشبیه کرد. در این کتاب، دستورالعملهایی وجود دارد که مشخص میکنند هر سلول چه وظایفی دارد و چه پروتئینهایی باید تولید کند. اما همیشه تمام دستورالعملهای موجود در DNA فعال نیستند. سلولها با استفاده از سازوکارهای تنظیمی، بعضی ژنها را فعال و برخی دیگر را کمفعال یا خاموش میکنند. یکی از مهمترین این سازوکارها، متیلاسیون DNA است. در این فرایند، گروههای شیمیایی کوچکی به بخشهایی از DNA متصل میشوند و میتوانند بر میزان فعالیت ژنها تأثیر بگذارند. این تغییرات معمولاً بدون تغییر در توالی اصلی DNA اتفاق میافتند و به همین دلیل به آنها تغییرات اپیژنتیکی گفته میشود.
در سلولهای سرطانی، الگوی طبیعی این تغییرات ممکن است دچار اختلال شود. در نتیجه، برخی ژنهایی که باید مانع رشد غیرطبیعی سلول شوند، فعالیت خود را از دست میدهند و برخی دیگر ممکن است بیش از حد فعال شوند. اهمیت پژوهش حاضر در این است که به جای بررسی جداگانه تغییرات DNA یا فعالیت ژنها، این دو گروه اطلاعات را به صورت همزمان بررسی کرده است. به عبارت دیگر، پژوهشگران تلاش کردهاند مشخص کنند کدام تغییرات شیمیایی در DNA با افزایش یا کاهش فعالیت ژنهای مرتبط با سرطان پستان همراه هستند. این رویکرد میتواند به شناسایی نشانگرهای مولکولی جدید کمک کند؛ نشانگرهایی که در آینده شاید برای تشخیص، طبقهبندی و شناخت بهتر سرطان پستان مورد استفاده قرار گیرند.
۲. مهمترین یافتهها و تأثیر علمی این پژوهش چیست؟
در این مطالعه، اطلاعات ژنتیکی و اپیژنتیکی صدها نمونه بافت سرطانی و طبیعی پستان مورد بررسی قرار گرفت.
مهمترین یافتههای پژوهش عبارتاند از:
الف) شناسایی تغییرات گسترده در الگوی متیلاسیون DNA
نتایج نشان داد که سلولهای سرطانی پستان در مقایسه با سلولهای طبیعی، تغییرات گستردهای در الگوی متیلاسیون DNA دارند. بهویژه، در بسیاری از نواحی تنظیمکننده فعالیت ژنها، افزایش متیلاسیون مشاهده شد. این موضوع اهمیت دارد؛ زیرا تغییرات متیلاسیون میتوانند بر نحوه فعالیت ژنها اثر بگذارند و در رفتار غیرطبیعی سلولهای سرطانی نقش داشته باشند.
ب) شناسایی ارتباط بین متیلاسیون DNA و فعالیت ژنها
یکی از یافتههای مهم مطالعه، مشاهده ارتباط معکوس بین میزان متیلاسیون و فعالیت بسیاری از ژنها بود. به زبان ساده، در بسیاری از موارد، افزایش متیلاسیون با کاهش فعالیت ژن و کاهش متیلاسیون با افزایش فعالیت آن همراه بود. این یافته با دانستههای قبلی درباره نقش متیلاسیون در تنظیم فعالیت ژنها مطابقت دارد.
ج) شناسایی هفت نشانگر مولکولی بالقوه
با استفاده از تحلیلهای آماری و روشهای یادگیری ماشین، هفت ناحیه مشخص از DNA که در آنها تغییرات متیلاسیون مشاهده شده بود، به عنوان مجموعهای از نشانگرهای مولکولی بالقوه انتخاب شدند.
این هفت نشانگر به ژنهای زیر مربوط هستند:
- ST8SIA2
- KLK2
- SLC7A14
- DEFB132
- CBLN4
- LMX1A
اهمیت این یافته در آن است که پژوهشگران توانستهاند از میان صدها هزار موقعیت ژنتیکی بررسیشده، تعداد محدودی نشانگر را که اطلاعات مناسبی برای تفکیک نمونههای سرطانی از طبیعی دارند، انتخاب کنند.
