دانشمندان به کمک روش های جدید محاسباتی کشف کردند:
سلول‌ها چگونه برای آینده خود تصمیم می‌گیرند؟

تیمی از پژوهشگران ژاپنی در دانشگاه کیوشو (Kyushu University) روش محاسباتی نوآورانه‌ای به نام دی‌دی‌هاج (ddHodge) توسعه داده‌اند که می‌تواند دینامیک پیچیده تصمیم‌گیری سلول‌ها درباره سرنوشت‌شان را بازسازی کند.

به گزارش خبرگزاری سیناپرس، درک این‌ موضوع که یک سلول در حال رشد چگونه سرنوشت خود را انتخاب کرده و  مثلا تصمیم می‌گیرد به سلول عصبی تبدیل شود یا سلول عضلانی، یکی از چالش‌های اصلی در زیست‌شناسی و پزشکی است. به نظر می‌رسد دانشمندان ژاپنی موفق به شناسایی این فرایند شده و رویکرد فوق، راه را برای درک عمیق‌تر فرآیندهای زیستی دخیل در رشد جنینی، بازسازی بافت‌ها و بیماری‌ها هموار می‌کند.

برای مطالعه این مکانیسم‌ها، دانشمندان اغلب از فناوری توالی‌یابی آر‌ان‌ای تک‌سلولی استفاده می‌کنند؛ فناوری‌ که نشان می‌دهد در هر سلول کدام ژن‌ها فعال هستند. این روش بسیار موثر اما در عین حال مخرب است؛ یعنی فقط می‌تواند یک تصویر لحظه‌ای از سلول‌ها ارائه داده و قادر نیست تغییر حالت های آن‌ها را در طول زمان نشان دهد.

طی سال‌های اخیر، روش‌های محاسباتی جدیدی شروع به رفع این محدودیت کرده‌ و می‌توانند جهت آینده نزدیک یک سلول و سرعت حرکت آن به سمت کاربری نهایی را پیش‌بینی کنند. با این حال، شکل و چگونگی عملکرد یک سلول توسط تعداد بی‌شماری از ژن‌ها تعریف می‌شود و آن را در فضایی پیچیده و با ابعاد بسیار بالا قرار می‌دهد. روش‌های فعلی نمی‌توانند این فضای کامل را به‌طور دقیق نشان دهند.

به همین دلیل دکتر کازومیتسو مائهارا (Kazumitsu Maehara ) از دانشکده علوم پزشکی دانشگاه کیوشو و پروفسور یاسویوکی اوکاوا (Yasuyuki Ohkawa) از موسسه پزشکی دانشگاه کیوشو، روش دی‌دی‌هاج را توسعه داده‌اند؛ روشی که هندسه داده‌ها را حفظ کرده و می‌تواند دینامیک حالت سلول‌ها را با دقت بیشتری بازسازی کند.

دکتر مائهارا در این رابطه گفت: زمینه تخصصی من علوم آماری است و در دوران تحصیلات تکمیلی با روش هاج‌رنک (HodgeRank) آشنا شدم؛ روشی که در رتبه‌بندی آماری استفاده می‌شود. وقتی بعدها به پژوهش در علوم زیستی روی آوردم، متوجه شدم که همین ایده در علم ریاضی می‌تواند به تفسیر گذارهای پیچیده و با ابعاد بالا در داده‌های تک‌سلولی کمک کند.

گفتنی است این تکنیک بر پایه یک قضیه قدرتمند ریاضی بنا شده است که حرکت سلول‌ها را در منظره‌ای از حالت‌های ممکن به سه مولفه اساسی و قابل‌اندازه‌گیری تقسیم می‌کند. مؤلفه اول، گرادیان است که جریان جهت‌دار کلی در سراسر این منظره را نشان می‌دهد. باقی‌مانده شامل مولفه‌های چرخشی و هارمونیک است که جریان‌های چرخه‌ای یا دورانی را در بر می‌گیرد و بنابراین می‌تواند فرآیندهای تکرارشونده مانند چرخه سلولی را آشکار کند.

دکتر مائهارا  در این رابطه توضیح می‌دهد: دی‌دی‌هاج را می‌توان تلاشی برای تطبیق تکنیک‌ها و مفاهیم توسعه‌یافته در علوم ریاضی مدرن مانند هندسه دیفرانسیل و محاسبات عددی، با نیازهای عملی تحلیل داده‌های علوم زیستی دانست.  این چارچوب پیشنهادی از اصول هندسی استفاده می‌کند تا تقریبی از نحوه حرکت حالت‌های سلولی روی ساختاری با ابعاد پایین‌تر ارائه دهد، در حالی که اطلاعات شکل نهفته در داده‌های با ابعاد بالا را که در روش‌های استاندارد مبتنی بر کاهش ابعاد معمولاً از دست می‌رود ، حفظ می‌کند.

وقتی پژوهشگران دی‌دی‌هاج را روی داده‌های توالی‌یابی آر‌ان‌ای تک‌سلولی از حدود ۴۶ هزار سلول جنینی موش اعمال کردند، دریافتند که بیش از ۸۸ درصد دینامیک بیان ژن در مراحل اولیه رشد جنینی را می‌توان با مولفه گرادیان توضیح داد. این یافته با داده‌های واقعی، مفهوم دیرینه زیست‌شناسی رشد را تایید کرد که سلول‌ها با حرکت به سمت حالت‌های پایدار و دور شدن از نقاط شاخه‌ای از یکدیگر متمایز می‌شوند. علاوه بر این، با تمرکز بر این نقاط ناپایدار، پژوهشگران توانستند ژن‌های کلیدی را که پایداری حالت سلولی را هنگام تعهد به یک رده سلولی خاص هدایت یا حفظ می‌کنند، شناسایی کنند.

پژوهشگران همچنین عملکرد دی‌دی‌هاج را با استفاده از شبیه‌سازی‌های داده ارزیابی کردند و نشان دادند که حتی در مواجهه با داده‌های ناقص، این روش می‌تواند دینامیک حالت سلولی را با دقت حدود ۱۰۰ برابر بیشتر از رویکردهای فعلی بازسازی کند.

به گفته کارشناسان، دی‌دی‌هاج کاربردهای بالقوه زیادی فراتر از زیست‌شناسی و پزشکی دارد. پژوهشگران معتقدند این روش می‌تواند بینش‌هایی درباره دیگر فرآیندهای پیچیده در حال تغییر مانند تخریب مواد، الگوهای آب‌وهوایی و رفتارهای اجتماعی – اقتصادی ارائه دهد. بنابراین، دی‌دی‌هاج نمونه‌ای عالی از چگونگی استفاده از مفاهیم ریاضیات مدرن برای به‌دست آوردن بینش درباره فرآیندها و سیستم‌هایی است که در غیر این صورت در مجموعه‌داده‌های عظیم با ابعاد بالا پنهان می‌مانند.

شرح کامل این پژوهش در آخرین شماره مجله تخصصی نیچر کامونیکیشنز (Nature Communications) منتشر شده و در اختیار محققان قرار دارد.

مترجم: فاطمه کردی