→ العودة إلى الصفحة الرئيسية

استخلاص دلائل تضفير RNA من DNA: شركة Illumina تطلق SpliceAI2 للمساعدة في البحث عن المتغيرات المرتبطة بالأمراض النادرة

قد تختبئ الدلائل الوراثية للأمراض النادرة أحيانًا في تفاصيل كيفية تضفير الجينات لإنتاج RNA. عثر SpliceAI2 على مزيد من المتغيرات المرشحة ضمن بيانات بحثية قائمة، لكن معرفة ما إذا كان هذا التقدم سيؤدي إلى مزيد من التشخيصات المؤكدة لا تزال تتطلب تحققًا سريريًا.

By SURL BioNews

بالنسبة إلى الأسر التي تبحث عن أسباب الأمراض النادرة، لا تعد قراءة تسلسل DNA سوى نقطة البداية؛ فالصعوبة تكمن غالبًا في تحديد المتغير الذي يعطل عمل الجين فعلًا. أطلقت Illumina في 8 أكتوبر SpliceAI2، في محاولة لسد إحدى هذه الفجوات: التنبؤ بكيفية تأثير تغيرات DNA في تضفير RNA، بما يمنح الباحثين أساسًا أقوى لاختيار الدلائل الوراثية التي تستحق المتابعة.

عندما تصنع الخلايا RNA ناضجًا، تزيل مقاطع تسمى الإنترونات، ثم تصل الإكسونات المتبقية بعضها ببعض. وإذا تغيرت مواقع التضفير، فقد يتغير الناتج أيضًا. ووفقًا للعرض التقني الذي قدمته Illumina، يستطيع SpliceAI2 التنبؤ مباشرة من تسلسل DNA بتواتر استخدام مواقع التضفير، وكيفية اتصال هذه المواقع بعضها ببعض، ونسخ RNA الكاملة. وهذا يوسع نطاق تفسير المتغيرات من «أين قد يحدث خطأ في التضفير» إلى «ما الذي قد ينتج في النهاية».

لادعاء الشركة بأنها «تكتشف متغيرات مرتبطة بالأمراض أكثر بنحو 17%» سياق إحصائي محدد. حللت المسودة البحثية بيانات 7,504 من الحالات الدالة لدى Genomics England، مع التركيز على الأمراض التي يكفي فيها أليل واحد للتسبب بالمرض، وغيّرت عشوائيًا اقتران المرضى بأنماطهم الظاهرية لتقدير المستوى المرجعي للتطابقات العرضية. وعند نسبة أرجحية متساوية تبلغ 2 للتطابق مع قائمة جينات المرض، رصد SpliceAI2 عددًا من المتغيرات يتجاوز المتوقع وفق المستوى المرجعي بمقدار 133 متغيرًا، مقابل 114 متغيرًا للنموذج التالي في الأداء؛ ومن هنا جاء الفارق البالغ نحو 17%، وهو لا يعني زيادة معدل التشخيص المؤكد بنسبة 17%.

قدمت بيانات RNA مستوى آخر من التحقق: ففي مجموعة فرعية اختيرت وفقًا للنمط الظاهري ودرجات النموذج، أظهر 17 من أصل 23 متغيرًا نادرًا أعطيت الأولوية لمتابعتها تغيرات التضفير المتوقعة. وأشارت المسودة أيضًا إلى أن نحو نصف المتغيرات المكتشفة المرتبطة بالتضفير الخفي تقع داخل الإنترونات، على مسافة تزيد على 50 قاعدة من الحدود، وقد يفوتها عادة تسلسل الإكسوم. وهذا يبرز أيضًا أن قدرة أدوات التنبؤ على أداء دورها تعتمد على ما إذا كان الفحص الأصلي يغطي تلك المواقع.

تشمل بيانات تدريب النموذج 314,745 عينة تسلسل RNA من عشرة أنواع، وأكثر من 46 مليون نقطة اتصال تضفير بعد التصفية. وقالت Illumina إن إضافة 330 عينة ذات قراءات طويلة من ENCODE رفعت دقة إعادة البناء الكامل للنسخة الرئيسية من 78% إلى 82% في الجينات التي لم تدخل في التدريب. يقيس هذا الاختبار القدرة على إعادة بناء النسخ، ويجيب عن سؤال مختلف عن السؤال الذي تتناوله مقارنة المتغيرات المرشحة للأمراض النادرة.

أصبحت الأداة متاحة أيضًا. وتظهر سجلات PyPI أن SpliceAI2 2.0 صدر في 8 أكتوبر؛ وتوفر الوثائق أوزانًا مدربة مسبقًا، ونتائج محسوبة مسبقًا لأربعة مليارات متغير محتمل أحادي النوكليوتيد ضمن نطاق الجينات المشفرة للبروتين، و150 مليون متغير إدخال أو حذف سبق رصده في المجموعات السكانية. الأوزان وبيانات التنبؤ متاحة للاستخدام في الأبحاث الأكاديمية وغير التجارية، بينما تتطلب الاستخدامات التجارية التواصل مع Illumina، ويحتاج التشغيل المحلي إلى وحدة معالجة رسومية تدعم CUDA.

في أبحاث الأمراض النادرة، يمكن لهذه التنبؤات أن تساعد في ترتيب التجارب الوظيفية اللاحقة؛ وفي اكتشاف الأدوية، يمكنها أن تقدم دلائل بحثية حول كيفية تغيير المتغيرات لنواتج RNA. لكن الأدلة الأساسية تأتي حاليًا من مسودة منشورة قبل مراجعة الأقران ومن تحليل بيانات قائمة، ولم تثبت بعد فائدتها التشخيصية في دراسات استباقية. كما أن رصد تغير في التضفير لا يعني تأكيد تسببه في مرض المريض؛ فإدماج الأداة فعليًا في مسار التشخيص لا يزال يتطلب الجمع بين أدلة النمط الظاهري والأدلة الوراثية والوظيفية، لاختبار ما إذا كانت قادرة على زيادة التشخيصات المؤكدة الموثوقة وتحسين كفاءة التفسير.

References

  1. Illumina
  2. Illumina BioInsight AI Lab
  3. Illumina
  4. PyPI — Illumina's SpliceAI2 package