تكشف الشبكات العصبية البيانية غير المتجانسة الآليات الجزيئية لنقص الفولات في قصور المشيمة عبر دمج بيانات متعددة الأوميات

لماذا يهم هذا للأمهات والأطفال

يُعرف الفولات غالبًا بالفيتامين الموجود في حبوب ما قبل الولادة والذي يساعد على منع العيوب الخلقية، لكن دوره في الحمل الصحي أعمق بكثير. تبحث هذه الدراسة في كيفية تسبب نقص الفولات في إتلاف المشيمة بهدوء — العضو الذي يغذي ويحمي الجنين النامي. من خلال الجمع بين علوم الأحياء المتقدمة والذكاء الاصطناعي المتطور، يوضح الباحثون كيف تتضافر التغيرات الطفيفة في الجينات والبروتينات والجزيئات الصغيرة لتجوع المشيمة عما تحتاجه، ويستكشفون كيف قد يساعد هذا الفهم الأطباء ذات يوم في اكتشاف حالات الحمل عالية المخاطر مبكرًا.

عندما لا تواكب المشيمة المتطلبات

يحدث قصور المشيمة عندما تعجز المشيمة عن توصيل ما يكفي من الأكسجين والمواد المغذية إلى الجنين، مما يؤدي إلى مضاعفات مثل بطء النمو، وتسمم الحمل، والولادة المبكرة. ويصيب نحو خمسة إلى عشرة بالمئة من حالات الحمل حول العالم. يقع الفولات في قلب العديد من عمليات الخلايا — بناء الحمض النووي، والتحكم في تشغيل أو إيقاف الجينات، ودعم الأوعية الدموية الصحية. عندما تنخفض مستويات الفولات كثيرًا، قد تفشل هذه الأنظمة، لكن سلسلة الأحداث الدقيقة داخل نسيج المشيمة كانت صعبة المتابعة. الدراسات التقليدية عادة ما تفحص نوعًا واحدًا من البيانات البيولوجية في كل مرة، مثل الجينات أو المستقلبات، وفاتها الصورة الأكبر لكيفية تفاعل هذه الطبقات معًا.

قراءة المشيمة بعدسات متعددة

لمعالجة هذه التعقيدات، جمع الفريق عينات مشيمة عند الولادة من 156 حالة حمل مرتبطة بقصور المشيمة بسبب الفولات و142 من الضوابط السليمة. من كل عينة، قاسوا أربعة أنواع مختلفة من المعلومات الجزيئية: تغيرات الحمض النووي، نشاط الجينات، مستويات البروتينات، والمستقلبات الصغيرة. بدلًا من التعامل مع هذه القياسات كقوائم طويلة ومنفصلة، ربطوها في خريطة بيولوجية كبيرة تحتوي على 6,704 جزيئات وأكثر من 16,000 تفاعل معروف. مثلت الجينات والبروتينات والمستقلبات كأنواع مختلفة من العقد مرتبطة بحواف تعكس كيفية ارتباطها أو تنظيمها أو تحولها بعضها ببعض في الخلايا الحقيقية.

تعليم شبكة ذكية لاكتشاف المشاكل

بعد ذلك درّب الباحثون نموذج ذكاء اصطناعي متخصص يُدعى الشبكة العصبية البيانية غير المتجانسة على هذه الخريطة الجزيئية. على عكس الخوارزميات التقليدية التي ترى كل قياس بمعزل عن غيره، هذا النموذج «يستمع» إلى كيفية انتشار الإشارات عبر الشبكة بأكملها. يمنح أوزان اهتمام لتسليط الضوء على الجزيئات والروابط الأكثر معلوماتية لتمييز المشيمات المريضة عن السليمة. على مجموعة اختبار مُحتجَزَة، صنف النموذج المشيمات بشكل صحيح بنسبة 94.7% وحقق مساحة تحت منحنى ROC قُرب الكمال بلغت 0.978، متفوقًا بوضوح على طرق التعلم الآلي التقليدية وأي تحليل استخدم نوعًا واحدًا من البيانات فقط. وهذا يدل على أن إشارة المرض لا تكمن في العلامات الفردية فحسب، بل في أنماط مشتركة عبر طبقات بيولوجية متعددة.

كشف سلاسل الضرر الخفية

بعيدًا عن التنبؤ، سمحت بنية النموذج للمؤلفين برؤية أي الجزيئات حملت الثقل الأكبر في قراراته. برزت عدة مكونات. كانت مكونات معالجة الفولات الأساسية — مثل الإنزيم MTHFR وناقِل الفولات FOLR1 — منخفضة بشدة في المشيمات المريضة، بينما تراكم الهوموسيستين، وهو ناتج سام ثانوي، بأكثر من ستة أضعاف. من الشبكة، برزت سبع وحدات وظيفية رئيسية، تربط كيمياء الفولات المضطربة بتناقص مثيلة الحمض النووي، وزيادة الإجهاد التأكسدي، ونمو الأوعية الدموية الخاطئ، والالتهاب، والموت الخلوي المفرط. بعبارة أخرى، لا يضر نقص الفولات المشيمة بطريقة واحدة فقط؛ بل يطلق شبكة من الإخفاقات المترابطة التي معًا تحد من تدفق الدم وتوصيل المغذيات إلى الجنين.

ماذا قد يعني هذا للرعاية المستقبلية

في الوقت الحاضر، يعد هذا العمل بمثابة مجهر قوي أكثر منه اختبارًا سريريًا جاهزًا. وبما أن جميع العينات أُخذت عند الولادة، لا يمكن استخدام النموذج بعد للتنبؤ بالمخاطر أثناء الحمل، وهو الوقت الذي يكون فيه التدخل ذا قيمة قصوى. ومع ذلك، فإن التواقيع الجزيئية التي يكشفها — وبخاصة التغيرات المجمعة في نقل الفولات، وتراكم الهوموسيستين، ومسارات نمو الأوعية المتضررة — تقدم خريطة طريق للبحث عن مؤشرات دموية قد تعكس ما يحدث في المشيمة. مع دراسات مستقبلية تتابع الأمهات عبر الزمن وتقارن دمهن بنسيج المشيمة، قد يساعد هذا النهج في بناء أدوات فحص مبكرة وغير باضعة واستراتيجيات تغذية أو طبية أكثر تخصيصًا لحماية حالات الحمل الضعيفة.

الاستشهاد: Xie, X., Li, Z., Xiao, Q. et al. Heterogeneous graph neural networks reveal molecular mechanisms of folate deficiency in placental insufficiency through multiomics integration. Sci Rep 16, 8417 (2026). https://doi.org/10.1038/s41598-026-38288-y

الكلمات المفتاحية: قصور المشيمة, نقص الفولات, الشبكات العصبية البيانية, متعدد الأوميات, مضاعفات الحمل