شبكة تنظيم الجينات

يُعتقد عمومًا أن شبكات تنظيم الجينات تتكون من عدد قليل من العقد ذات الترابط العالي ( المحاور ) والعديد من العقد ذات الترابط المنخفض، والمتداخلة ضمن نظام تنظيمي هرمي. وبالتالي، فإن شبكات تنظيم الجينات تُقارب بنية شبكة هرمية غير مُقاسة . ^{[ 8 ]} ويتوافق هذا مع الرأي القائل بأن معظم الجينات لها تأثيرات متعددة محدودة وتعمل ضمن وحدات تنظيمية . ^{[ 9 ]} ويُعتقد أن هذه البنية تتطور نتيجةً للارتباط التفضيلي للجينات المُكررة بالجينات ذات الترابط العالي. ^{[ 8 ]} كما أظهرت دراسات حديثة أن الانتقاء الطبيعي يميل إلى تفضيل الشبكات ذات الترابط المنخفض. ^{[ 10 ]}

هناك طريقتان أساسيتان لتطور الشبكات، وكلاهما قد يحدث في آن واحد. الأولى هي تغيير بنية الشبكة بإضافة أو حذف عُقد (جينات)، أو بتغيير التعبير عن أجزاء من الشبكة (وحدات) في سياقات مختلفة. يُعد مسار إشارات Hippo في ذبابة الفاكهة مثالًا جيدًا على ذلك، إذ يتحكم هذا المسار في كلٍ من النمو الانقسامي والتمايز الخلوي بعد الانقسام. ^{[ 11 ]} وقد وُجد مؤخرًا أن الشبكة التي يعمل ضمنها مسار إشارات Hippo تختلف بين هاتين الوظيفتين، مما يُغير بدوره سلوك هذا المسار. يشير هذا إلى أن مسار إشارات Hippo يعمل كوحدة تنظيمية محفوظة يمكن استخدامها لوظائف متعددة حسب السياق. ^{[ 11 ]} وبالتالي، فإن تغيير بنية الشبكة يسمح لوحدة محفوظة بأداء وظائف متعددة وتغيير الناتج النهائي للشبكة. أما الطريقة الثانية لتطور الشبكات فهي تغيير قوة التفاعلات بين العُقد، مثل قوة ارتباط عامل النسخ بعنصر تنظيمي في نفس الجزيء . وقد تبين أن هذا التباين في قوة روابط الشبكة يكمن وراء التباين بين الأنواع في نمط مصير خلايا الفرج لدى ديدان Caenorhabditis . ^{[ 12 ]}

من الخصائص الأخرى لشبكات تنظيم الجينات وفرة الشبكات الفرعية المتكررة المعروفة باسم أنماط الشبكة . يمكن اعتبار أنماط الشبكة أنماطًا طوبولوجية متكررة عند تقسيم شبكة كبيرة إلى كتل صغيرة. تظهر أنواع عديدة من الأنماط بشكل أكثر شيوعًا في شبكات تنظيم الجينات مقارنةً بالشبكات المولدة عشوائيًا. ^{[ 13 ] [ 14 ] [ 15 ]} على سبيل المثال، يُطلق على أحد هذه الأنماط اسم حلقات التغذية الأمامية، والتي تتكون من ثلاث عقد. يُعد هذا النمط الأكثر شيوعًا بين جميع الأنماط الممكنة المكونة من ثلاث عقد، كما هو موضح في شبكات تنظيم الجينات في الذباب والديدان الأسطوانية والإنسان. ^{[ 15 ]}