د) استفاده از هوش مصنوعی برای تفکیک نمونههای سرطانی از طبیعی
در این پژوهش، چندین روش یادگیری ماشین مورد بررسی قرار گرفتند. در میان آنها، روش Random Forest عملکرد مناسبی در تشخیص تفاوت الگوهای متیلاسیون بین نمونههای سرطانی و طبیعی نشان داد. عملکرد این روش ابتدا در مجموعه اطلاعات ژنتیکی TCGA و سپس در یک مجموعه اطلاعات مستقل از پایگاه بینالمللی GEO بررسی شد.
این بررسی مستقل اهمیت زیادی دارد؛ زیرا نشان میدهد الگوی شناساییشده فقط محدود به یک مجموعه اطلاعات نیست و میتواند در مجموعههای دیگری نیز تا حدی قابل شناسایی باشد. البته عملکرد مدل در مجموعه مستقل از مجموعه اولیه پایینتر بود و بهویژه ویژگی آن برای شناسایی نمونههای طبیعی نیازمند بهبود است. بنابراین، این مدل در شرایط فعلی بیشتر یک ابزار پژوهشی برای شناسایی نشانگرهای مولکولی محسوب میشود و هنوز نمیتوان آن را یک آزمایش تشخیصی آماده برای استفاده در بیمارستان دانست.
هـ) بررسی آزمایشگاهی ژن KLK2
برای اطمینان بیشتر از یافتههای محاسباتی، پژوهشگران یکی از ژنهای شناساییشده به نام KLK2 را با روش آزمایشگاهی RT-qPCR بررسی کردند. نتایج نشان داد که میزان فعالیت این ژن در نمونههای بافت سرطانی نسبت به نمونههای غیرسرطانی بیشتر بود. با این حال، تفاوت مشاهدهشده از نظر آماری به حد معناداری نرسید (P=0.0581). بنابراین، این نتیجه یک یافته امیدوارکننده است، اما برای تأیید قطعی آن به بررسی تعداد بیشتری از نمونههای بیماران نیاز است. در مجموع، این پژوهش مجموعهای از نشانگرهای مولکولی بالقوه را معرفی کرده است که میتوانند موضوع تحقیقات بعدی برای توسعه روشهای تشخیصی جدید باشند.
۳. این یافتهها چه تفاوتی با تحقیقات سایر پژوهشگران دارند؟
در سالهای اخیر، گروههای تحقیقاتی متعددی در کشورهای مختلف به بررسی تغییرات متیلاسیون DNA در سرطان پستان پرداختهاند. بسیاری از این مطالعات نشان دادهاند که الگوی متیلاسیون DNA در سلولهای سرطانی با سلولهای طبیعی تفاوت دارد و میتوان از این تفاوتها برای شناسایی نشانگرهای زیستی استفاده کرد. برای مثال، در برخی مطالعات ژنهایی مانند BRCA1 و MGMT از نظر تغییرات متیلاسیون بررسی شدهاند. همچنین پژوهشهای جدیدتر از اطلاعات ژنومی و روشهای یادگیری ماشین برای شناسایی الگوهای مرتبط با سرطان استفاده کردهاند.
در یک مطالعه منتشرشده در سال ۲۰۲۵ در مجله Breast Cancer Research، پژوهشگران با بررسی DNA آزاد موجود در خون، تعدادی نشانگر متیلاسیون را برای تشخیص سرطان پستان و افتراق آن از تومورهای خوشخیم معرفی کردند. در مطالعه دیگری که در سال ۲۰۲۶ منتشر شد، پژوهشگران با استفاده از دادههای متیلاسیون و بیان ژنها، دو ژن FABP7 و CLIC6 را به عنوان نشانگرهای بالقوه مرتبط با پیشآگهی سرطان پستان معرفی کردند. بنابراین، جهتگیری کلی پژوهش ما با روند علمی بینالمللی در زمینه استفاده از اطلاعات اپیژنتیکی برای شناخت سرطان همسو است.
با این حال، ویژگی مهم پژوهش حاضر در چند مورد است:
۱. بررسی همزمان اطلاعات متیلاسیون DNA و فعالیت ژنها، به جای مطالعه جداگانه هر کدام.
۲. بررسی ارتباط متیلاسیون با فعالیت ژنها در سطح جایگاههای مشخص CpG، نه صرفاً در سطح کلی ژنها.
