پایگاه خبری وبدا

عضو هیأت علمی  گروه آمارزیستی دانشگاه علوم پزشکی مشهد از توسعه یک مدل بیزی نوین با همکاری پژوهشگر دانشگاه نوادا لاس‌وگاس آمریکا خبر داد که می‌تواند شناسایی دقیق‌تر تغییرات اپی‌ژنتیکی و سایتوزین‌های متفاوت متیله‌شده (DMC) در سرطان کولورکتال را امکان‌پذیر کند؛ روشی که در تحلیل داده‌های ژنومی، شناسایی نشانگرهای زیستی جدید و مطالعه مسیرهای مولکولی مرتبط با سرطان کاربرد دارد.

دکتر سعیده حاجبی خانیکی ، عضو هیأت علمی  گروه آمارزیستی دانشگاه علوم پزشکی مشهد، در گفت‌وگو با وب‌دا اظهار کرد: این دستاورد حاصل همکاری علمی با دکتر فرهاد شکوهی از دانشگاه نوادا لاس‌وگاس آمریکا است و در آن یک مدل آماری بیزی نوین برای شناسایی تغییرات متیلاسیون DNA در سرطان کولورکتال توسعه یافته است.

وی با اشاره به اهمیت تغییرات اپی‌ژنتیکی در شکل‌گیری و پیشرفت سرطان افزود: یکی از مهم‌ترین این تغییرات، متیلاسیون DNA است؛ فرآیندی که طی آن گروه متیل به سایتوزین‌ها متصل می‌شود و می‌تواند بر میزان بیان ژن‌ها تأثیر بگذارد.

دکتر حاجبی خانیکی  ادامه داد: شناسایی سایتوزین‌هایی که الگوی متیلاسیون آن‌ها میان بافت سرطانی و سالم تفاوت معناداری دارد، به شناسایی «سایتوزین‌های متفاوت متیله‌شده» یا DMC منجر می‌شود و یکی از گام‌های مهم در مطالعه سازوکارهای مولکولی سرطان به شمار می‌رود.

چالش تحلیل داده‌های حجیم و پیچیده ژنومی

عضو هیأت علمی  گروه آمارزیستی دانشگاه علوم پزشکی مشهد با اشاره به پیچیدگی داده‌های متیلاسیون DNA تصریح کرد: حجم بالای داده‌های ژنومی و وجود ساختارهای پیچیده در این داده‌ها، شناسایی تغییرات واقعی را به یک چالش آماری تبدیل کرده است و برای تحلیل دقیق آن‌ها باید از روش‌های آماری پیشرفته استفاده کرد.

وی گفت: مقاله حاصل از این پژوهش با عنوان «شناسایی تغییرات اپی‌ژنتیکی سرطان با استفاده از روش مونت‌کارلو زنجیره مارکوف فرابعدی و مدل‌های مارکوف پنهان» در مجله معتبر Journal of the Royal Statistical Society: Series C (Applied Statistics) منتشر شده است؛ نشریه‌ای تخصصی در حوزه آمار کاربردی که مقالات روش‌شناختی با کاربرد در علوم پزشکی و زیستی را منتشر می‌کند.

توسعه مدل بیزی DMCTHM برای تحلیل داده‌های متیلاسیون DNA

دکتر حاجبی خانیکی  در تشریح نوآوری این پژوهش اظهار کرد: در این مطالعه، یک رویکرد آماری بیزی با عنوان DMCTHM معرفی شده که از تلفیق مدل‌های مارکوف پنهان (HMM)، توزیع دوجمله‌ای و الگوریتم مونت‌کارلو زنجیره مارکوف فرابعدی (TMCMC) شکل گرفته است.

وی افزود: این روش به‌طور اختصاصی برای تحلیل داده‌های توالی‌یابی بی‌سولفیت (BS-Seq) طراحی شده است؛ داده‌هایی که برای اندازه‌گیری متیلاسیون DNA مورد استفاده قرار می‌گیرند.

