«از تک‌ژن به سیستم»؛ رویکرد جدید AI در تحلیل متیلاسیون DNA

تصور کنید به جای جست‌وجوی یک تکه کد معیوب در میان میلیاردها خط برنامه، بتوانید کل معماری نرم‌افزار را برای یافتن ریشه یک خطا تحلیل کنید. در زیست‌شناسی مدرن، DeepBody OS دقیقاً همین تغییر رویکرد را ایجاد کرده است تا به جای تعقیب تک‌متغیرهای ژنتیکی، سیستم‌های زیستی را به صورت یکپارچه مدل کند. در حالی که یک متغیر ژنتیکی واحد به‌ندرت می‌تواند یک پیامد بیولوژیکی پیچیده را به‌تنهایی توضیح دهد، DeepBody OS تمرکز را به سمت زیست‌شناسی سیستم‌های یکپارچه سوق می‌دهد.

این رویکرد بر پایه اندازه‌گیری نشانه‌های شیمیایی است که فعالیت ژن‌ها را بدون تغییر در توالی DNA کنترل می‌کنند. به این ترتیب، پژوهشگران می‌توانند مدل‌هایی قابل آزمایش از کل سیستم‌های زیستی بسازند، نه اینکه صرفاً به دنبال ارتباطات ایزوله و پراکنده باشند.

متیلاسیون DNA (DNA Methylation) — شبیه به کلیدهای خاموش و روشن روی یک پنل برق که تعیین می‌کنند کدام لامپ (ژن) روشن شود و کدام خاموش بماند — شامل افزودن یک گروه متیل به DNA است که معمولاً در سایت‌های سیتوزین-فسفات-گوانین یا همان سایت‌های CpG رخ می‌دهد. این نشانه‌ها بسیار حیاتی هستند زیرا بر رونویسی، دسترسی به کروماتین، پایداری ژنومی و هویت سلولی اثر می‌گذارند.

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی تحلیل‌های چند-اومیک اشاره کردیم، ژنومیک اکنون از خواندن ساده توالی‌ها فراتر رفته است. در حالی که چندریختی‌های تک‌نوکلئوتیدی (SNPs) تغییرات ارثی را نشان می‌دهند، پروفایل‌های متیلاسیون اثرات پویا و متغیر سن، محیط و بیماری را ثبت می‌کنند. ادغام این لایه‌ها به دانشمندان اجازه می‌دهد لوکوس‌های صفات کمی متیلاسیون (meQTLs) را شناسایی کنند؛ یعنی متغیرهای ژنتیکی که به‌طور خاص با سطح متیلاسیون در سایت‌های CpG مرتبط هستند.

طبق گزارشی که در ۲۶ سپتامبر ۲۰۲۶ منتشر شد، چالش اصلی در اینجا ماهیت «ابعاد بالای» داده‌هاست. در مطالعات مدرن، اغلب صدها هزار تا میلیون‌ها سایت CpG اندازه‌گیری می‌شوند و این سناریویی را ایجاد می‌کند که در آن تعداد متغیرها به‌شدت از تعداد نمونه‌های موجود بیشتر است.

برای حل این مشکل، هوش مصنوعی از چندین مکانیسم خاص برای کاهش فضای جست‌وجو استفاده می‌کند:

• یادگیری ماشین منظم‌شده (Regularized Machine Learning): برای اولویت‌بندی مرتبط‌ترین سایت‌های CpG، متغیرها و ژن‌ها.
• مدل‌های تقویت گرادیان (Gradient-Boosted Models): برای مدیریت توزیع‌های پیچیده داده و اولویت‌بندی مسیرها.
• شبکه‌های عصبی گرافی (Graph Neural Networks): برای یادگیری تعاملات غیرخطی و ساختارهای شبکه‌ای.
• یادگیری بازنمایی (Representation Learning): برای شناسایی نحوه همگرایی اثرات کوچک بر مسیرهایی مانند سیگنال‌دهی ایمنی، متابولیسم یا ترمیم سلولی.

