الگوريتمي براي رديابي گسترش سرطان در بدن
مهاجرت سلولها ميتواند منجر به بروز بيماريهاي متاستاتيك شود. اين وضعيت عامل حدود ۹۰ درصد از مرگهاي سرطاني در نتيجهي ايجاد تومورهاي جامد است؛ تودههاي سلولي كه در اندامهايي نظير سينه، پروستات و رودهي بزرگ رشد ميكنند. درك محركهاي متاستازيس ميتواند منجر به توسعهي روشهاي درماني جديد با هدف بلاك كردن فرايند انتشار سرطان در بدن شود.
بن رافائل استاد كامپيوتر دانشگاه پرينستون و نويسندهي ارشد پژوهش ميگويد:
آيا تغييرات خاص يا جهشهايي كه درون اين سلولها اتفاق ميافتد، موجب مهاجرت آنها ميشود؟ اين موضوع يكي از اسرار بزرگ بودهاست.
در مطالعهاي كه در Nature Genetics منتشر شدهاست، رافائل و همكارانش الگوريتمي را ارائه كردند كه ميتواند متاستاز سرطان را با تلفيق اطلاعات توالي DNA و اطلاعات مربوط به موقعيت قرار گرفتن سلولها در بدن، رديابي كند. نام اين الگوريتم ماشينا (MACHINA) در انديشه متخصصين گرفته شدهاست. رافائل گفت:
الگوريتم ما پژوهشگران را قادر ميسازد كه فرايند گذشتهي متاستازيس را از روي دادههاي توالي DNA بهدستآمده در زمان حال، استنباط كنند.
اين تكنيك نسبت به مطالعات قبلي كه فقط متكي به روشهاي مبتني بر توالي DNA بودند، تصويري واضحتر از تاريخچهي مهاجرت سرطان ايجاد ميكند. برخي از اين مطالعات الگوهاي مهاجرت پيچيدهاي را استنباط كرده بودند كه با دانش كنوني در مورد بيولوژي سرطان سازگاري ندارد. رافائل گفت:
مجموعه دادههايي كه ما امروزه بهدست ميآوريم، بسيار پيچيده هستند؛ ولي دادههاي پيچيده هميشه نياز به توضيحات پيچيدهاي ندارند.
با رديابي همزمان جهشها و حركتهاي سلولي در الگوريتم ماشينا نشان داده شد كه بيماري متاستاتيك در برخي از بيماران نسبت به آنچه قبلا تصور ميشد، حاصل مهاجرتهاي سلولي كمتري است. براي مثال در يك بيمار مبتلا به سرطان سينه، نتيجهي آناليز نشان داده بود كه اين بيماري حاصل ۱۴ رويداد مهاجرت جداگانه است؛ در حاليكه الگوريتم ماشينا نشان داد كه يك تومور ثانويه در ريه ريشهي متاستازهاي باقيمانده طي پنج مهاجرت سلولي بوده است. علاوه بر دادههاي مربوط به سرطان سينه، رافائل و همكارانش الگوريتم خود را براي آناليز الگوهاي متاستازيس بيماران مبتلا به سرطانهاي ملانوم (نوعي سرطان پوست)، تخمدان و پروستات نيز به كار بردند.
چند ويژگي ديگر نيز موجب بهبود دقت الگوريتم ماشينا ميشود. الگوريتم بر اساس اين مشاهدهي تجربي كار ميكند كه سلولهاي تومور ميتوانند بهصورت خوشهاي به قسمتهاي جديد بدن مهاجرت كنند و شامل مدلي براي جابهجايي سلولهاي متفاوت از لحاظ ژنتيكي است. الگوريتم اخير همچنين ميزان عدم اطمينان را در دادههاي DNA كه حاصل تركيب تواليهاي سلولهاي تومور و سلولهاي سالم است، در انديشه متخصصين ميگيرد.
آندريا سوتوريوا از موسسهي تحقيقات سرطان لندن ميگويد:
من پيشبيني ميكنم كه اين روش جديد در جامعهي ژنوميك بهطور وسيع مورد استفاده قرار گيرد و فراهمكنندهي دانشي در زمينهي مرگبارترين مرحله تكامل سرطان باشد.
توسعهي الگوريتم ماشينا راه را براي مطالعه گستردهتر الگوهاي متاستازيس در گروههاي بزرگ بيماران هموار ميكند و ميتواند جهشهاي كليدي كه موجب گسترش انواع مختلف سرطان ميشود، را شناسايي كند. رافائل همچنين در انديشه متخصصين دارد كه با گنجاندن دادههاي DNA تومور و سلولهاي توموري كه در جريان خون وجود دارند و نيز تغييرات اپيژنتيك؛ روش را قدرتمندتر كند.
رافائل گفت:
يك الگوريتم بهتر همانند يك ميكروسكوپ بهتر است؛ هنگامي شما با يك ذرهبين به طبيعت نگاه كنيد جزئيات مهمي را ممكن است از دست بدهيد. اگر با ميكروسكوپ نگاه كنيد چيزهاي بيشتري خواهيد ديد.
هم انديشي ها