به گزارش پایگاه اطلاع رسانی بنیان، سلول‌های سرطانی می‌توانند هزاران جهش در DNA خود داشته باشند. با این حال، تنها تعداد انگشت شماری از آن‌ها در واقع باعث پیشرفت سرطان می‌شوند. تشخیص این جهش‌های مضر می‌تواند به محققان در شناسایی اهداف دارویی بهتر کمک کند. برای تقویت این تلاش‌ها، یک تیم به رهبری MIT یک مدل کامپیوتری جدید ساخته‌اند که می‌تواند به سرعت کل ژنوم سلول‌های سرطانی را اسکن کند و جهش‌هایی را که بیشتر از حد انتظار رخ می‌دهند شناسایی کند، که نشان می‌دهد آن‌ها باعث رشد تومور می‌شوند. این نوع پیش‌بینی چالش‌برانگیز بوده است، زیرا برخی از مناطق ژنومی دارای فرکانس بسیار بالایی از جهش‌ها هستند و سیگنال واقعی را از بین می‌برند. در مطالعه جدید، محققان جهش‌های بیشتری را در ژنوم پیدا کردند که به نظر می‌رسد در رشد تومور در 5 تا 10 مورد کمک می‌کند. به گفته محققان، یافته‌ها می‌تواند به پزشکان در شناسایی داروهایی که شانس بیشتری برای درمان موفقیت‌آمیز آن بیماران دارند، کمک کند. در حال حاضر، حداقل 30 درصد از بیماران سرطانی هیچ جهش محرک قابل تشخیصی ندارند که بتوان از آن برای هدایت درمان استفاده کرد.
این مطالعه در Nature Biotechnology منتشر شده است. از زمانی که ژنوم انسان دو دهه پیش توالی یابی شد، محققان در جستجوی ژنوم هستند تا جهش‌هایی را بیابند که با رشد غیرقابل کنترل سلول‌ها یا فرار از سیستم ایمنی به سرطان کمک می‌کند. این موضوع با موفقیت اهدافی مانند گیرنده فاکتور رشد اپیدرمی (EGFR) را که معمولاً در تومورهای ریه جهش می‌یابد، و BRAF، یک محرک رایج ملانوم، به دست آورده است. هر دوی این جهش‌ها اکنون می‌توانند توسط داروهای خاص مورد هدف قرار گیرند.
در حالی که این اهداف مفید بوده اند، ژن‌های کد کننده پروتئین تنها حدود 2 درصد از ژنوم را تشکیل می‌دهند. 98 درصد دیگر نیز حاوی جهش‌هایی است که می‌تواند در سلول‌های سرطانی رخ دهد، اما تشخیص اینکه آیا هر یک از این جهش‌ها به توسعه سرطان کمک می‌کند یا نه، بسیار دشوارتر بوده است.
در حال حاضر، واقعاً کمبود ابزارهای محاسباتی وجود دارد که باعث شده، این جهش‌های محرک را خارج از مناطق کدکننده پروتئین جستجو کنند. این همان کاری است که در اینجا انجام شد، یعنی یک روش محاسباتی طراحی شده که اجازه دهد نه تنها 2 درصد ژنومی که پروتئین‌ها را کد می‌کند، بلکه 100 درصد آن را بررسی کند.
برای انجام این کار، محققان یک نوع مدل محاسباتی معروف به شبکه عصبی عمیق را آموزش دادند تا ژنوم‌های سرطان را برای جهش‌هایی که بیشتر از حد انتظار رخ می‌دهند، جستجو کنند. به عنوان اولین گام، آن‌ها مدل را بر روی داده‌های ژنومی 37 نوع مختلف سرطان آموزش دادند که به مدل اجازه داد تا نرخ جهش پس زمینه را برای هر یک از آن انواع تعیین کند.
نکته بسیار خوب در مورد مدل جاری این است که شما آن را یک بار برای یک نوع سرطان خاص آموزش می‌دهید، و نرخ جهش را در همه جای ژنوم به طور همزمان برای آن نوع خاص سرطان می‌یابید. سپس می‌توانید جهش‌هایی را که در یک گروه بیماران مشاهده می‌کنید، در مقابل تعداد جهش‌هایی که باید انتظار مشاهده آن را داشته باشید، جستجو کنید. محققان همچنین از مدل خود برای بررسی اینکه آیا جهش‌های رایجی که قبلاً شناخته شده بودند نیز ممکن است باعث ایجاد انواع مختلف سرطان شوند، استفاده کردند. به عنوان یک نمونه، محققان دریافتند که BRAF، که قبلاً با ملانوما مرتبط بود، همچنین به پیشرفت سرطان در درصد کمتری از انواع دیگر سرطان‌ها از جمله پانکراس، کبد و معده کمک می‌کند. این نتایج می‌تواند به راهنمایی آزمایش‌های بالینی کمک کند. 
پایان مطلب/
منبع: 
https://www.nature.com/articles/s41587-022-01353-8