"شکل" بیان ژن: شناسایی ژن هایی که ممکن است در بین گونه ها نقش مشترک داشته باشند

ویرایش شده توسط Swati Mestri، بررسی توسط Robert Egan

این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

بسیاری از چیزهایی که در مورد زیست شناسی می دانیم از مدل های حیوانی، به ویژه موش ها می آید. با این حال، به کار بردن این بینش ها برای انسان ها همیشه ساده نیست. به عنوان مثال، برخی از ژن‌های مهم برای تشکیل سلول‌های زایا، که در نهایت باعث تولید تخمک یا اسپرم می‌شوند، بین موش و انسان متفاوت است.

برای شناسایی تطابقات ژنی بین گونه‌ها، محققان اغلب توالی‌های DNA را با هم مقایسه می‌کنند. این به ایجاد روابط تکاملی بین ژن‌ها کمک می‌کند، اما همیشه به یک سوال کاربردی‌تر پاسخ نمی‌دهد: کدام ژن‌ها نقش‌های تنظیم‌کننده مشابهی را در انواع سلول‌های خاص یا فرآیندهای تعیین سرنوشت سلول در گونه‌ها بازی می‌کنند؟

برای بررسی این سوال، تیمی از محققان در موسسه مطالعات پیشرفته زیست شناسی انسانی دانشگاه کیوتو (WPI-ASHBi) چگونگی بیان ژن ها را در ارتباط با یکدیگر بررسی کردند. آنها استدلال کردند که سازماندهی کلی شبکه های نظارتی ممکن است در بین گونه ها مشابه باقی بماند، حتی زمانی که ژن های دخیل متفاوت باشند.

اگر چنین است، این سازمان مشترک ممکن است در هندسه بیان ژن به عنوان یک کل منعکس شود. بنابراین تیم Species-OT را توسعه داد، روشی که الگوهای بیان ژن را برای شناسایی ژن‌هایی که ممکن است نقش‌های مشابهی را در بین گونه‌ها ایفا کنند، مقایسه می‌کند.

این یافته ها در مجله Cell Reports Methods منتشر شده است.

Species-OT داده‌های رونویسی را از انواع سلول‌های متناظر یا فرآیندهای تعیین سرنوشت سلولی در بین گونه‌ها مقایسه می‌کند. در هر مجموعه داده، بردارهای بیان ژن را می توان به عنوان نقاطی در نظر گرفت و ژن هایی با الگوهای بیان مشابه را به هم نزدیکتر می کند. این نقاط یک "شکل" هندسی را تشکیل می دهند که مجموعه داده را مشخص می کند. سپس، با استفاده از یک نظریه ریاضی به نام انتقال بهینه گروموف-واسرشتاین، این روش نحوه چیدمان این نقاط را نسبت به یکدیگر برای شناسایی تناظرهای ژنی کاندید در میان گونه‌ها مقایسه می‌کند.

همچنین میزان تفاوت الگوهای بیان ژن کلی بین مجموعه داده ها را اندازه گیری می کند. در این مطالعه، مقایسه بر روی ژن‌های کدکننده فاکتورهای رونویسی متمرکز بود، که انتظار می‌رود هسته به خوبی حفظ شده شبکه‌های تنظیم ژن را تشکیل دهند.

برای آزمایش این روش، محققان بیان ژن را در طول القای سلول‌های شبه سلول زایای اولیه (PGCLCs) از سلول‌های بنیادی پرتوان موش و انسان تجزیه و تحلیل کردند. در میان پیش‌بینی‌های اصلی Species-OT، جفت‌هایی از ژن‌های موش و انسان بود که مطالعات قبلی نشان داده بود نقش‌های مشابهی دارند. این تجزیه و تحلیل تطابقات احتمالی بین ژن‌هایی را که از طریق تکامل به هم نزدیک هستند و همچنین ژن‌هایی که با هم مرتبط هستند، شناسایی کرد.

Species-OT همچنین الگوهای کلی بیان ژن را مقایسه می کند. در تجزیه و تحلیل القای PGCLC، این الگوها در انسان و ماکاک سینومولگوس نسبتا مشابه بودند، در حالی که موش از هر دو فاصله بیشتری داشت. این تیم بیشتر داده‌های توالی‌یابی RNA تک سلولی را از سلول‌های بنیادی پرتوان شش گونه پستانداران (انسان، شامپانزه، گوریل، اورانگوتان، ماکاک سینومولگوس و موش) تجزیه و تحلیل کردند که شباهت‌هایی را در میان نخستی‌ها، به ویژه بین انسان و شامپانزه، و در میان گوریل‌ها و گوریل‌ها نشان داد.