۳. استفاده از روشهای یادگیری ماشین برای انتخاب مجموعهای محدود از نشانگرهای مولکولی از میان حجم بسیار زیادی از اطلاعات ژنتیکی.
۴. ارزیابی نشانگرهای انتخابشده در یک مجموعه اطلاعات مستقل بینالمللی.
۵. انجام بررسی آزمایشگاهی ژن KLK2 در نمونههای واقعی بافت پستان.
بنابراین، ارزش اصلی این مطالعه صرفاً معرفی یک ژن جدید نیست، بلکه ارائه یک رویکرد یکپارچه برای شناسایی نشانگرهای اپیژنتیکی مرتبط با سرطان پستان است.
۴. کاربردهای احتمالی این پژوهش در آینده چیست؟
یافتههای این تحقیق میتوانند در چند زمینه مورد استفاده قرار گیرند:
۱. کمک به توسعه روشهای جدید تشخیص سرطان پستان
یکی از اهداف مهم تحقیقات سرطان، یافتن نشانگرهایی است که بتوانند وجود تغییرات سرطانی را با دقت بالا شناسایی کنند. نشانگرهای متیلاسیون DNA از این نظر اهمیت دارند که تغییرات اپیژنتیکی نسبتاً پایدار هستند و امکان بررسی آنها در نمونههای بافتی و حتی در برخی شرایط در نمونههای خون وجود دارد. بنابراین، نشانگرهای شناساییشده در این مطالعه میتوانند در آینده برای طراحی آزمایشهای مولکولی جدید مورد بررسی قرار گیرند. البته در پژوهش حاضر این نشانگرها در بافت بررسی شدهاند و هنوز کاربرد آنها در آزمایش خون اثبات نشده است.
۲. کمک به شناخت بهتر انواع مختلف سرطان پستان
سرطان پستان یک بیماری واحد با ویژگیهای یکسان نیست. این بیماری انواع مولکولی مختلفی دارد؛ از جمله انواع هورمونمثبت، HER2 مثبت و سهگانه منفی. هر یک از این گروهها رفتار زیستی و پاسخ درمانی متفاوتی دارند. بررسی تغییرات اپیژنتیکی میتواند در آینده به شناخت بهتر تفاوتهای مولکولی میان این گروهها کمک کند.
۳. فراهم کردن زمینه برای پزشکی شخصیسازیشده
در پزشکی شخصیسازیشده، تلاش میشود درمان هر بیمار با توجه به ویژگیهای مولکولی و ژنتیکی تومور او انتخاب شود. شناسایی نشانگرهای جدید میتواند در آینده به تکمیل اطلاعات مورد نیاز برای تصمیمگیری درمانی کمک کند. با این حال، پژوهش حاضر هنوز تأثیر این نشانگرها بر پاسخ به دارو یا انتخاب نوع درمان را بررسی نکرده است.
۴. فراهم کردن زمینه برای تحقیقات درمانی جدید
برخی تغییرات اپیژنتیکی ممکن است در فعالیت مسیرهای زیستی مرتبط با رشد و بقای سلولهای سرطانی نقش داشته باشند. شناخت این تغییرات میتواند به پژوهشگران کمک کند تا اهداف مولکولی جدیدی را برای تحقیقات آینده شناسایی کنند. از آنجا که برخی تغییرات اپیژنتیکی قابلیت برگشت دارند، مطالعه آنها از نظر توسعه درمانهای جدید نیز اهمیت دارد.
۵. چگونه به این نتایج رسیدیم؟
برای انجام این تحقیق از ترکیب روشهای پیشرفته زیستشناسی مولکولی، تحلیل اطلاعات ژنتیکی و روشهای هوش مصنوعی استفاده شد. مراحل اصلی پژوهش به زبان ساده عبارت بودند از:
مرحله اول: جمعآوری اطلاعات ژنتیکی بیماران
اطلاعات مربوط به سرطان پستان از پایگاه بینالمللی TCGA دریافت شد. این پایگاه یکی از منابع بزرگ اطلاعات ژنومی و مولکولی بیماران سرطانی در جهان است.
در این مطالعه، اطلاعات متیلاسیون DNA و فعالیت ژنها در نمونههای بافت سرطانی و طبیعی بررسی شد.
