تیمی از محققان مرکز علوم پزشکی یکپارچه ریکن در کشور ژاپن به رهبری شیان-یانگ کین (Xian-Yang Qin) روش جدیدی توسعه دادهاند که میتواند خطر ابتلا به سرطان کبد را پیشبینی کند.
به گزارش خبرگزاری سیناپرس، سرطان کبد یکی از مرگبارترین سرطانهاست و سالانه بیش از ۸۰۰ هزار نفر را در جهان قربانی میکند و متاسفانه چون علائم اولیه در افراد مبتلا دیده نمیشود، اغلب در مراحل پیشرفته کشف میشود. احتمال بازگشت بیماری نیز پس از درمان بین ۷۰-۸۰ درصد است؛ مجموع این عوامل سبب میشود، نرخ بقای پنجساله آن حدود ۲۲ درصد باشد.
بیشتر موارد سرطان کبد با عوامل قابل پیشگیری مانند هپاتیت B و C، کبد چرب، مصرف الکل و چاقی مرتبط هستند و واکسیناسیون، درمان بهموقع هپاتیت و سبک زندگی سالم میتواند خطر ابتلا را به شدت کاهش دهد.
نتایج یک مطالعه جدید نشان میدهد که پروتئین مایسیان (MYCN) عامل اصلی ایجاد تومورهای کبدی است و بهویژه در نوع خاصی از تومورها که در مرگبارترین زیرگروه سرطان کبد دیده میشود، وجود دارد.
در این مطالعات، پژوهشگران محیط ژنی را که باعث بیشبیان پروتین مایسیان میشود، توصیف و یک الگوریتم یادگیری ماشین ساختهاند که با استفاده از این دادهها پیشبینی میکنند کبدی که هنوز تومور ندارد، چقدر احتمال دارد در آینده تومور بگیرد.
گفتنی است، ژن مایسیان از عوامل شناختهشده سرطان کبدی است که در کبدهای آسیبدیده ایجاد میشود اما مکانیسم دقیق آن تاکنون کاملا روشن نبود. پژوهشگران فرض کردند اگر بیشبیان این ژن مستقیما باعث ایجاد تومور شود، میتواند نشانگر زیستی بسیار خوبی باشد.
برای آزمایش این فرضیه، آنها ابتدا با روشی به نام تزریق هیدرودینامیک از طریق ورید و سیستم ترانسپوزون، ژن مایسیان را به ژنوم کبد موش وارد کردند تا این ژن بیشازحد بیان شود. پس از این اقدام، ۷۲ درصد موشها ظرف ۵۰ روز تومور کبدی گرفتند.
آزمایشهای مختلف نشان داد این تومورها دقیقا ویژگیهای سرطان کبد انسانی را دارند، اما وقتی فقط یکی از این دو ژن بیشبیان میشد، توموری ایجاد نشد.
درک اینکه چگونه نشانههای اولیه محیط بافت باعث شروع سرطان کبد میشوند، برای پیشگیری بسیار مهم است. برای بررسی این محیط، پژوهشگران از فناوری ترانسکریپتومیک فضایی spatial transcriptomics استفاده کردند. این روش نشان میدهد کدام ژنها در بافت کبد فعال هستند و دقیقا در کدام نقطه از بافت این فعالیت رخ میدهد.
لازم به توضیح است که ترانسکریپتومیک فضایی تکنیکی پیشرفته برای نقشهبرداری ژنهای فعال در مکانهای دقیق بافت است.
اعضای این تیم مطالعاتی با بررسی بیان ژنها در طول زمان و در مکانهای مختلف، روی مناطقی تمرکز کردند که مایسیان افزایش یافته بود. نتیجه به دست آمده این بود که ۱۶۷ ژن در بخشهای بدون تومور کبد که سطح مایسیان در آن بالا بود، بهطور متفاوت بیان میشدند. به این مجموعه ژنها نام «نیچ مایسیان» (MYCN niche) دادند؛ یعنی محیط ویژهای که به مایسیان اجازه فعالیت بیشتر میدهد.
در مرحله بعد، با استفاده از دادههای ترانسکریپتومیک فضایی موش، پژوهشگران یک مدل یادگیری ماشین ساختند که الگوی بیان ژنها را بررسی کرده و امتیازی به نام امتیاز نیچ مایسیان داده و نشان میدهد آیا این الگو مربوط به محیط نیچ مایسیان است یا نه. این مدل با دقت ۹۳ درصد کار میکند.
در ادامه اعضای این تیم مطالعاتی، امتیازهای محاسبه شده را روی دادههای سرطان کبد انسانی محاسبه کردند. نتایج نشان داد بیمارانی که امتیاز نیچ مایسیان بالاتری داشتند، احتمال بازگشت تومور بیشتر و نتایج بالینی بدتری نشان دادند. این رابطه وقتی امتیاز از بافت غیرتوموری (نه خود تومور) محاسبه میشد، قویتر بود.
دکتر شیان-یانگ کین در این رابطه گفت: ما با بررسی الگوی بیان ژن در بافت کبد سرطانی، یک راهبرد عملی و قابل استفاده در کلینیک برای شناسایی بیماران پرخطر توسعه دادهایم. با ترکیب ترانسکریپتومیک فضایی و یادگیری ماشینی و تحلیلهای مبتنی بر هوش مصنوعی، سیستم امتیاز نیچ مایسیان را ایجاد کردهایم که خطر ایجاد و بازگشت سرطان کبد را پیشبینی کرده و محیطهای پیشسرطانی آماده برای ایجاد تومور جدید را شناسایی میکند.
شرح کامل این پژوهش در آخرین شماره مجله علمی معتبر آکادمی ملی علوم آمریکا (Proceedings of the National Academy of Sciences) منتشر شده است.
مترجم: فاطمه کردی