کاربرد بیوانفورماتیک در پژوهش­های مرتبط با سلول های بنیادی

سلول های بنیادی سلول هایی هستند که می توانند به انواع دیگری ازسلول ها تمایز یابند. بنابراین این سلول ها پلوری پوتنت بوده و می توانند به تمامی دودمان های سلولی تبدیل شوند. سلول هایی که در بلاستوسیت های جنینی یافت می شوند سلول های بنیادی جنینی یا ESCs نامیده می­شوند که به عنوان استاندارد طلایی پلوری پوتنت در نظر گرفته می شوند. سلول های بنیادی بالغی نیز در برخی از بافت ها یافت می شوند که اهداف ترمیم کنندگی دارند. مانند سلول های بنیادی مزانشیمی که می توانند به انواعی از بافت ها تمایز پیدا کنند.  سلول های پلوری پوتنت این نوید را می دهند که به مطالعات مرتبط با توسعه ی جنین، تمایز سلول ها و تولید داروها با هدف رسیدن به “پزشکی شخصی، personalized medicine ” کمک نمایند. نوع دیگر سلول های بنیادی که به عنوان سلول های بنیادی “پلوری پوتنت القا شده – iPSCs ” شناخته می شوند با استفاده از تاثیر فاکتورهای رونویسی بر روی سلول های بالغ ایجاد می شوند. در زمینه ی تولید دارو مقالات بسیاری بر روی سلول های بنیادی نگارش شده است. برخی از انواع سلول ها بنیادی به انواعی از سلول های اختصاصی در جهت درمان بیماری هایی مانند بیماری های نوروژنیک، سرطان، دیابت و بیماری های قلبی تبدیل شده اند. به عنوان نمونه، iPSCs به سلول های کلیوی، سلول های اندوتلیال و نورون ها تمایز یافته است.

بیوانفورماتیک  چه جایگاهی در حوزه  پژوهش های مرتبط با سلول­های بنیادی دارد؟

بیوانفورماتیک با استفاده از مجموعه ای از سخت افزارها، الگوریتم­ها، شبکه و داده ها می تواند ابزاری را فراهم آورد که به افرادی که در زمینه ی تجزیه و تحلیل داده ها در علوم زیستی فعالیت می کنند کمک نماید. ابزار­های بیوانفورماتیکی می توانند به صورت بالقوه جهت شناسایی عملکردهای زیستی مورد استفاده قرار گیرند. به عنوان مثال، KEGG  می تواند مسیرها، ارتولوگ ها و عملکرد توالی ها را شناسایی نماید. استفاده از بیوانفورماتیک در زیست شناسی سلول های بنیادی در ابتدا حول موضوع دینامیک خود تجدیدشوندگی سلول های بنیادی بالغ مورد بررسی قرار می گرفت اما بعدها در زمینه ی داده های بیولوژی مولکولی مورد استفاده در توالی یابی ژنومی کاربرد پیدا کرد. بنابراین بعد مولکولی با بررسی سلول های منفرد و یا سیستم های زیستی  می توان برای سلول های بنیادی مدل­سازی انجام داد.

سلول بنیادی-تمایز سلول بنیادی-بیوانفورماتیک

سلول بنیادی-تمایز سلول بنیادی-بیوانفورماتیک

ابزارهای بیوانفورماتیکی

بیایید برای درک بهتر موضوع، چند مثال بزنیم. ترنسکریپتوم سلول های بنیادی پلوری پوتنت که برای اولین بار مورد مطالعه قرار گرفتند با بهره گیری از میکروآرایه های DNA و با الگوریتمی خاص از سلول­های تمایزیافته و مولتی پوتنت ها و پلی پوتنت ها افتراق داده شدند. اگرحجم مجموعه ی داده ها بزرگتر باشند می توان برای طبقه بندی راحت تر از سیستم “یادگیری ماشین – machine learning” استفاده نمود. یکی از این روش ها الگوریتم PluriTest  است که با استفاده از اندازه گیری میکروآرایه های DNA به آنالیز سلول های پلوری پوتنت با بهره گیری از بیوانفورماتیک می پردازد. PluriNetWork نیز می تواند مکانیسم ها و مولکول های دخیل درپلوری پوتنسی سلول های بنیادی را با استفاده از ترکیبی از حروف، ژن آنتولوژی و آنالیز های اتوماتیک مورد شناسایی قرار دهد. مکانیسم های موجود در سلول های بنیادی – مانند  تنظیماتی که در سطوح پس ازرونویسی انجام میگیرد- با استفاده از تکنیک های توالی یابی نسل های بعدی (next-generation sequencing) مورد مطالعه قرار گرفته است. به عنوان مثال، نقش ZFP217 ، به عنوان یک پروتئین زینک فینگر مرتبط با کروماتین در تنظیم پلوری پوتنسی در سلول های بنیادی جنین انسان، در روشی با نام MeRIP-Seq مورد بررسی قرار گرفته شده است.

