پیش بینی انواع بیماری‌ها با بررسی پروتئین‌های خون

به گزارش مجله خبری نگار،اکنون یک مطالعه جدید این فرض پذیرفته‌شده را به‌طور مستقیم مورد آزمایش قرار داده است. دانشمندان بررسی کردند که اندازه‌گیری مولکول‌های کوچک و اندازه‌گیری پروتئین‌های خون تا چه اندازه می‌توانند بروز ۱۷ بیماری مختلف را در یک گروه متشکل از نزدیک به ۲۴ هزار نفر پیش‌بینی کنند. نتایج نشان داد که باور قدیمی این حوزه چندان درست نبوده است.

اندازه‌گیری پروتئین‌های خون برای پیش‌بینی بیماری‌ها

تیمی به رهبری پژوهشگران دانشگاه کارولینای شمالی در چپل هیل، از داده‌های بانک زیستی بریتانیا استفاده کرد تا به یک پرسش اساسی پاسخ دهد: یک نمونه خون تا چه اندازه می‌تواند درباره بیماری‌هایی که هنوز به آنها مبتلا نشده‌ایم اطلاعات ارائه کند؟

پژوهشگران نمونه‌های خون ۲۳ هزار و ۷۷۶ فرد بزرگسال را که هنگام ورود به مطالعه خون اهدا کرده بودند بررسی کردند. این افراد طی سال‌های بعد تحت نظر قرار گرفتند. در هر نمونه خون، سطح ۱۵۹ مولکول کوچک و ۲ هزار و ۹۲۳ نوع پروتئین اندازه‌گیری شد. سپس مشخص شد چه افرادی در ادامه به یکی از ۱۷ بیماری مورد نظر مبتلا می‌شوند.

این مطالعه با مشارکت متخصصان زیست‌آمار، ژنتیک، قلب و عروق، علوم داده انجام شد. گستردگی این همکاری نشان می‌دهد که پاسخ به چنین پرسشی فراتر از یک حوزه تخصصی واحد است.

۱۷ بیماری مورد بررسی در پژوهش

بیماری‌های انتخاب‌شده طیف گسترده‌ای از مشکلات سلامت در میانسالی و سالمندی را پوشش می‌دادند. انواع مختلف سرطان، بیماری‌های قلبی، اختلالات متابولیک در میان این موارد قرار داشتند. هر بیماری به‌عنوان یک مسئله مستقل برای پیش‌بینی بررسی شد تا عملکرد روش‌ها در شرایط زیستی متفاوت ارزیابی شود.

برای هر بیماری، پژوهشگران مدل‌های چندلایه‌ای طراحی کردند. ساده‌ترین مدل تنها از اطلاعاتی استفاده می‌کرد که پزشکان به‌طور معمول جمع‌آوری می‌کنند؛ از جمله سن، جنسیت، اندازه‌های بدن، نتایج آزمایش‌های رایج خون. سپس داده‌های مربوط به مولکول‌های کوچک، پروتئین‌های خون، در نهایت ترکیب هر دو به مدل افزوده شد.

این ساختار امکان پاسخ به پرسشی را فراهم کرد که تحقیقات قبلی تنها بخشی از آن را بررسی کرده بودند: آیا این اندازه‌گیری‌ها واقعاً اطلاعاتی فراتر از داده‌های معمول پزشکی ارائه می‌کنند؟

برتری پروتئین‌های خون نسبت به متابولیت‌ها

واضح‌ترین نتیجه مطالعه از مقایسه مستقیم این دو روش به دست آمد. در ۱۶ مورد از ۱۷ بیماری، اندازه‌گیری پروتئین‌های خون عملکرد بهتری نسبت به اندازه‌گیری متابولیت‌ها داشت. افزوده شدن داده‌های متابولیتی به نتایج پروتئینی نیز تقریباً هیچ بهبود قابل توجهی در دقت پیش‌بینی ایجاد نکرد.

این یافته از نظر عملی اهمیت زیادی دارد. آزمایش‌های متابولیتی قدمت بیشتری دارند، هزینه کمتری دارند، سال‌ها پایه اصلی تحقیقات ارزیابی خطر بیماری بوده‌اند. اما این تحلیل نشان می‌دهد که بخش عمده توان پیش‌بینی در واقع از داده‌های پروتئینی ناشی می‌شود؛ بنابراین اجرای همزمان هر دو روش سود چندانی ندارد.

البته یک استثنا نیز وجود داشت. در یکی از بیماری‌ها، متابولیت‌ها عملکرد اندکی بهتر از پروتئین‌ها داشتند. این موضوع نشان می‌دهد که هیچ نوع اندازه‌گیری واحدی نمی‌تواند تمام بیماری‌ها را به یک اندازه پوشش دهد.

نشانگر‌های شناخته‌شده و کشف‌های جدید

برخی از پروتئین‌هایی که به‌عنوان پیش‌بینی‌کننده‌های قدرتمند ظاهر شدند از قبل برای پزشکان شناخته‌شده بودند. برای مثال در سرطان پروستات، مدل پژوهش همان پروتئینی را شناسایی کرد که سال‌هاست در آزمایش PSA توسط متخصصان اورولوژی مورد استفاده قرار می‌گیرد.