مرحله دوم: بررسی تغییرات متیلاسیون DNA
با استفاده از فناوری پیشرفته Illumina 450K، صدها هزار موقعیت مشخص در DNA مورد بررسی قرار گرفتند تا مشخص شود کدام بخشها در سلولهای سرطانی دچار افزایش یا کاهش متیلاسیون شدهاند.
مرحله سوم: بررسی فعالیت ژنها
در مرحله بعد، اطلاعات مربوط به میزان فعالیت ژنها بررسی شد تا مشخص شود کدام ژنها در سلولهای سرطانی نسبت به سلولهای طبیعی فعالتر یا کمفعالتر هستند.
مرحله چهارم: ارتباط دادن تغییرات متیلاسیون با فعالیت ژنها
در این مرحله، اطلاعات دو گروه با یکدیگر ترکیب شدند. هدف این بود که مشخص شود کدام تغییرات شیمیایی DNA با افزایش یا کاهش فعالیت ژنهای مشخص همراه هستند. این مرحله یکی از مهمترین بخشهای پژوهش بود؛ زیرا امکان شناسایی ارتباط میان تغییرات اپیژنتیکی و عملکرد ژنها را فراهم کرد.
مرحله پنجم: استفاده از هوش مصنوعی
از روشهای مختلف یادگیری ماشین برای بررسی حجم بسیار زیاد اطلاعات و انتخاب بهترین نشانگرهای مولکولی استفاده شد. در نهایت، هفت نشانگر CpG انتخاب شدند که توانایی مناسبی برای تفکیک نمونههای سرطانی از طبیعی نشان دادند.
مرحله ششم: بررسی نتایج در یک مجموعه اطلاعات مستقل
برای اطمینان از اینکه نتایج فقط مختص نمونههای اولیه نیستند، مدل انتخابشده با استفاده از اطلاعات یک مجموعه مستقل دیگر از بیماران نیز ارزیابی شد.
مرحله هفتم: تأیید آزمایشگاهی
در پایان، ژن KLK2 با استفاده از روش آزمایشگاهی RT-qPCR در نمونههای بافتی بیماران بررسی شد تا مشخص شود آیا الگوی مشاهدهشده در تحلیلهای رایانهای در نمونههای واقعی نیز قابل مشاهده است یا خیر. نتایج آزمایشگاهی از نظر جهت تغییرات با یافتههای محاسباتی همسو بود، هرچند تفاوت مشاهدهشده از نظر آماری معنادار نبود.
جمعبندی و چشمانداز آینده
یکی از پیامهای مهم این پژوهش آن است که برای شناخت بهتر سرطان، نباید تنها به بررسی تغییرات مستقیم در ساختار DNA اکتفا کرد؛ بلکه باید نحوه تنظیم و فعالیت ژنها نیز مورد توجه قرار گیرد. ترکیب اطلاعات ژنتیکی، اپیژنتیکی، آزمایشهای مولکولی و روشهای هوش مصنوعی میتواند مسیرهای جدیدی را برای شناخت بهتر سرطان و شناسایی نشانگرهای زیستی فراهم کند. این مطالعه با معرفی هفت نشانگر بالقوه متیلاسیون DNA و بررسی ارتباط آنها با فعالیت ژنها، گامی در جهت توسعه دانش اپیژنتیک سرطان پستان برداشته است. البته تبدیل این یافتهها به یک آزمایش تشخیصی قابل استفاده برای بیماران، نیازمند مطالعات تکمیلی، بررسی تعداد بیشتری از بیماران، مقایسه با نمونههای بیماریهای خوشخیم پستان و ارزیابی عملکرد این نشانگرها در نمونه خون است.
هدف نهایی چنین تحقیقاتی این است که در آینده بتوانیم سرطان را با دقت بیشتری شناسایی کنیم، ویژگیهای مولکولی آن را بهتر بشناسیم و زمینه را برای انتخاب درمان مناسبتر برای هر بیمار فراهم آوریم.
این پژوهش نمونهای از تلاش برای پیوند دادن علوم پایه، ژنتیک پزشکی، زیستشناسی مولکولی و هوش مصنوعی در خدمت ارتقای سلامت جامعه است.




نظر دهید