يُعتقد أن الأنماط المُثرية تتبع التطور التقاربي ، مما يشير إلى أنها "تصاميم مثالية" لأغراض تنظيمية محددة. ^{[ 16 ]} على سبيل المثال، تُظهر النماذج أن حلقات التغذية الأمامية قادرة على تنسيق التغير في العقدة A (من حيث التركيز والنشاط) وديناميكيات التعبير في العقدة C، مما يُؤدي إلى سلوكيات إدخال وإخراج مختلفة. ^{[ 17 ] [ 18 ]} يحتوي نظام استخدام الجلاكتوز في بكتيريا الإشريكية القولونية على حلقة تغذية أمامية تُسرّع تنشيط أوبيرون استخدام الجلاكتوز galETK ، مما قد يُسهّل الانتقال الأيضي إلى الجلاكتوز عند استنفاد الجلوكوز. ^{[ 19 ]} تُؤخر حلقة التغذية الأمامية في أنظمة استخدام الأرابينوز في بكتيريا الإشريكية القولونية تنشيط أوبيرون هدم الأرابينوز والناقلات، مما قد يُجنّب الانتقال الأيضي غير الضروري الناتج عن التقلبات المؤقتة في مسارات الإشارات الأولية. ^{[ 20 ]} وبالمثل، في مسار إشارات Wnt في الضفدع الأفريقي (Xenopus) ، تعمل حلقة التغذية الأمامية ككاشف للتغير النسبي، حيث تستجيب للتغير النسبي، وليس للتغير المطلق، في مستوى β-catenin، مما قد يزيد من مقاومة تقلبات مستويات β-catenin. ^{[ 21 ]} ووفقًا لفرضية التطور التقاربي، يُعدّ إثراء حلقات التغذية الأمامية تكيفًا للاستجابة السريعة ومقاومة التشويش. وقد وجدت دراسة حديثة أن الخميرة التي نُمت في بيئة ذات مستوى جلوكوز ثابت طورت طفرات في مسارات إشارات الجلوكوز ومسار تنظيم النمو، مما يشير إلى أن المكونات التنظيمية التي تستجيب للتغيرات البيئية يمكن الاستغناء عنها في ظل بيئة ثابتة. ^{[ 22 ]}

من جهة أخرى، يفترض بعض الباحثين أن إثراء أنماط الشبكة ليس تكيفيًا. ^{[ 23 ]} بعبارة أخرى، يمكن لشبكات تنظيم الجينات أن تتطور إلى بنية مماثلة دون انتقاء محدد لسلوك الإدخال والإخراج المقترح. غالبًا ما يأتي الدعم لهذه الفرضية من المحاكاة الحاسوبية. على سبيل المثال، قد تشير التقلبات في وفرة حلقات التغذية الأمامية في نموذج يحاكي تطور شبكات تنظيم الجينات عن طريق إعادة توصيل العقد عشوائيًا إلى أن إثراء حلقات التغذية الأمامية هو أثر جانبي للتطور. ^{[ 24 ]} في نموذج آخر لتطور شبكات تنظيم الجينات، تُظهر نسبة ترددات تكرار الجينات وحذفها تأثيرًا كبيرًا على بنية الشبكة: تؤدي نسب معينة إلى إثراء حلقات التغذية الأمامية وإنشاء شبكات تُظهر سمات الشبكات الهرمية غير المقياسية. لقد تم إثبات التطور الجديد لحلقات التغذية الأمامية المتماسكة من النوع الأول حسابيًا استجابةً للاختيار لوظيفتها المفترضة المتمثلة في تصفية إشارة زائفة قصيرة، مما يدعم التطور التكيفي، ولكن بالنسبة للضوضاء غير المثالية، تم تفضيل نظام تنظيم التغذية الأمامية القائم على الديناميكيات ذي بنية مختلفة. ^{[ 25 ]}

يُمكن لنهج استدلالي في تطوير شبكات تنظيم الجينات (GRNs) أن يُحسّن فهم تنظيم الجينات من خلال نمذجة هذه الشبكات كشبكات ذات عالم صغير، حيث تترابط الجينات بكثافة عبر عدد قليل من الخطوات التنظيمية الوسيطة، مما يُتيح انتشار الإشارات بسرعة عبر الشبكة. ويكشف هذا عن أن شبكات تنظيم الجينات تُظهر بنية لا تعتمد على المقياس، وتتميز بوجود عدد قليل من الجينات المحورية عالية الترابط التي تُمارس تأثيرًا تنظيميًا كبيرًا على الشبكة الأوسع. يُعد هذا المنظور الطوبولوجي ذا صلة خاصة بالنقاش الدائر حول ما إذا كان إثراء أنماط الشبكة تكيفيًا أم غير تكيفي - إذ تُشير المحاكاة الحاسوبية إلى أن إثراء حلقات التغذية الأمامية قد يظهر كأثر جانبي للتطور من خلال إعادة التوصيل العشوائي، بينما تُساهم نسب تكرار الجينات وحذفها في تشكيل بنية الشبكة نحو هياكل هرمية لا تعتمد على المقياس. ومن خلال دمج هذه الخصائص الطوبولوجية مع بيانات التعبير الجيني، يُسهم استنتاج شبكات تنظيم الجينات القائم على الاستدلال في سد الفجوة بين نماذج الشبكات الحاسوبية والواقع البيولوجي الكامن وراء تنظيم النسخ، مما يُؤثر بشكل مباشر على فهم آليات الأمراض وتحديد الأهداف العلاجية المُحتملة. ^{[ 26 ]}​