عضو هیأت علمی  دانشگاه علوم پزشکی مشهد با اشاره به چالش‌های موجود در تحلیل داده‌های BS-Seq گفت: در این پژوهش برای مقابله با خطاهای رایج در مدل‌سازی، جریمه‌ای ابتکاری با عنوان Expander-Collider طراحی شده است که با هدف بهبود برآوردها در مدل‌های TMCMC-HMM به کار گرفته می‌شود.

دکتر حاجبی خاطرنشان کرد: این روش همچنین می‌تواند به‌صورت همزمان ساختار خودهمبستگی داده‌های ژنومی، مقادیر گمشده، چندین متغیر کمکی، مقایسه‌های چندگانه و خطای خانواده‌ای را در فرآیند تحلیل آماری لحاظ کند.

عملکرد موفق مدل در داده‌های سرطان کولورکتال

وی با تشریح مراحل ارزیابی روش پیشنهادی گفت: عملکرد مدل DMCTHM ابتدا در مطالعات شبیه‌سازی گسترده مورد بررسی قرار گرفت و نتایج این ارزیابی نشان داد که روش پیشنهادی در شناسایی DMCها، عملکرد دقیق‌تری در مقایسه با روش‌های مورد بررسی داشته است.

عضو هیأت علمی  گروه آمارزیستی دانشگاه علوم پزشکی مشهد افزود: در مرحله بعد، این الگوریتم بر روی داده‌های واقعی بیماران مبتلا به سرطان کولورکتال مورد استفاده قرار گرفت و توانست DMCها و ژن‌های جدیدی را شناسایی کند که به‌طور معناداری در مسیر p53 (Tp53 pathway) غنی‌سازی شده بودند.

دکتر حاجبی خانیکی  بیان کرد: مسیر p53 یکی از مسیرهای مهم مرتبط با سرکوب تومور است و اختلال در عملکرد آن با انواع بدخیمی‌ها، از جمله سرطان کولورکتال، ارتباط دارد. همچنین مطالعات پیشین، تغییرات متیلاسیون در ژن‌های مرتبط با عملکرد p53 و ژن‌های تنظیم‌کننده متیلاسیون DNA این پروتئین را در سرطان کولورکتال گزارش کرده‌اند.

ظرفیت مدل جدید برای توسعه نشانگرهای زیستی و پزشکی شخصی‌سازی‌شده

وی درباره اهمیت کاربردی این یافته‌ها گفت: شناسایی دقیق‌تر الگوهای غیرطبیعی متیلاسیون DNA می‌تواند در آینده به شناسایی نشانگرهای زیستی بالقوه برای تشخیص زودهنگام بیماری، طبقه‌بندی دقیق‌تر بیماران و شناسایی اهداف درمانی جدید کمک کند.

دکتر حاجبی خانیکی  افزود: چنین رویکردهایی می‌توانند در مسیر توسعه پزشکی شخصی‌سازی‌شده و شناخت عمیق‌تر سازوکارهای مولکولی سرطان مورد استفاده قرار گیرند؛ هرچند برای تبدیل یافته‌های پژوهشی به کاربردهای بالینی، مطالعات و اعتبارسنجی‌های بیشتر مورد نیاز است.

همکاری آمارزیست‌شناسان و پژوهشگران علوم زیستی؛ مسیر جدیدی در پژوهش‌های سرطان

عضو هیأت علمی  گروه آمارزیستی دانشگاه علوم پزشکی مشهد در پایان، توسعه روش DMCTHM را نمونه‌ای از کاربرد روش‌های پیشرفته آمارزیستی در پاسخ به مسائل پیچیده پژوهش‌های پزشکی و بالینی دانست و تأکید کرد: این پژوهش نشان می‌دهد همکاری میان متخصصان آمار و پژوهشگران علوم زیستی می‌تواند ظرفیت‌های تازه‌ای برای تحلیل داده‌های پیچیده ژنومی و پیشبرد مطالعات سرطان‌شناسی ایجاد کند.