به گزارش پایگاه اطلاع رسانی بنیان، پژوهشگران در تازه‌ترین دستاورد خود موفق شده‌اند با بهره‌گیری از رویکردی موسوم به GoT-Multi، نقشه‌ای همزمان از دو بعد اساسی در حیات سلول‌ها یعنی هویت رونویسی و خاستگاه کلونی را  ترسیم کنند. این فناوری امکان کنار هم قرار دادن اطلاعات ژنتیکی پایدار (مانند جایگزینی‌های DNA یا وارونگی‌های سوماتیک) با الگوهای بیان ژنی در همان سلول منفرد را فراهم می‌کند. به بیان ساده‌تر، هر سلول نه‌تنها بر اساس کاری که اکنون انجام می‌دهد خوانده می‌شود، بلکه شجره‌نامه و گذشته آن نیز رمزگشایی می‌گردد. چنین توانایی پیش‌تر یا به شکل جداگانه ممکن بود یا با هزینه و خطای بسیار بالا انجام می‌شد، در حالی که رویکرد جدید دو بعد متفاوت از حیات سلول را در یک آزمایش ترکیب کرده است. برای درک اهمیت این دستاورد باید دانست که رفتار سلول‌ها به ویژه سلول‌های ایمنی یا توموری  به‌شدت وابسته به تاریخچه تکاملی آن‌هاست. دو سلولی که در ظاهر یکسان به نظر می‌رسند، ممکن است یکی حاصل گسترش یک کلون جهش‌یافته و دیگری حاصل یک جمعیت سالم باشد. تشخیص این تفاوت، کلید درک مقاومت به دارو، عود سرطان یا حتی پاسخ‌های غیرمنتظره سیستم ایمنی است.

فناوریGoT-Multi

فناوریGoT-Multi می‌تواند این تفاوت‌ها را در مقیاس هزاران تا میلیون‌ها سلول آشکار کند، بی‌آنکه نیاز به آزمایش‌های جداگانه یا برچسب‌گذاری مصنوعی باشد. این روش بر پایه ردیابی وارونگی‌های DNA و جهش‌های طبیعی در خطوط تکثیر سلولی بنا شده و سپس همان سلول‌ها با روش‌های تک‌سلولی RNA-seq بررسی می‌شوند تا هم گذشته و هم اکنون‌شان در یک قاب قرار گیرد. در یک  مطالعه، از تکنیکی به نام ClonalTrace-Seq برای ردیابی همزمان جهش‌های کلونی و بیان ژن در سلول‌های تومور مغز استفاده شد تا مشخص گردد که کدام کلون‌های سرطانی در برابر درمان مقاوم می‌مانند و کدام خطوط تکثیر طی شیمی‌درمانی حذف می‌شوند. پژوهشگران در آن تحقیق کشف کردند که تنها اقلیتی از کلون‌ها مسئول عود تومور هستند و این کلون‌ها دارای امضای رونویسی ویژه‌ای هستند که پیش از درمان نیز قابل شناسایی بوده است. این یافته نشان می‌دهد که فناوری‌هایی مانندGoT-Multi می‌توانند پیش از شروع درمان، بیماران در معرض خطر عود را تشخیص دهند. در مطالعه دیگری مبتنی بر پلتفرم Lineage-Readout-Omics، محققان سیستم ایمنی افراد مبتلا به بیماری‌های خودایمنی را بررسی کردند تا مشخص شود که آیا سلول‌های T مهاجم، حاصل تکثیر یک کلون اصلی هستند یا از جمعیتی ناهمگن برخاسته‌اند. نتیجه آن بود که در بسیاری از موارد، تنها چند کلون با ویژگی‌های رونویسی خاص مسئول حمله به بافت‌ها هستند. چنین بینشی امکان طراحی درمان‌های هدفمند را فراهم می‌کند، چرا که به جای سرکوب کل سیستم ایمنی، تنها باید کلون‌های عامل حمله مهار شوند. مقایسه این دو مطالعه با دستاوردGoT-Multi نشان می‌دهد که پژوهش در حوزه ناهمگنی سوماتیک و رونویسی به سمت تلفیق همزمان داده‌های تبارشناختی و عملکردی پیش می‌رود و این روند فضای پزشکی فردمحور را به واقعیت نزدیک‌تر می‌کند.

