Heterojen grafik sinir ağları, çoklu omik entegrasyonu ile plasental yetersizlikte folat eksikliğinin moleküler mekanizmalarını açığa çıkarıyor

Anneler ve Bebekler İçin Neden Önemli

Folat, doğum kusurlarını önlemeye yardımcı prenatal vitamin olarak en çok bilinir, ancak sağlıklı bir gebelikteki rolü çok daha derindir. Bu çalışma, folat eksikliğinin bebeği besleyen ve koruyan organ olan plasentayı nasıl sessizce zedeleyebileceğini inceliyor. Keskin biyoloji yöntemleri ile gelişmiş yapay zekâyı birleştirerek, araştırmacılar genler, proteinler ve küçük moleküllerdeki ince değişikliklerin plasentayı gereksinimlerinden nasıl mahrum bıraktığını gösteriyor ve bu bilginin bir gün doktorların yüksek riskli gebelikleri daha erken tespit etmesine nasıl yardımcı olabileceğini araştırıyor.

Plasenta Yetişemediğinde

Plasental yetersizlik, plasenta fetuse yeterli oksijen ve besin sağlayamadığında ortaya çıkar; bu durum düşük büyüme, preeklampsi ve erken doğum gibi komplikasyonlara yol açar. Dünya genelinde gebeliklerin yaklaşık yüzde beş ila onunu etkiler. Folat, DNA inşası, hangi genlerin açılıp kapanacağının kontrolü ve sağlıklı kan damarlarının desteklenmesi gibi birçok hücresel sürecin merkezindedir. Folat seviyeleri çok düşük olduğunda bu sistemler yanlış çalışabilir, ancak plasental dokudaki olayların kesin zincirini izlemek zor olmuştur. Geleneksel çalışmalar genellikle genler ya da metabolitler gibi tek bir biyolojik veri türünü ayrı ayrı inceler; bu da bu katmanların nasıl etkileştiğine dair daha geniş resmi kaçırır.

Plasentayı Birçok Mercekle Okumak

Bu karmaşıklığı ele almak için ekip, folatla ilişkili plasental yetersizlik gösteren 156 gebelikten ve 142 sağlıklı kontrolden doğum sırasında plasenta örnekleri topladı. Her örnekten dört farklı moleküler bilgi türü ölçüldü: DNA değişiklikleri, gen aktivitesi, protein düzeyleri ve küçük metabolitler. Bu ölçümleri uzun, ayrı listeler olarak ele almak yerine, bunları 6.704 molekül ve 16.000'den fazla bilinen etkileşimi içeren büyük bir biyolojik haritada birbirine bağladılar. Genler, proteinler ve metabolitler, gerçek hücrelerde birbirlerine bağlanma, düzenleme veya dönüştürme şeklini yansıtan kenarlarla birbirine bağlı farklı tür düğümler olarak temsil edildi.

Sorunu Fark Eden Akıllı Bir Ağı Eğitmek

Araştırmacılar daha sonra bu moleküler harita üzerinde heterojen bir grafik sinir ağı adı verilen özel bir yapay zekâ modelini eğitti. Her ölçümü izole olarak gören standart algoritmaların aksine, bu model tüm ağda sinyallerin nasıl yayıldığını “dinler”. Hastalıklı plasentaları sağlıklılardan ayırt etmede en bilgilendirici molekülleri ve bağlantıları vurgulamak için dikkat ağırlıkları atar. Ayrılmış bir test kümesinde model, plasentaların %94,7'sini doğru sınıflandırdı ve 0,978 alan altında ROC eğrisi gibi neredeyse mükemmele yakın bir performans gösterdi; bu, geleneksel makine öğrenimi yöntemlerini ve yalnızca tek bir veri türü kullanan analizleri açıkça geride bıraktı. Bu, hastalık sinyalinin yalnızca bireysel belirteçlerde değil, birden fazla biyolojik katmanda paylaşılan desenlerde yattığını gösteriyor.

Gizli Hasar Zincirlerini Ortaya Çıkarmak

Tahminin ötesinde, modelin tasarımı yazarların kararlarında en çok ağırlığa sahip molekülleri görmesini sağladı. Birkaçı öne çıktı. MTHFR enzimi ve folat taşıyıcı FOLR1 gibi temel folat işlemi bileşenleri hastalıklı plasentalarda güçlü şekilde azalmışken, toksik bir yan ürün olan homosistein altı katın üzerinde birikmişti. Ağdan yedi ana fonksiyonel modül ortaya çıktı; bunlar bozulmuş folat kimyasını azaltılmış DNA metilasyonu, artmış oksidatif stres, hatalı damar gelişimi, iltihaplanma ve aşırı hücre ölümü ile bağlıyordu. Başka bir deyişle, folat eksikliği plasentaya tek bir şekilde zarar vermez; birlikte fetüse kan akışını ve besin sağlanmasını sınırlayan birbirine bağlı başarısızlıklar ağı başlatır.

Gelecekteki Bakım İçin Ne Anlama Gelebilir

Şimdilik bu çalışma daha çok güçlü bir mikroskop niteliğindedir; yatak başı testi değildir. Tüm örnekler doğum sırasında alındığı için model henüz müdahalenin en önemli olduğu gebelik sırasında riski tahmin etmek için kullanılamaz. Yine de ortaya koyduğu moleküler imzalar—özellikle folat taşınımındaki birleşik değişiklikler, homosistein birikimi ve zarar görmüş damar büyüme yolları—plasentada olanları yansıtabilecek kan bazlı belirteçlerin aranması için bir yol haritası sunuyor. Anneleri zaman içinde izleyen ve kanlarını plasenta dokusuyla karşılaştıran gelecekteki çalışmalarla, bu yaklaşım erken, invaziv olmayan tarama araçları ve hassas beslenme ya da tıbbi stratejiler geliştirmek için yardımcı olabilir ve savunmasız gebelikleri koruyabilir.

Atıf: 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

Anahtar kelimeler: plasental yetersizlik, folat eksikliği, grafik sinir ağları, çokluomik, gebelik komplikasyonları