در مجموع مسائل مرتبط با پروفایل مولکولی در ژنوم به درک ما در مورد تنظیمات پلوری پوتنسی در سطوح مختلف کمک کرده است و همچنان به عنوان مدلی جهت درک تنظیمات مربوط به سلول هایی به کار می­رود که کمتر مورد بررسی قرار گرفته شده اند.  یک سیستم رایج استفاده از ترکیبی از نرم افزارهای شبکه ای اجتماعی مانند ویکی می باشد که داده های پژوهشی، ژن های کلیدی و پروتئین ها را جهت استفاده ی آسان تر و آنالیز آن ها بوسیله ی نرم افزار Cytoscape ، با یکدیگر ترکیب می نماید. یکی از این شبکه ها سیستم متداولی است که جزییاتی از فاکتورهای رونویسی را ترکیب می نماید و متشکل از سیگنال هایی است که برای نیاز خاصی طراحی شده اند.

حوزه ی اپی ژنتیک می تواند مسیری را برای آنالیز تفاوت های بین ESCs و iPSCs فراهم نماید. این کار میتواند بوسیله ی مطالعه ی الگوهای مختلف مشاهده شده در iPSCs اهدا شده از یک فرد مشاهده شود. به عنوان مثال، در مطالعه ای که در سال ۲۰۱۱ مشخص شد که با استفاده از الگوریتم یادگیری ماشین بردار پشتیبان و بر مبنای داده های متیلاسیون ESCs و iPSCs  می توان ESCs  را با دقت کامل و iPSCs   را با حساسیت ۶۱% مورد بررسی قرار داد افزون بر این. نواحی مختلف متیلاسیون مورد آنالیز قرار گرفت و از آرایه های جامع با کارایی بالا برای متیلاسیون های نسبی – CHARM ”  جهت نمایش فاکتورهای پیشبرنده نسل های متمایز استفاده شد.

دیگر کاربرد بیوانفورماتیک در بیولوژی سلول های بنیادی بررسی توانایی تمایز سلول های بنیادی با استفاده از رویکرد ” scorecard” می باشد. بلاک و همکاران در سال ۲۰۱۱ یک scorecard  با الگوهای متیلاسیونی و بیان ژن ESCs  انسانی فراهم نمودند. فرضیه آنها این بود که هر گونه انحراف در اینجا می تواند از ایجاد تمایز در مسیرهای خاص جلوگیری کند. بر این اساس تفاوت در لاین های iPSC در مقایسه با ESCs جدول بندی شدند. چندین ژن به عنوان ماکرهای لایه های سلولی فهرست بندی شدند و با استفاده از آنالیز­های بیوانفورماتیکی نقش هر کدام از ژن­ها در تمایز رده های مختلف سلولی را پیش بینی نمودند.

دیگر ابزار مورد استفاده CellNet  می باشد که از پروفایل بیان ژنی استفاد می کند تا بتواند نوع خاصی از سلول های موجود در query را به همراه فاکتورهای رونویسی پیش بینی نماید. بازدهی تمایز سلول های بنیادی پلوری پوتنت می تواند با استفاده از پلتفورمی با نام KeyGenes پیش بینی گردد که در آن از توالی RNA یا داده های میکروآرایه بافت های جنینی انسانی استفاده می شود. به علاوه،  اخیرا یک رابطه وب به نام StemBase حاوی داده های SAGE (مجموعه آنالیز های بیان ژنی) سلول های بنیادی انسان و موش معرفی شده که اجازه می­دهد در مورد ژن های خاص و مارکرها مطالعه صورت پذیرد.

در نوشتار حاضر، تعداد اندکی از ابزارها را که در پژوهش های مرتبط با سلول های بنیادی مورد استفاده قرار گرفته است بیان نمودیم. ابزار های مذکور، نشان می دهند که بیوانفورماتیک در مطالعات آنالیز های مرتبط با سلول های بنیادی داراب کاربردی موثر است. با استفاده از روش­های بیوانفورماتیکی می توان به آنالیز سرنوشت سلول ها و حتی عمیق تر از آن یعنی سلول های بنیادی که در دهه های گذشته به درمان بسیاری از بیماری ها کمک نموده است، پرداخت و به این هدف مهم در بیولوژی سلول­های بنیادی که شامل نگاه دقیق به تفاوت های ظریف سلول ها می توان راه های دستیابی به حفظ زندگی را توسعه بخشید دست یافت.

منبع:

https://bioinformaticsreview.com/20181229/bioinformatics-and-stem-cell-research