Clear Sky Science
شروحات قائمة على الأدلة وخفيفة المصطلحات

Clear Sky Science · ar

الارتباط الجيني والتعلم الآلي يحسنان التنبؤ بخطر الإصابة بمرض السكري من النوع الأول

· العودة إلى الفهرس

لماذا تهم الجينات في السكري من النوع الأول

يُنظر إلى السكري من النوع الأول غالبًا على أنه يَظهر فجأة، خاصة لدى الأطفال والشباب. لكن تحت السطح، تُشكّل الاختلافات الموروثة في الحمض النووي من يَكون أكثر عرضة بشكل كبير. تُظهر هذه الدراسة كيف يمكن لدمج مجموعات بيانات جينية ضخمة مع أساليب التعلم الآلي الحديثة أن يُحسّن قدرتنا على تقدير هذا الخطر، ويميّز السكري من النوع الأول عن أشكال أخرى من السكري، ويكشف أنواعًا فرعية مخفية من المرض قد تتطلب رعاية مختلفة.

البحث في الجينوم عن دلائل الخطر

بدأ الباحثون بمسح حمض نووي لأكثر من 800,000 شخص من أصول أوروبية، بما في ذلك أكثر من 20,000 مصابين بالسكري من النوع الأول وما يقرب من 800,000 غير مصابين. بحثوا في كامل الجينوم عن تغيّرات صغيرة في الحمض النووي كانت أكثر شيوعًا لدى المصابين. أكدت هذه الجهود وجود 89 منطقة جينية معروفة سابقًا مرتبطة بالسكري من النوع الأول وكشفت عن 8 مناطق جديدة. تقع العديد من هذه المناطق بالقرب من جينات مرتبطة بالجهاز المناعي أو خلايا البنكرياس المنتجة للإنسولين، مما يوفّر نقاط انطلاق جديدة لفهم كيفية تطور المرض.

التركيز على المتغيرات الأساسية للخطر

إيجاد منطقة خطرة في الجينوم ليس سوى البداية، لأن كل منطقة قد تحتوي على العديد من المتغيرات المرتبطة ارتباطًا وثيقًا التي تنتقل معًا. استخدم الفريق طرق التحديد الدقيق لتضييق المتغيرات المسببة على الأرجح في 97 منطقة خارج مجموعة الجينات المناعية الرئيسية وفي معقّد التوافق النسيجي الكبير (MHC) على الكروموسوم 6. في أكثر من نصف هذه المناطق استطاعوا تقليص المرشحين إلى 15 متغيرًا أو أقل، وأحيانًا إلى مشتبه به واحد رئيسي. كما اكتشفوا إشارات خطورة جديدة داخل MHC، بما في ذلك متغيرات غير مشفرة يبدو أنها تغيّر تنظيم الجينات في خلايا مناعية محددة، مما يلمّح إلى طرق بيولوجية مفصلة لحدوث المرض.

تعليم نموذج لقراءة الخطر الجيني

باستخدام قائمة المتغيرات المكرّرة هذه، بنى العلماء نموذجًا للتعلم الآلي اسمه T1GRS يتعامل مع جينوم الفرد كمدخل ويُنتج درجة تعكس احتمالية إصابته بالسكري من النوع الأول.

Figure 1. كيف تُحسِّن تركيبة الحمض النووي ونموذج التعلم الآلي معًا تحديد من هم الأكثر عرضة للإصابة بالسكري من النوع الأول.
Figure 1. كيف تُحسِّن تركيبة الحمض النووي ونموذج التعلم الآلي معًا تحديد من هم الأكثر عرضة للإصابة بالسكري من النوع الأول.
يستخدم النموذج 199 متغيرًا مختارًا من أنحاء الجينوم وMHC. عند اختباره على عشرات الآلاف من الأشخاص، ميز T1GRS السكري من النوع الأول عن عدم الإصابة بالدقة الأعلى من أفضل المقاييس الجينية الحالية. كان أداءه أفضل خاصة لدى الأشخاص الذين يفتقرون إلى تراكيب جينية مناعية عالية المخاطر الكلاسيكية لكن لديهم العديد من المخاطر الجينية الصغيرة المنتشرة عبر الجينوم. في مجموعات مستقلة، فصل النموذج أيضًا بين السكري من النوع الأول والنوع الثاني وقدم أداءً مقارنًا لمقياس مخصص لدى الأفراد الأمريكيين الأفارقة، مما يشير إلى قيمة عملية واسعة النطاق.