من الشائع نمذجة مثل هذه الشبكة باستخدام مجموعة من المعادلات التفاضلية العادية (ODEs) أو المعادلات التفاضلية العشوائية ( SDEs) المترابطة ، والتي تصف حركية التفاعل للأجزاء المكونة لها. لنفترض أن شبكتنا التنظيمية تحتوي على${\displaystyle N}$العقد، ودع${\displaystyle S_{1}(t),S_{2}(t),\ldots ,S_{N}(t)}$تمثل تركيزات${\displaystyle N}$المواد المقابلة في وقت${\displaystyle t}$ويمكن وصف التطور الزمني للنظام تقريبًا بواسطة

${\displaystyle {\frac {dS_{j}}{dt}}=f_{j}\left(S_{1},S_{2},\ldots ,S_{N}\right)}$

حيث الوظائف${\displaystyle f_{j}}$عبّر عن اعتماد${\displaystyle S_{j}}$بناءً على تركيزات المواد الأخرى الموجودة في الخلية. الوظائف${\displaystyle f_{j}}$تُستمد هذه المعادلات في نهاية المطاف من المبادئ الأساسية للحركية الكيميائية أو من تعابير بسيطة مشتقة منها، مثل حركية ميكايليس-مينتين الإنزيمية. ومن ثم، فإن الصيغ الوظيفية لـ${\displaystyle f_{j}}$تُختار عادةً كثيرات حدود منخفضة الرتبة أو دوال هيل لتكون بمثابة فرضية لديناميكيات الجزيئات الحقيقية. ثم تُدرس هذه النماذج باستخدام رياضيات الديناميكيات غير الخطية . تُشفّر المعلومات الخاصة بالنظام، مثل ثوابت معدل التفاعل والحساسيات، كمعاملات ثابتة. ^{[ 31 ]}

عن طريق إيجاد النقطة الثابتة للنظام:

${\displaystyle {\frac {dS_{j}}{dt}}=0}$

للجميع${\displaystyle j}$يمكن الحصول على (ربما عدة) منحنيات تركيز للبروتينات وmRNA قابلة للاستدامة نظريًا (وإن لم تكن مستقرة بالضرورة ). وبالتالي، تتوافق الحالات المستقرة للمعادلات الحركية مع أنواع الخلايا المحتملة، بينما تتوافق الحلول التذبذبية للمعادلة المذكورة مع أنواع الخلايا الدورية الطبيعية. يمكن عادةً تحديد الاستقرار الرياضي لهذه الجاذبات من خلال إشارة المشتقات العليا عند النقاط الحرجة، والتي بدورها تتوافق مع الاستقرار الكيميائي الحيوي لمنحنى التركيز. تتوافق النقاط الحرجة والتشعبات في المعادلات مع حالات الخلية الحرجة التي يمكن أن تؤدي فيها اضطرابات طفيفة في الحالة أو المعلمات إلى تحويل النظام بين أحد مسارات التمايز المستقرة المتعددة. تتوافق المسارات مع تطور المسارات البيولوجية، بينما تتوافق الحالات العابرة للمعادلات مع الأحداث البيولوجية قصيرة المدى. لمزيد من المناقشة الرياضية، يُرجى الاطلاع على المقالات المتعلقة باللاخطية ، والأنظمة الديناميكية ، ونظرية التشعب ، ونظرية الفوضى .

