RNACOREX؛ ابزار متن‌باز هوش مصنوعی برای رمزگشایی از شبکه‌های پنهان ژن سرطان

پیشرفت چشمگیر در حوزه ژنومیک سرطان: پژوهشگران دانشگاه ناوارا در اسپانیا موفق به توسعه یک ابزار نرم‌افزاری متن‌باز و انقلابی با نام RNACOREX شده‌اند. این پلتفرم پیشرفته با هدف رمزگشایی از ساختار‌های ژنتیکی پیچیده تومور‌ها طراحی شده و توانایی شناسایی شبکه‌های پنهان تنظیم ژن را دارد که نقشی حیاتی در بقا و پیشرفت بیماری سرطان ایفا می‌کنند. RNACOREX با ارائه یک نقشه مولکولی شفاف و قابل تفسیر، درک ما از عملکرد تومور‌ها و سازوکار‌های زیستی موثر در پیشرفت سرطان را به طور قابل توجهی بهبود می‌بخشد.

معرفی RNACOREX: پلی به سوی درک عمیق سرطان

پروژه RNACOREX حاصل همکاری دانشمندان موسسه علوم داده و هوش مصنوعی (DATAI) و مرکز سرطان کلینیک دانشگاه ناوارا است. این ابزار قادر است به‌طور هم‌زمان هزاران مولکول زیستی را تحلیل کند و تعاملات مولکولی‌ای را که در روش‌های تحلیلی رایج نادیده گرفته می‌شوند، قابل مشاهده سازد.

درون سلول‌های انسانی، مولکول‌هایی نظیر microRNA‌ها (miRNA) و RNA پیام‌رسان (mRNA) از طریق شبکه‌های تنظیمی بسیار پیچیده با یکدیگر در تعامل‌اند. اختلال در عملکرد این شبکه‌ها می‌تواند منجر به بروز بیماری‌هایی مانند سرطان شود.

چالش‌های رمزگشایی شبکه‌های ژنتیکی پنهان

به گفته روبن آرمانساس، رئیس آزمایشگاه پزشکی دیجیتال DATAI و از نویسندگان اصلی مطالعه، شناخت معماری این شبکه‌ها برای شناسایی، مطالعه و طبقه‌بندی انواع تومور‌ها حیاتی است. با این حال، عواملی چون حجم عظیم داده‌ها، وجود سیگنال‌های کاذب و کمبود ابزار‌های دقیق و در دسترس، شناسایی قابل اعتماد این شبکه‌ها را دشوار کرده بود.

RNACOREX برای غلبه بر این چالش‌ها طراحی شده است. این نرم‌افزار با ترکیب داده‌های معتبر از پایگاه‌های زیستی بین‌المللی و اطلاعات واقعی بیان ژن، مهم‌ترین و معنادارترین تعاملات miRNA-mRNA را رتبه‌بندی می‌کند. بر اساس این رتبه‌بندی، شبکه‌های تنظیمی پیچیده‌تری ساخته می‌شود که می‌توانند به‌عنوان مدل‌های احتمالاتی برای مطالعه رفتار بیماری مورد استفاده قرار گیرند.

کارایی و نتایج: از داده تا پیش‌بینی بقا

برای ارزیابی کارایی، پژوهشگران RNACOREX را روی داده‌های مربوط به ۱۳ نوع مختلف سرطان اعمال کردند. این سرطان‌ها شامل سرطان‌های پستان، روده بزرگ، ریه، معده، ملانوما و تومور‌های سر و گردن بودند که داده‌های آن‌ها از کنسرسیوم بین‌المللی The Cancer Genome Atlas (TCGA) استخراج شده بود. نتایج این پژوهش در نشریه معتبر PLOS Computational Biology منتشر شده است.

آیتور اوویدو مادرید، پژوهشگر آزمایشگاه پزشکی دیجیتال DATAI و نویسنده اول مقاله، تأکید می‌کند: «این نرم‌افزار توانست بقای بیماران را با دقتی قابل مقایسه با مدل‌های پیشرفته هوش مصنوعی پیش‌بینی کند، با این تفاوت مهم که برخلاف بسیاری از این مدل‌ها، توضیحات شفاف و قابل تفسیر از تعاملات مولکولی ارائه می‌دهد.»

مزیت تفسیرپذیری بر مدل‌های جعبه‌سیاه

قابلیت تفسیرپذیری RNACOREX آن را به یک راهکار ارزشمند تبدیل می‌کند، زیرا می‌تواند به‌عنوان جایگزینی برای مدل‌های «جعبه‌سیاه» هوش مصنوعی عمل کند و در انتقال داده‌های امیکس به عرصه عملی پزشکی نقش مهمی ایفا نماید.

این ابزار علاوه بر پیش‌بینی بقا، قابلیت‌های کلیدی دیگری نیز دارد:

• شناسایی شبکه‌های تنظیمی مرتبط با پیامد‌های بالینی.
• تشخیص الگو‌های مولکولی مشترک میان انواع مختلف تومور‌ها.
• برجسته‌سازی مولکول‌هایی با اهمیت بالای زیست‌پزشکی.

این قابلیت‌ها به شکل‌گیری فرضیه‌های جدید درباره رشد و پیشرفت تومور‌ها و همچنین شناسایی نشانگر‌های تشخیصی یا اهداف درمانی آینده کمک شایانی می‌کند.

پلتفرم متن‌باز و چشم‌انداز توسعه

RNACOREX به‌صورت رایگان و متن‌باز در پلتفرم‌های GitHub و PyPI در دسترس عموم قرار گرفته است. این پلتفرم ابزار‌های خودکاری برای دریافت پایگاه‌های داده زیستی ارائه می‌دهد که ادغام آن را در جریان کاری آزمایشگاه‌ها و مراکز پژوهشی تسهیل می‌کند. این پروژه بخشی از حمایت‌های مالی دولت ناوارا و برنامه‌های پژوهشی بین‌المللی حوزه پزشکی شخصی‌سازی‌شده را دریافت کرده است.

تیم دانشگاه ناوارا اعلام کرده است که در حال توسعه قابلیت‌های جدیدی از جمله تحلیل مسیر‌های زیستی و افزودن لایه‌های تازه‌ای از داده‌های تعاملات مولکولی هستند. این اقدامات با هدف ارائه مدل‌هایی جامع‌تر برای توضیح سازوکار‌های زیستی رشد و پیشرفت تومور‌ها و در راستای پزشکی دقیق و شخصی‌سازی‌شده انجام می‌شود.