تقویت شبکه مشترک ژن های سرطان —

جهش های ژنتیکی گسسته ای که می توانند توسط داروها مورد هدف قرار گیرند، تنها برای بخش کوچکی از انواع سرطان شناسایی شده اند. اما این جهش ها برای ایجاد سرطان به شبکه پایین دستی از ژن های غیر جهش یافته متکی هستند. آن ژن‌های پایین دست – و فعل و انفعالات پیچیده آنها – ممکن است در بسیاری از سرطان‌ها مشترک باشند و می‌توانند جهشی بزرگ در درمان سرطان ایجاد کنند.

یکی از نویسندگان اصلی این مطالعه، دکتر هارتموت “هاکی” لند، که معاون مدیر موسسه سرطان ویلموت و پروفسور رابرت و دوروتی مارکین در ژنتیک زیست پزشکی در مرکز پزشکی دانشگاه روچستر است و کار کرده است. برای شناسایی ویژگی های اصلی مشترک سرطان ها برای بیش از 10 سال. هدف او یافتن آسیب پذیری های مشترک سرطان ها و بهره برداری از آنها است.

لند گفت: “هدف قرار دادن پروتئین های غیر جهش یافته که برای سرطانی کردن سلول ها ضروری هستند، رویکرد گسترده تری است که می تواند در سرطان های متعدد استفاده شود، اما یافتن این ژن های غیر جهش یافته و ضروری دشوار است.”

به همین دلیل است که لند برای همکاری به متیو مک کال، دکترای MHS، محقق موسسه سرطان ویلموت که دانشیار آمار زیستی و زیست‌شناسی محاسباتی در URMC است، مراجعه کرد. مک کال، که نویسنده اصلی دیگر این مطالعه است، یک روش مدل‌سازی شبکه جدید به نام TopNet ایجاد کرد که این گروه با آزمایش‌های ژنتیکی در سلول‌ها و موش‌ها برای مشخص کردن شبکه‌های ژنی مرتبط با عملکرد جفت شدند.

گروه لند قبلاً مجموعه ای بسیار متنوع از ژن های غیر جهش یافته را شناسایی کرده بود که برای سرطان بسیار مهم هستند. در این مطالعه، این گروه می‌خواستند ببینند این ژن‌ها چگونه برهم‌کنش می‌کنند – که با زیرمجموعه‌ای از 20 ژن شروع می‌شود. افزایش یا کاهش بیان یک ژن در سلول های کشت شده اثرات متعددی بر سطح بیان ژن های دیگر در مجموعه خواهد داشت.

مک کال گفت: “تعامل های زیادی وجود داشت، شما می توانید زمان، انرژی و پول زیادی را برای تست تعاملات تلف کنید که ممکن است مفید نباشند.” مک کال گفت: «برای تقویت تعاملاتی که احتمالاً مفیدتر هستند، از مدل‌سازی شبکه استفاده کردیم و شبکه‌های مدل خود را با یافته‌های آزمایشگاهی مقایسه کردیم.

برای زمینه، تعداد مدل های شبکه ژنی ممکن که توسط TopNet در نظر گرفته شده است، چندین برابر بیشتر از تعداد تخمین زده شده اتم ها در جهان بود. پس از حذف مدل‌هایی که با داده‌های مشاهده‌شده مطابقت نداشتند و تمرکز بیشتر بر روی تعاملات ژنی که در حداقل ۸۰ درصد مدل‌ها ظاهر می‌شد، تیم با مجموعه‌ای قابل کنترل از ۲۴ تعامل ژنی با اطمینان بالا باقی ماند. آزمایشات بعدی نشان داد که این فعل و انفعالات اغلب نقش مهمی در بدخیمی دارند.

لند می‌گوید: «روش‌شناسی ظریف و گیج‌کننده دکتر مک‌کال اساساً به ما کمک می‌کند تا توپ مویی از شبکه‌های ژنتیکی را از هم جدا کنیم. این شبکه ها معمولاً بسیار نامرتب هستند و استخراج اطلاعات مفید از آنها تقریباً غیرممکن است. اما دکتر مک کال راهی برای از بین بردن این گره گوردی پیدا کرده است.

این گروه قبلاً نمونه‌ای از فعل و انفعالات ژنتیکی نشان‌داده‌شده توسط TopNet را آزمایش کرده‌اند و از طریق آزمایش‌هایی روی سلول‌ها و موش‌ها تأیید کرده‌اند که این تعاملات از نظر عملکردی مرتبط هستند. در مرحله بعد، این گروه قصد دارد محدودیت‌های TopNet را آزمایش کند تا از این روش برای یافتن درمان‌های بالقوه سرطان که به طور گسترده مؤثر هستند استفاده کند.

این کار به عنوان بخشی از جایزه 6.3 میلیون دلاری محقق برجسته موسسه ملی سرطان که در سال 2015 به لند اعطا شد و کمک مالی K99/R00 از موسسه ملی تحقیقات ژنوم انسانی به مک کال تکمیل شد. Helene McMurray، Ph.D.، استادیار ژنتیک زیست پزشکی و آسیب شناسی و پزشکی آزمایشگاهی در URMC اولین نویسنده این مطالعه بود.

منبع داستان:

مواد ارائه شده توسط مرکز پزشکی دانشگاه روچستر. نوشته اصلی توسط سوزان پالو. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.