يوضح المثال التالي كيف يمكن لشبكة منطقية أن تُنمذج شبكة تنظيم الجينات (GRN) مع منتجاتها الجينية (المخرجات) والمواد البيئية التي تؤثر عليها (المدخلات). كان ستيوارت كوفمان من أوائل علماء الأحياء الذين استخدموا استعارة الشبكات المنطقية لنمذجة شبكات تنظيم الجينات. ^{[ 32 ] [ 33 ]}

1. يتم تمثيل كل جين، وكل مدخل، وكل مخرج بواسطة عقدة في رسم بياني موجه حيث يوجد سهم من عقدة إلى أخرى إذا وفقط إذا كان هناك رابط سببي بين العقدتين.
2. يمكن أن تكون كل عقدة في الرسم البياني في إحدى حالتين: تشغيل أو إيقاف.
3. بالنسبة للجين، فإن "تشغيل" يتوافق مع التعبير عن الجين؛ أما بالنسبة للمدخلات والمخرجات، فإن "تشغيل" يتوافق مع وجود المادة.
4. يُنظر إلى الزمن على أنه يسير في خطوات منفصلة. في كل خطوة، تكون الحالة الجديدة للعقدة دالة منطقية للحالات السابقة للعقد مع أسهم تشير إليها.

يمكن اختبار صحة النموذج بمقارنة نتائج المحاكاة مع بيانات السلاسل الزمنية. كما يمكن التحقق جزئيًا من صحة نموذج الشبكة المنطقية من خلال اختبار وجود صلة تنظيمية غير معروفة بين عاملين نسخ محددين، يمثل كل منهما عقدة في النموذج. ^{[ 34 ]}

تُعدّ نماذج الشبكات المتصلة لشبكات تنظيم الجينات امتدادًا للشبكات المنطقية الموصوفة سابقًا. لا تزال العُقد تُمثّل الجينات، والروابط بينها تُمثّل التأثيرات التنظيمية على التعبير الجيني. تُظهر الجينات في الأنظمة البيولوجية نطاقًا متصلًا من مستويات النشاط، وقد طُرحت فكرة أن استخدام تمثيل متصل يُجسّد العديد من خصائص شبكات تنظيم الجينات غير الموجودة في النموذج المنطقي. ^{[ 35 ]} من الناحية النظرية، تُشبه معظم هذه المناهج الشبكة العصبية الاصطناعية ، حيث تُجمع مُدخلات العقدة، وتُستخدم النتيجة كمدخل لدالة سيجمويد ، على سبيل المثال، ^{[ 36 ]} ولكن غالبًا ما تتحكم البروتينات في التعبير الجيني بطريقة تآزرية، أي غير خطية. ^{[ 37 ]} ومع ذلك، يوجد الآن نموذج شبكة متصلة ^{[ 38 ]} يسمح بتجميع مُدخلات العقدة، وبالتالي تحقيق مستوى آخر من التنظيم. هذا النموذج أقرب من الناحية النظرية إلى شبكة عصبية متكررة من رتبة أعلى . وقد تم استخدام النموذج نفسه أيضًا لمحاكاة تطور التمايز الخلوي ^{[ 39 ]} وحتى التكوين المورفولوجي متعدد الخلايا . ^{[ 40 ]}

أظهرت النتائج التجريبية ^{[ 41 ] [ 42 ]} أن التعبير الجيني عملية عشوائية. ولذلك، يستخدم العديد من الباحثين الآن الصيغة العشوائية، بعد عمل أركين وآخرون ^{[ 43 ]} . وقد وفرت الدراسات التي تناولت التعبير الجيني الفردي ^{[ 44 ]} والشبكات الجينية التركيبية الصغيرة ^{[ 45 ] [ 46 ]} ، مثل مفتاح التبديل الجيني لتيم غاردنر وجيم كولينز ، بيانات تجريبية إضافية حول التباين الظاهري والطبيعة العشوائية للتعبير الجيني. تضمنت الإصدارات الأولى من النماذج العشوائية للتعبير الجيني تفاعلات فورية فقط، وكانت تعتمد على خوارزمية غيليسبي ^{[ 47 ]} .

بما أن بعض العمليات، مثل نسخ الجينات، تتضمن العديد من التفاعلات ولا يمكن نمذجتها بشكل صحيح كتفاعل فوري في خطوة واحدة، فقد اقتُرح نمذجة هذه التفاعلات كتفاعلات متعددة متأخرة في خطوة واحدة لمراعاة الوقت اللازم لإتمام العملية بأكملها. ^{[ 48 ]}

ومن هنا، تم اقتراح مجموعة من التفاعلات ^{[ 49 ]} التي تسمح بتوليد شبكات تنظيم الجينات. ثم تتم محاكاة هذه التفاعلات باستخدام نسخة معدلة من خوارزمية جيليسبي، والتي يمكنها محاكاة تفاعلات متعددة مؤجلة زمنيًا (تفاعلات كيميائية حيث يتم تزويد كل منتج بتأخير زمني يحدد متى سيتم إطلاقه في النظام كمنتج نهائي).