برای اینکه یک گردش‌کار (Workflow) مستحکم و قابل اعتماد باشد، باید از یک خط لوله (Pipeline) سخت‌گیرانه برای تضمین یکپارچگی داده‌ها عبور کند:

• کنترل کیفیت: حذف پروب‌های کم‌اعتبار، نمونه‌های معیوب، مناطق دارای واکنش متقاطع (cross-reactive) و داده‌های پرت فنی.
• نرمال‌سازی: اصلاح تفاوت‌های شدت سیگنال مربوط به پلتفرم‌های مختلف، بدون اینکه تغییرات بیولوژیکی واقعی پاک شوند.
• تعدیل ترکیب سلولی: تخمین جمعیت‌های سلولی مخلوط، که به‌ویژه در نمونه‌های مشتق شده از خون حیاتی است.
• اصلاح دسته‌ای (Batch Correction): کنترل اثرات تاریخ پردازش، پلیت‌ها، آزمایشگاه‌ها و سایر عوامل فنی.
• یکپارچه‌سازی ویژگی‌ها: پیوند دادن CpGها با SNPها، داده‌های بیان ژن، فنوتیپ‌ها و اندازه‌گیری‌های طولی.
• اعتبارسنجی: آزمایش سیگنال‌های منتخب در داده‌های کنار گذاشته شده (held-out)، کوهورت‌های مستقل یا آزمایش‌های عملکردی.

به نقل از مستندات فنی، پس از پاک‌سازی، AI مکانیسم‌های محتمل را برای بررسی رتبه‌بندی می‌کند. با این حال، سیستم نمی‌تواند به‌طور خودکار «علیت» را اثبات کند. مدل‌ها ممکن است به‌اشتباه تفاوت‌های اجدادی، تاریخچه مصرف سیگار یا اثرات دارویی را یاد بگیرند، مگر اینکه این متغیرها از طریق اندازه‌گیری‌های طولی، تصادفی‌سازی مندلی (Mendelian randomization)، هم‌مکانی (colocalization) و تحلیل میانجی به‌طور دقیق کنترل شوند.

این چرخش متدولوژیک، تمرکز میدان را از «شکار متغیر» به «نقشه‌برداری شبکه» تغییر می‌دهد. حالا پژوهشگران به‌جای این پرسش که «آیا یک ژن باعث بیماری می‌شود؟»، می‌پرسند «آیا یک شبکه تنظیمی خاص، رابط بین ژنوتیپ و فنوتیپ است؟»

برای یک پژوهشگر، این یعنی تولید فرضیه به‌شدت بهینه می‌شود. هوش مصنوعی جایگزین تخصص آزمایشگاهی نمی‌شود، بلکه مانند یک فیلتر عمل می‌کند تا مشخص شود کدام آزمایش‌های عملکردی بیشترین احتمال موفقیت را دارند.

مدل‌های قابل اعتماد اکنون نیازمند مستندات دقیق پیش‌پردازش، تفکیک داده‌های آموزش (training splits)، مدیریت داده‌های مفقود و کالیبراسیون مدل هستند. دانشمندان با استفاده از تحلیل مسیر و تخصیص ویژگی (feature attribution)، تشخیص می‌دهند که آیا عوامل اثرگذار بر پیش‌بینی، یک مکانیسم زیستی منسجم هستند یا صرفاً مصنوعات آماری.

در نهایت، هدف انتقال امضاهای متیلاسیون از آزمایشگاه به طبقه‌بندی ریسک بالینی است. این انتقال نیازمند کوهورت‌های اعتبارسنج شده، جمعیت‌های تعریف شده، بررسی‌های نظارتی و شواهدی است که نشان دهد این بینش‌های AI-driven واقعاً تصمیمات پزشکی برای بیمار را بهبود می‌بخشند.

پژوهشگرانی که قصد پیاده‌سازی این گردش‌کارها را دارند، می‌توانند قابلیت‌های زیست‌شناسی سیستم‌های DeepBody OS را برای سازماندهی داده‌های مولکولی و فنوتیپی بررسی کنند.

گام بعدی شما

• بررسی متدولوژی‌های Mendelian Randomization برای تفکیک همبستگی از علیت در داده‌های متیلاسیون.
• مطالعه مستندات DeepBody OS برای یکپارچه‌سازی داده‌های SNP و CpG.
• ارزیابی ابزارهای Feature Attribution برای تفسیرپذیری مدل‌های پیش‌بینی زیستی.

اما تأثیر این مدل‌سازی‌ها بر تشخیص زودهنگام سرطان حتی تکان‌دهنده‌تر است — به تحلیل ما درباره‌ی بیومارکرهای دیجیتال مراجعه کنید.