در این تجزیه و تحلیل نیز، الگوهای بیان موش به طور قابل‌توجهی با نمونه‌های پستانداران متفاوت بود.

این تجزیه و تحلیل ها منعکس کننده تفاوت در نوع سلول و شرایط کشت است که بر بیان ژن و همچنین تفاوت بین گونه ها تأثیر می گذارد. روابط حاصل متفاوت از درختان فیلوژنتیک معمولی محاسبه می شود.

Species-OT یک روش مبتنی بر داده است که برای استنتاج تناظرهای ژنی در میان گونه ها طراحی شده است، به طوری که آنچه در مورد نقش یک ژن در یک گونه شناخته شده است می تواند به همتای آن در گونه دیگر منتقل شود. این بر این فرضیه استوار است که مکانیسم های تنظیم کننده ژن مشترک در بین گونه ها در "شکل" داده های رونوشت منعکس می شود.

پیش‌بینی‌های آن به نحوه پیش‌پردازش داده‌های ورودی و نحوه اندازه‌گیری تفاوت‌ها در بیان ژن بستگی دارد، و در این مطالعه ارزیابی تناظر ژن‌ها عمدتا بر روی مجموعه‌ای از ژن‌های درگیر در مشخصات سلول‌های زایا متمرکز بود.

این یافته‌ها نقطه شروعی برای مقایسه‌های گسترده‌تر تنظیم ژن در میان گونه‌ها فراهم می‌کند. کار بیشتر شامل آزمایش تطابقات ژنی پیش‌بینی‌شده به‌صورت تجربی و اعمال Species-OT برای سایر انواع سلول‌ها و فرآیندهای تعیین سرنوشت سلولی است، که انتظار می‌رود درک مکانیسم‌های مشترک بین گونه‌ها و تفاوت‌های آن‌ها را افزایش دهد.

ترکیب اطلاعات اضافی در مورد تنظیم ژن نیز می تواند این روش را گسترش دهد و دقت پیش بینی های آن را بهبود بخشد. فراتر از مقایسه بین گونه‌ها، همین رویکرد را می‌توان برای تفاوت‌های بین انواع سلول، شرایط کشت یا افراد به کار برد.

در بلندمدت، Species-OT می‌تواند با شناسایی ژن‌هایی که ممکن است نقش‌های مشابهی در بین گونه‌ها داشته باشند، به ترجمه یافته‌های مطالعات حیوانی به درک بهتر بیماری‌های انسانی کمک کند. این می تواند به هدف Moonshot 2 کمک کند که هدف آن تحقق جامعه ای است که تا سال 2050 قادر به پیش بینی و پیشگیری از بیماری ها در مراحل اولیه است.

اگر بتوان این روش را برای داده‌های سلول‌های مرتبط با بیماری به کار برد، می‌تواند به محدود کردن ژن‌های انسانی که با تغییرات موجود در حیوانات مطابقت دارند کمک کند و از مطالعاتی که مکانیسم‌های مشترک و خاص انسان‌ها را آزمایش می‌کنند، پشتیبانی کند. با این حال، داده‌های مورد بررسی در این مطالعه به سلول‌های بنیادی پرتوان و مشخصات سلول‌های زاینده مربوط می‌شوند و ارزش روش برای پیش‌بینی و پیشگیری از بیماری همچنان باید آزمایش شود.

دکتر توکوتا، نویسنده اصلی این مقاله می‌گوید: «امیدوارم از مدل‌های ریاضی و علم داده برای درک ساختارهای ریاضی زیربنای پدیده‌های پیچیده طبیعی، کنترل آن پدیده‌ها و مقابله با مشکلات دنیای واقعی مرتبط با آنها استفاده کنم». با مقایسه ساختارهای ریاضی زیربنای داده های ژنومی، اپی ژنومیک و بیان ژن در میان گونه ها، این تحقیق می تواند به ما کمک کند تا بفهمیم انسان ها کجا و چگونه با سایر موجودات متفاوت هستند و همچنین چه چیزهایی مشترک داریم.

یویا توکوتا و همکاران، استنتاج هندسی تناظر رونوشت بین گونه‌ای، روش‌های گزارش سلولی (2026). DOI: 10.1016/j.crmeth.2026.101643

سواتی مستری دارای مدرک لیسانس در مهندسی الکترونیک است و از سال 2019 به عنوان ویرایشگر محتوا کار کرده است. او ویرایش اسناد تحقیقاتی در زمینه فناوری، مراقبت های بهداشتی و علم مواد را تجربه کرده است و علاقه خاصی به فناوری و فضا دارد. نمایه کامل →

لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →