M $$\vphantom{0}^2$$ DGAT: شبكة انتباه بيانية ديناميكية متعددة العرض ومتعددة النطاقات قائمة على GAT للتنبؤ بتقدم مرض باركنسون (PD) باستخدام بيانات تسلسل الـ RNA لكامل الدم

لماذا يمكن للدم أن يساعد في تتبع مرض الدماغ

يشتهر مرض باركنسون بالاهتزازات ومشكلات الحركة، لكن بحلول الوقت الذي تظهر فيه هذه الأعراض يكون قد وقع بالفعل ضرر طويل الأمد في الدماغ. يحتاج الأطباء بشكل ملح إلى طرق تتنبأ بسرعة تفاقم حالة المريض حتى تُوقَت العلاجات وتُكيف بشكل أفضل. تُظهر هذه الدراسة أن عينة دم بسيطة، عند دمجها مع نظام ذكاء اصطناعي متقدم، يمكن أن تكشف إشارات جزيئية دقيقة تتنبأ بتغيرات الحركة والقدرات الإدراكية لدى مرضى باركنسون.

قراءة قصة الدماغ من الدم

بدلاً من فحص الدماغ مباشرة، ركز الباحثون على تسلسل الـ RNA لكامل الدم، الذي يقيس أي الجينات مفعّلة أو مُخفَّضة في خلايا الدم. وعلى الرغم من أن الدم يبعد كثيراً عن الدماغ، أظهرت أعمال سابقة أن نشاط الجهاز المناعي وعمليات جسمانية واسعة النطاق تعكس ما يحدث في الجهاز العصبي. التحدي أن هذه قراءات نشاط الجينات صاخبة للغاية: عشرات الآلاف من الجينات تتقلب مع الزمن، والإشارات المهمة للمرض قد تُطغى بسهولة. هدف الفريق كان بناء نموذج يستطيع نَخْص هذه التعقيدات وتتبع كيفية تطور باركنسون لدى كل مريض على حدة.

تحويل الجينات إلى شبكات حيوية

بدلاً من معاملة كل جين على حدة، يمثل المؤلفون الجينات كشبكة، حيث تُربط الجينات التي تتصرف بشكل مشابه مع بعضها. تتغير هذه الشبكات مع تقدم المرض، وتكبر أو تصغر أهمية مجموعات الجينات—المرتبطة غالباً بالاستجابات المناعية أو معالجة البروتين أو موت الخلايا. تبني الدراسة هذه «الرسوم الجينية» على مستوى عالمي لالتقاط البنية العامة، وعلى مستوى محلي يركّز على وحدات مترابطة بإحكام من الجينات ذات الصلة. من خلال الجمع عبر نطاقات متعددة، يستطيع النموذج كشف تشوُّهات دقيقة في تداخل الجينات، التي قد تميّز مراحل أو أنماط مختلفة من باركنسون.

متابعة المرض عبر الزمن، وليس لقطات منفصلة

باركنسون لا يبقى ثابتاً، لذا يحتاج النموذج أيضاً إلى فهم التغير. لتحقيق ذلك، يغذي الباحثون النظام بعينات دم متكررة من نفس الأشخاص في عدة زيارات للعيادة، محولين بيانات كل شخص إلى فيلم قصير بدلاً من صورة واحدة. يركّز جزء من نظامهم على كيف ترتفع وتنخفض مستويات نشاط الجينات عبر الزمن، متعلماً أي الأنماط الزمنية هي الأهم ومرشحاً التقلبات العشوائية. ويركز جزء آخر على كيفية إعادة تشكيل شبكات الجينات نفسها مع تقدم المرض. ثم يتعلم محرك «الانتباه البياني الديناميكي» المتخصص أي الروابط في هذه الشبكات المتطورة تميز بشكل أفضل بين مرحلة مرضية وأخرى.

دمج منظورَين في صورة واحدة

جوهر الطريقة الجديدة، المسماة M2DGAT، هو أنها تجمع هذين المنظورين—التغيرات الزمنية في نشاط الجينات والبنية المتغيرة لشبكات الجينات—في تمثيل مشترك واحد لكل مريض ولكل نقطة زمنية. بدلاً من تجميع نوعي البيانات ببساطة فوق بعضهما، يستخدم النموذج حيلة رياضية ذكية لدمجهما، متمكناً من التقاط تداخلات معقدة بين «متى» و«كيف» تتصرف الجينات بشكل خاطئ. تُربط البصمات الناتجة بعد ذلك بمقاييس سريرية معيارية: مقياس هاين ويهر لمشكلات الحركة وتقييم مونتريال المعرفي للقدرات الإدراكية والذاكرة. عبر مجموعتين كبيرتين من مرضى باركنسون، تفوَّق هذا الاقتراح باستمرار على عدة طرق تعلم عميق رائدة في تصنيف مرحلة المرض والتنبؤ بالدرجات المعرفية.

ما يكشفه النموذج عن بيولوجيا باركنسون

خارج نطاق التنبؤ، يبرز النموذج مجموعات من الجينات والمسارات التي ترتبط بشكل قوي بتفاقم باركنسون. عندما فحص المؤلفون هذه الجينات، وجدوا إشارات متكررة تُشير إلى اضطراب في إنتاج البروتين ومعالجته، وتنشيط مناعي مزمن، ومسارات مرتبطة بالموت الخلوي المبرمج وإجهاد الخلايا. ولافت أن هذه المواضيع البيولوجية ظهرت في مجموعتين مستقلتين من المرضى، مما يشير إلى أن النموذج يلتقط بيولوجيا متينة مرتبطة بالمرض بدلاً من أنماط عشوائية. يساعد هذا النوع من الرؤية على مستوى الشبكات في ربط علامات الدم بالعمليات الأساسية التي تضر الخلايا العصبية.

من الشيفرة المعقدة إلى توقعات أوضح

بعبارات بسيطة، تُظهر هذه الدراسة أنه من الممكن تحويل التعقيد المذهل لنشاط جينات الدم إلى بصمة مدمجة وقابلة للقراءة لتقدم باركنسون. من خلال النظر في كيفية تقلب الجينات عبر الزمن وكيفية تفاعلها في شبكات متغيرة في آن واحد، يستطيع نظام M2DGAT قياس التراجع الحركي والمعرفي بدقة أعلى من الأدوات الموجودة. وبينما يلزم إجراء مزيد من التحقق قبل أن يوجه الرعاية السريرية، يشير هذا النهج إلى مستقبل يمكن فيه لاختبار دم روتيني، مفسَّر عبر ذكاء اصطناعي متقدم قائم على الشبكات، أن يساعد الأطباء في توقع مسار باركنسون وتخصيص العلاجات قبل ظهور الأعراض الشديدة بفترة طويلة.

الاستشهاد: Wei, Z., Zeqi, X., Chenjun, W. et al. M\(\vphantom{0}^2\)DGAT: Multi-view multi-scale dynamic graph attention network(GAT) based prediction of Parkinson’s disease(PD) progression using whole-blood RNA sequencing data. Sci Rep 16, 11777 (2026). https://doi.org/10.1038/s41598-026-40636-x

الكلمات المفتاحية: مرض باركنسون, نسخية الدم, الشبكات العصبية البيانية, تقدم المرض, الطب الدقيق