على سبيل المثال، يمكن تمثيل النسخ الأساسي لجين ما بالتفاعل أحادي الخطوة التالي (RNAP هو بوليميراز الحمض النووي الريبي، وRBS هو موقع ارتباط الريبوسوم بالحمض النووي الريبي، وPro _i هي منطقة المحفز للجين i ): 

${\displaystyle {\text{RNAP}}+{\text{Pro}}_{i}{\overset {k_{i,bas}}{\longrightarrow }}{\text{Pro}}_{i}(\tau _{i}^{1})+{\text{RBS}}_{i}(\tau _{i}^{1})+{\text{RNAP}}(\tau _{i}^{2})}$

علاوة على ذلك، يبدو أن هناك مفاضلة بين التشويش في التعبير الجيني، وسرعة تبديل الجينات، والتكلفة الأيضية المرتبطة بعملها. وبشكل أكثر تحديدًا، عند أي مستوى معين من التكلفة الأيضية، توجد مفاضلة مثلى بين التشويش وسرعة المعالجة، ويؤدي رفع التكلفة الأيضية إلى تحسين هذه المفاضلة. ^{[ 50 ] [ 51 ] [ 52 ]}

اقترح بحث حديث برنامج محاكاة (SGNSim، برنامج محاكاة الشبكات الجينية العشوائية ) ^{[ 53 ]} ، قادر على نمذجة الشبكات الجينية حيث تُنمذج عمليتا النسخ والترجمة كأحداث متعددة متأخرة زمنيًا، وتُحرك ديناميكيتها بواسطة خوارزمية محاكاة عشوائية (SSA) قادرة على التعامل مع هذه الأحداث. يمكن استخلاص التأخيرات الزمنية من عدة توزيعات، ومعدلات التفاعل من دوال معقدة أو من معايير فيزيائية. يستطيع برنامج SGNSim توليد مجموعات من الشبكات الجينية ضمن مجموعة من المعايير التي يحددها المستخدم، مثل البنية الطوبولوجية. كما يمكن استخدامه لنمذجة شبكات جينية محددة وأنظمة تفاعلات كيميائية. ويمكن أيضًا نمذجة الاضطرابات الجينية مثل حذف الجينات، والإفراط في التعبير الجيني، والإدخالات، وطفرات إزاحة الإطار.

تُنشأ شبكة تنظيم الجينات (GRN) من رسم بياني ذي بنية محددة، مع فرض توزيعات درجات الدخول والخروج. تتأثر أنشطة محفزات الجينات بمنتجات التعبير الجيني لجينات أخرى تعمل كمدخلات، إما على شكل وحدات أحادية أو مُدمجة في مُتعددات، وتُصنف كمدخلات مباشرة أو غير مباشرة. بعد ذلك، يُخصص لكل مدخل مباشر موقع تشغيل، ويمكن السماح لعوامل النسخ المختلفة، أو منعها، من التنافس على نفس موقع التشغيل، بينما تُخصص للمدخلات غير المباشرة هدف. أخيرًا، تُخصص دالة لكل جين، تُحدد استجابة الجين لمجموعة من عوامل النسخ (حالة المحفز). يمكن تخصيص دوال النقل (أي كيفية استجابة الجينات لمجموعة من المدخلات) لكل مجموعة من حالات المحفز حسب الرغبة.

في أعمال حديثة أخرى، تم تطوير نماذج متعددة المقاييس لشبكات تنظيم الجينات تركز على تطبيقات البيولوجيا التركيبية. وقد استُخدمت عمليات محاكاة لنمذجة جميع التفاعلات الجزيئية الحيوية في النسخ والترجمة والتنظيم وتحفيز شبكات تنظيم الجينات، مما يوجه تصميم الأنظمة التركيبية. ^{[ 54 ]}

يوجد ثلاثة أنواع من التصلب المتعدد: التصلب المتعدد الانتكاسي الهدئي (RRMS)، والتصلب المتعدد الأولي المترقي (PPMS)، والتصلب المتعدد الثانوي المترقي (SPMS). تلعب شبكة تنظيم الجينات (GRN) دورًا حيويًا في فهم آلية المرض عبر هذه الأنواع الثلاثة المختلفة من التصلب المتعدد. ^{[ 58 ]}