تداخلات مخفية وأنواع فرعية جينية

على عكس مقاييس الخطر البسيطة التي تجمع التأثيرات فقط، يمكن للنموذج التعلمي أن يلتقط تداخلات بين المتغيرات. استخدم المؤلفون أدوات تشرح سلوك النموذج لتحديد 154 زوجًا من المتغيرات كان لتأثيرهما المشترك على الخطر قوة أو تعقيدًا أكبر من مجموع تأثيراتهما المنفردة.

Figure 2. كيف تُدخل العديد من التغيرات الجينية الصغيرة عبر نموذج لترتيب مخاطر السكري من النوع الأول وكشف تداخلات الجينات.
Figure 2. كيف تُدخل العديد من التغيرات الجينية الصغيرة عبر نموذج لترتيب مخاطر السكري من النوع الأول وكشف تداخلات الجينات.
شملت العديد من هذه التداخلات حديثًا بين MHC ومناطق أخرى، بما في ذلك جين الإنسولين نفسه. ثم جمّعوا الأشخاص بناءً على كيفية مساهمة متغيرات مختلفة في درجتهم الشخصية للخطر. كشف هذا عن أربع مجموعات جينية فرعية: اثنتان تهيمن عليهما مخاطر MHC الكلاسيكية، وواحدة غنية بجينات خلايا الجهاز المناعي، وواحدة غنية بجينات خلايا البنكرياس. لم تكن هذه المجموعات انعكاسًا بسيطًا للأصل العرقي أو اختلافات المجموعة الدراسية.

ماذا تعني الأنماط الجينية للمرضى

كانت المجموعات الجينية الفرعية مرتبطة باختلافات واقعية في مسار المرض. كان الأشخاص في مجموعات MHC أكثر ميلاً لتطور السكري من النوع الأول في أعمار أصغر. أما من كان في مجموعة الغنية بخلايا البنكرياس فطوروا المرض في سنّ لاحقة لكن كان لديهم معدلات أعلى من المضاعفات مثل مرض الكلى وتلف الأعصاب ومشكلات القلب والأوعية الدموية، رغم أن متوسط التحكم لديهم في نسبة السكر لم يكن أسوأ. ظهرت أنماط مماثلة في مجموعة بيانات مستقلة، مما يشير إلى أن الجينات يمكن أن تساعد في تمييز المرضى الذين قد يحتاجون لمراقبة أقرب للمضاعفات أو الذين قد يستجيبون للعلاجات بشكل مختلف.

إدخال الجينات في الرعاية اليومية

بشكل عام، تُظهر هذه الأبحاث أن نموذج خطر جيني مبني بعناية يمكنه أن يفعل أكثر من تصنيف الشخص كـ«عالي» أو «منخفض» الخطورة. إنه يحسّن التشخيص، خاصة لدى الأشخاص ذوي الخلفيات الجينية المعقدة، ويسلّط الضوء على مسارات بيولوجية تستحق الاستهداف في علاجات جديدة، ويشير إلى أشكال مميزة من السكري من النوع الأول تتطور بشكل مختلف على مدار الحياة. بينما لا يمكن للجينات وحدها التنبؤ بمن سيُصاب بالمرض، تقترب أدوات مثل T1GRS بالطب من استخدام اختبار DNA بسيط لتوجيه الوقاية والتشخيص والإدارة على المدى الطويل.

الاستشهاد: McGrail, C., Sears, T.J., Griffin, E.N. et al. Genetic association and machine learning improve the prediction of type 1 diabetes risk. Nat Genet 58, 1062–1072 (2026). https://doi.org/10.1038/s41588-026-02578-y

الكلمات المفتاحية: السكري من النوع الأول, مقياس الخطر الجيني, التعلم الآلي, أمراض مناعية ذاتية, الطب الدقيق