طريقة جديدة للعثور على الجينات المسببة للأمراض

كشف فريق من الباحثين عن خوارزمية إحصائية جديدة، تستطيع تحديد الجينات المحتملة للأمراض بطريقة أكثر دقة وكفاءة اقتصادية .

يوجد طريقة جديدة لاكتشاف الجينات التي تسبب الأمراض
قدمت دراسة جديدة تابعة لجامعة يونيست مؤخرا خوارزمية إحصائية جديدة، تستطيع بدقة وفعالية أكثر تحديد الجينات المحتملة للأمراض بتكلفة أقل، وتعتبر هذه الخوارزمية نهجا جديدا واعدا في تحديد جينات المرض المرشحة، حيث تعمل بفعالية مع كمية بيانات جينومية أقل، وتأخذ دقيقة أو دقيقتين فقط للحصول على النتائج، وقد أجرى البروفيسور دوغ نام وفريقه البحثي في كلية علوم الحياة في جامعة يونيست هذا البحث، وتم نشر النتائج في مجلة أبحاث الأحماض النووية في التاسع عشر من مارس لهذا العام .

ما قام به الباحثون في الدراسة
قدم فريق البحث في هذه الدراسة طريقة وبرمجيات GSA-SNP2 الجديدة لتحليل تخصيب المسار لبيانات قيم P GWAS، ووفقا للفريق البحثي، GSA-SNP2 يوفر قدرة عالية على التحكم في أخطاء النوع الأول وحساب سريع من خلال دمج نموذج المجموعة العشوائية ومعدلات تعديل الجينات من SNP. يقول الأستاذ نام: “GSA-SNP2 هي أداة قوية وفعالة لتحليل وتخصيب المسار وشبكة ملخصات دراسة الجينوم على مستوى الجينوم (GWAS)، وباستخدام هذا الخوارزمية بسهولة يمكننا تحديد أهداف جديدة للأدوية وبالتالي زيادة فهمنا للأمراض وفتح أبواب لعلاجات جديدة لها .

الجينوم
يتكون كل جينوم في الفرد من تسلسلات فريدة من الحمض النووي (DNA) التي تلعب دورا رئيسيا في تحديد هويتنا. تعتبر هذه التغييرات الموروثة مسؤولة عن جميع الاختلافات الفردية، بما في ذلك الحساسية للأمراض والسمات المتنوعة. تعرف هذه الاختلافات الجينية بين البشر باسم التباين النيوكليوتيدي الفردي (SNPs). يمكن استخدام SNPs المرتبطة بأمراض معينة كمؤشرات حيوية تنبؤية للمساعدة في تطوير أدوية جديدة من خلال تحليل البيانات الإحصائية لملخص GWAS. يمكن التعرف على SNPs المرتبطة بالمرض .

تقنيات الكشف التقليدية
بالرغم من الكمية الهائلة من المال والوقت المستثمرة في تحليل البيانات الإحصائية الخاصة بـ SNP، إلا أن تقنيات الكشف التقليدية لـ SNP لم تتمكن من تحديد كل الـ SNPs المحتملة؛ وذلك بسبب تصميم معظم طرق الكشف التقليدية للتحكم بالنتائج الإيجابية الزائفة في النتائج. لذلك، من أصل الآلاف من بيانات الجينوميات ومئات الآلاف من الـ SNPs التي تم تحليلها، فإن عدد العلامات الموصفة في جينة مرضية معينة غالبا ما يصل إلى عشرات العشرات .

يقول الأستاذ نام : على الرغم من أن السيطرة على SNPs الإيجابية الخاطئة مطلوبة لتفسير النتائج بشكل صحيح، إلا أن الكثير من الترشيحات يمكن أن تعيق فائدتها في تطوير الأدوية. لذلك، من الضروري تعزيز القدرة الإحصائية للخوارزميات الإحصائية العملية .

أهداف فريق البحث
يهدف الفريق إلى تطوير خوارزمية تعزز القدرة على التنبؤ الإحصائي بشكل أفضل، مع الحفاظ على السيطرة الدقيقة على الأخطاء الإيجابية، وذلك عن طريق تطبيق منحنى اتجاه العمود الفقري المكعب الرتيب على بيانات التعبير الجيني لتحليل المسار التنافسي .

GSA-SNP2″ تمت دراسة قدراتها العالية ومساراتها الذهبية الأولوية بالمقارنة بين البيانات الحقيقية والمحاكية لـ GWAS. تمت مقارنتها مع ست طرق قائمة على التخصيب وطريقتين مستقلتين، وبناء على هذه النتائج، تمت مناقشة الفروق في تحليل المسار. كما تمت مناقشة تأثير ترابط ارتباط الجينات على تحليل إثراء المسار. بالإضافة إلى ذلك، يمكن لـ GSA-SNP2 تصور شبكات تفاعل البروتين داخل وعبر المسارات الهامة، حيث يمكن للمستخدم إعطاء الأولوية للشبكات الفرعية الأساسية لمزيد من الدراسات .

توقعات فريق البحث
وفقا لفريق البحث فإن GSA-SNP2 يوفر تحكما كبيرا في ضبط الأخطاء من النوع الأول، باستخدام درجات الجين المعدلة من SNP، مع الحفاظ على قوة إحصائية عالية، كما يوفر أيضا شبكات تفاعلية برمجية محلية وعالمية في المسارات المصاحبة، وقد يسهل تحليل المسارات والشبكات المتكاملة لبيانات GWAS .

يتوقع فريق البحث أن GSA-SNP2 يمكنه تصور شبكات تفاعل البروتين داخل وخارج المسارات الحيوية الهامة، مما يسمح للمستخدم بتحديد أولويات الشبكات الفرعية الأساسية لإجراء مزيد من الدراسات .

المصدر : ساينس ديلي