اما برخی یافته‌ها بسیار غافلگیرکننده بودند. در سرطان پوست، پروتئینی به نام PRG۳ به‌عنوان یکی از قوی‌ترین عوامل پیش‌بینی‌کننده ظاهر شد؛ ارتباطی که پیش از این در هیچ مطالعه‌ای گزارش نشده بود. پژوهشگران این مولکول را گزینه‌ای ارزشمند برای تحقیقات بیشتر معرفی کردند.

در سراسر تحلیل، الگوی مشابهی مشاهده شد. برخی پروتئین‌ها یافته‌های شناخته‌شده پزشکی را تأیید کردند، برخی دیگر مسیر‌های زیستی جدیدی را آشکار ساختند که پیش‌تر مورد توجه قرار نگرفته بودند.

ارتباط پروتئین‌های خون با دارو‌ها و نابرابری اجتماعی

پژوهشگران تنها به پیش‌بینی بیماری‌ها اکتفا نکردند. آنها بررسی کردند کدام پروتئین‌ها با دو عامل مهم مؤثر بر سلامت نیز ارتباط دارند: دارو‌های مصرفی افراد، شرایط اجتماعی و اقتصادی زندگی آنها.

چندین پروتئین که در پیش‌بینی بیماری نقش داشتند، ارتباط نزدیکی با دارو‌های تجویزی رایج نشان دادند. با این حال مشخص کردن اینکه این تغییرات ناشی از دارو‌ها بوده‌اند یا بیماری‌های زمینه‌ای، کار ساده‌ای نیست.

گروه دیگری از پروتئین‌ها نیز با عواملی مانند درآمد، سطح تحصیلات، شرایط محله زندگی و شاخص‌های محرومیت اجتماعی مرتبط بودند. این یافته نشان می‌دهد برخی از همان مولکول‌هایی که بیماری‌های آینده را پیش‌بینی می‌کنند، تحت تأثیر شرایط زندگی افراد نیز قرار دارند.

محدودیت‌های مطالعه درباره پروتئین‌های خون

این پژوهش نیز مانند هر مطالعه دیگری محدودیت‌هایی داشت. شرکت‌کنندگان بانک زیستی بریتانیا عموماً سالم‌تر، مسن‌تر، دارای پیشینه ژنتیکی اروپایی‌تر نسبت به جمعیت عمومی بودند. به همین دلیل ممکن است مدل‌های پیش‌بینی در سایر جمعیت‌ها به همان دقت عمل نکنند.

همچنین مدت زمان پیگیری شرکت‌کنندگان محدود بود. برخی بیماری‌هایی که در بازه زمانی طولانی‌تری ظاهر می‌شوند ممکن است کمتر از میزان واقعی ثبت شده باشند؛ بنابراین ارقام دقت ارائه‌شده به دوره زمانی مطالعه مربوط هستند، نه کل طول عمر افراد.

از سوی دیگر، اندازه‌گیری نزدیک به ۳ هزار نوع پروتئین از یک نمونه خون هنوز یک ابزار تحقیقاتی محسوب می‌شود و هزینه آن برای آزمایشگاه‌های پژوهشی مناسب‌تر از کلینیک‌های درمانی است؛ بنابراین این فناوری هنوز به یک آزمایش بالینی معمول تبدیل نشده است.

این یافته‌ها چه تغییری ایجاد می‌کنند؟

این نخستین مطالعه‌ای است که متابولیت‌ها و پروتئین‌ها را در چنین مقیاس بزرگی و برای این تعداد بیماری با یکدیگر مقایسه می‌کند. نتایج نشان داد که پروتئین‌ها بخش عمده توان پیش‌بینی را در اختیار دارند.

برخی از قوی‌ترین نشانگر‌ها همان پروتئین‌هایی هستند که پزشکان هم‌اکنون نیز از آنها استفاده می‌کنند. برخی دیگر مولکول‌های جدیدی هستند که تاکنون هیچ ارتباط شناخته‌شده‌ای با بیماری‌های مورد نظر نداشته‌اند.

تأثیر فوری این مطالعه بر مسیر تحقیقات آینده خواهد بود. گروه‌هایی که ابزار‌های پیش‌بینی خطر بیماری توسعه می‌دهند می‌توانند در اکثر شرایط، اندازه‌گیری پروتئین‌ها را در اولویت قرار دهند. همچنین توسعه‌دهندگان دارو اکنون فهرست جدیدی از مولکول‌های بالقوه برای بررسی در اختیار دارند.

البته آزمایش خونی که بتواند آینده ۱۷ بیماری را پیش‌بینی کند احتمالاً در آینده نزدیک وارد کلینیک‌ها نخواهد شد. با این حال سیگنال زیستی کشف‌شده واقعی و قابل تکرار است. هر آزمایش بالینی آینده باید بر همین پایه علمی بنا شود.

نتایج این پژوهش در نشریه Nature Communications منتشر شده است.

جمع‌بندی

مطالعه جدید نشان می‌دهد که پروتئین‌های خون در پیش‌بینی بیماری‌ها عملکردی بسیار بهتر از متابولیت‌ها دارند. این یافته می‌تواند مسیر توسعه نسل جدید آزمایش‌های تشخیصی و ابزار‌های پیش‌بینی خطر بیماری را تغییر دهد. 

منبع: فوت وفن