کاربردهای بالینی

در حوزه سرطان‌شناسی، GoT-Multiمی‌تواند فرآیند فرار تومورها از سیستم ایمنی یا دارودرمانی را با وضوحی بی‌سابقه آشکار کند. به‌عنوان مثال، ممکن است یک تومور در ظاهر از بین رفته باشد، اما جمعیت کلونی خاصی در حالت خاموش باقی بماند و چند ماه بعد دوباره فعال شود. فناوری‌های گذشته تنها زمان فعال بودن این کلون‌ها قادر به شناسایی آن‌ها بودند، اما GoT-Multi می‌تواند حتی در حالت غیرفعال نیز هویت آن‌ها را بر اساس سابقه تکاملی‌شان تشخیص دهد. این توانایی موجب می‌شود که درمان‌ها نه صرفاً بر اساس وضعیت کنونی سلول‌ها، بلکه با درنظر گرفتن گذشته احتمالی خطرناک آن‌ها برنامه‌ریزی شود. در حوزه بیماری‌های التهابی و خودایمنی نیز همین رویکرد قابل استفاده است.GoT-Multi به‌خوبی قادر است چنین تمایزی را مشخص کند، زیرا تاریخچه تکثیر و امضای رونویسی سلول‌ها را همزمان بررسی می‌کند. حتی فراتر از بیماری، در مطالعات پایه‌ای در حوزه پیری و بازسازی بافت نیز این فناوری کاربرد دارد. برای نمونه، در بررسی بازسازی کبد پس از آسیب، می‌توان تشخیص داد که کدام کلون‌های سلولی بیشترین مشارکت را در ترمیم دارند و آیا این کلون‌ها ویژگی‌های رونویسی متفاوتی نسبت به سایرین دارند یا خیر. چنین دانشی مسیر مهندسی بافت و داروهای بازسازی‌کننده را متحول خواهد کرد. با وجود تمامی مزایا، تحلیل داده‌هایی که دو بعد جداگانه را باهم ترکیب می‌کنند، کار آسانی نیست.

پژوهشگران در گزارش ارائه‌شده در Cell Genomicsاشاره می‌کنند که حجم داده‌های تولیدشده توسطGoT-Multi به‌طور میانگین دو برابر داده‌های تک‌سلولی مرسوم است و نیاز به الگوریتم‌های پردازش کلونی جداگانه دارد. در عین حال، تشخیص وارونگی‌های DNA یا جهش‌های سوماتیک ظریف به خطاهای توالی‌یابی حساس است؛ بنابراین لازم است استانداردهای بین‌المللی برای صحت‌سنجی این اطلاعات تدوین شود تا داده‌های حاصل در مراکز مختلف قابل مقایسه باشد. یکی دیگر از چالش‌ها، تفسیر بیولوژیکی داده‌هاست. برای نمونه، وقتی مشخص می‌شود که دو جمعیت سلولی دارای منشأ کلونی مشترکی هستند اما رفتار رونویسی متفاوتی دارند، باید تعیین شود که آیا این تفاوت حاصل محیط میکروحیاتی متفاوت است یا ناشی از برهم‌کنش با سلول‌های دیگر. چنین پرسش‌هایی نشان می‌دهد که ترکیب داده‌های کلونی و رونویسی به‌تنهایی کافی نیست و باید با داده‌های مکانی یا پروتئومیکس نیز ادغام شود. انتظار می‌رود که در سال‌های آینده نسخه‌های توسعه‌یافته‌ای ازGoT-Multi با قابلیت ادغام با تصویر‌برداری بافتی و تحلیل فضایی ارائه شود تا نقشه سه‌بعدی کامل‌تری از رفتار سلول‌ها در بافت‌های واقعی ساخته شود. پژوهشگران معتقدند که زمانی که بتوان برای هر بیمار نقشه کلونی-رونویسی اختصاصی ترسیم کرد، عملاً نسخه‌ای بیولوژیک معادل کارت شناسایی صادر شده است. چنین کارتی مشخص می‌کند که کدام کلون‌های سلولی در بدن فرد فعال‌اند، هر یک چه سابقه‌ای دارند و اکنون چه نقشی ایفا می‌کنند. در نتیجه می‌توان داروهایی طراحی کرد که نه براساس بیماری، بلکه بر اساس ترکیب کلونی شخص تجویز شوند. این سطح از شخصی‌سازی تاکنون تنها در حد ایده‌های نظری مطرح شده بود، اما با ظهور فناوری‌هایی همچون GoT-Multi، امکان اجرای آن بر مبنای داده‌های واقعی فراهم شده است. در حوزه توسعه واکسن‌های سرطان نیز چنین نقشه‌هایی می‌توانند کلون‌های اصلی را که باید هدف قرار گیرند مشخص کنند. فرض کنید در یک تومور پانکراس، پنج کلون عمده وجود دارد اما تنها یکی از آن‌ها مسئول متاستاز است. واکسنی ساخته‌شده بر اساس آنتی‌ژن‌های آن کلون، بسیار موثرتر از واکسنی خواهد بود که کل جمعیت توموری را هدف قرار می‌دهد. این نوع درمان‌های حمله نقطه‌ای به دشمن، به‌مراتب کم‌عارضه‌تر و پر اثربخش‌تر خواهد بود.

پایان مطلب./