استخراج DNA میکروبی تکه تکه شده، نامزدهای آزمایش ضد سرطان را شناسایی می کند
محققان یک استراتژی عملی برای بازیابی اطلاعات بیوسنتزی از داده های متاژنومی تکه تکه شده ایجاد کرده اند. از طریق این کار، محققان نامزدهای محصولات طبیعی امیدوارکننده با فعالیت ضد باکتریایی یا ضد سرطانی بالقوه را شناسایی و اولویت بندی کردند.
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:
محققان یک استراتژی عملی برای بازیابی اطلاعات بیوسنتزی از داده های متاژنومی تکه تکه شده ایجاد کرده اند. از طریق این کار، محققان نامزدهای محصولات طبیعی امیدوارکننده با فعالیت ضد باکتریایی یا ضد سرطانی بالقوه را شناسایی و اولویت بندی کردند.
این مطالعه در Microbiology Spectrum منتشر شد.
میکروارگانیسم ها محصولات طبیعی زیادی تولید می کنند که به داروهای مهم تبدیل شده اند، از جمله آنتی بیوتیک ها و داروهای ضد سرطان. دکتر لی ژانگ، نویسنده مقاله، استاد مهندسی داروسازی در دانشگاه پزشکی جینینگ در چین، گفت: «بیوسنتز این محصولات طبیعی توسط خوشههای ژن بیوسنتزی (BGCs)، که گروههایی از ژنهای همسایه هستند که با هم کار میکنند تا یک ترکیب خاص را تولید کنند، کدگذاری میشود.
با این حال، اکثر میکروارگانیسمهای موجود در محیط هنوز نمیتوانند در آزمایشگاه کشت شوند، و BGCهای بازیابی شده از مجموعههای متاژنومی اغلب در سرتاسر گروهها (یک سری از توالیهای DNA همپوشانی) تکه تکه میشوند.
محققان برای توسعه استراتژی جدید خود برای بازیابی اطلاعات بیوسنتزی از داده های متاژنومی تکه تکه شده، با خوشه های ژن بیوسنتزی که محصولات آنها قبلا به طور تجربی مشخص شده بود شروع کردند و از آنها به عنوان "نقشه های مرجع" استفاده کردند. آنها مجموعههای بزرگ دادههای متاژنومی را برای قطعات مرتبط از اطلاعات بیوسنتزی جستجو کردند.
وقتی این قطعات تکه تکه شدند، از خوشه های شناخته شده به عنوان راهنما برای کمک به بازسازی مسیر گم شده و پیش بینی نوع مولکول هایی که ممکن است تولید کند، استفاده کردند. سپس آنها ترکیبات پیش بینی شده انتخاب شده را به صورت شیمیایی سنتز کردند و فعالیت بیولوژیکی آنها را آزمایش کردند. ژانگ گفت: «ما استخراج محاسباتی دادههای متاژنومی را با اعتبارسنجی تجربی مرتبط کردیم.
محققان دریافتند که دادههای متاژنومی تکهتکهشده میتواند حاوی اطلاعات بیوسنتزی ارزشمندی باشد که اگر هر قطعه به طور جداگانه تجزیه و تحلیل شود، از دست میرود. با استفاده از خوشه های ژن بیوسنتزی شناخته شده به عنوان راهنما، آنها توانستند مسیرهای نامزد را کنار هم بگذارند و محصولات زیست فعال بالقوه را شناسایی کنند.
ژانگ گفت: "نکته مهم، ما فراتر از پیش بینی محاسباتی رفتیم. ما شش ترکیب کاندید را به صورت شیمیایی سنتز کردیم و آنها را در هفت رده سلولی سرطانی آزمایش کردیم. این ترکیبات الگوهای متفاوتی از فعالیت سیتوتوکسیک را نشان دادند، با ترکیبات D و E که قابل توجه ترین فعالیت و تفاوت های واضح را در بین رده های سلولی سرطانی نشان دادند."
اهمیت اصلی این کار این است که مسیری را برای تبدیل BGC های ناقص یا تکه تکه به فرضیه های محصول طبیعی قابل آزمایش ارائه می دهد. به جای تلقی BGC های جزئی به عنوان غیرقابل استفاده، این رویکرد از BGC های تجربی مشخص شده به عنوان راهنما برای بازسازی استفاده می کند و سپس منابع تجربی را بر روی داوطلبانی متمرکز می کند که مبنای قوی تری برای مطالعه بیشتر دارند.
در همان زمان، این مطالعه روشن میکند که بازسازی محاسباتی و پیشبینی محصول مراحل اولویتبندی هستند: ساختارهای شیمیایی، فعالیتهای بیولوژیکی و ارزش درمانی هنوز باید از طریق آزمایشهای مناسب ایجاد شوند.
ژانگ گفت: "داده های متاژنومی تکه تکه شده نباید به سادگی ناقص یا غیرقابل استفاده تلقی شوند." "مطالعه ما نشان می دهد که با استفاده از مسیرهای بیوسنتزی شناخته شده به عنوان راهنما، می توانیم اطلاعات بیوسنتزی پنهان را بازیابی کنیم، نامزدهای محصولات طبیعی امیدوارکننده را اولویت بندی کنیم و آنها را از پیش بینی محاسباتی به سمت آزمایش های تجربی سوق دهیم. این یک راه عملی برای کشف پتانسیل شیمیایی عظیم میکروارگانیسم هایی است که هنوز نمی توانیم آنها را در آزمایشگاه پرورش دهیم."
ژانگ افزود که یکی از ویژگیهای اصلی این کار، ادغام کشف محاسباتی و اعتبارسنجی تجربی آن است. ژانگ گفت: «جریان کاری نامزدهایی را برای بازسازی، پیشبینی محصول، سنتز شیمیایی و آزمایشهای بیولوژیکی شناسایی میکند، همانطور که توسط شش ترکیب ارزیابی شده در هفت رده سلول سرطانی نشان داده شده است. آزمایشهای بیشتری برای تأیید مکانیسمهای بیولوژیکی، پروفایلهای فعالیت و پتانسیل درمانی آنها و همچنین اینکه آیا محصولات پیشبینیشده بهطور طبیعی توسط میکروارگانیسمهای مربوطه تولید میشوند، هنوز مورد نیاز است.»
Xiao Yang و همکاران، استخراج لنگر GCF و هدف گرا فضای متاژنومی BGC برای کشف محصول زیست فعال، طیف میکروبیولوژی (2026). DOI: 10.1128/spectrum.01098-26
ارائه شده توسط انجمن میکروبیولوژی آمریکا
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 →
متن اصلی (انگلیسی)
Mining fragmented microbial DNA identifies candidates for anticancer testing
Researchers have developed a practical strategy for recovering biosynthetic information from fragmented metagenomic data. Through this work, the researchers identified and prioritized promising natural-product candidates with potential antibacterial or anticancer activity.