شناسایی محاسباتی نوروپپتیدهای فعال حاصل میکروبیوم روده ی انسان با روشهای یادگیری ماشین

Abstract

خلاصه فارسی مقدمه و هدف: میکروبیوتای روده از طریق نوروپپتیدها بر عملکردهای بدن از جمله سیستم ایمنی و مغز تأثیر می‌گذارد. سایکوبیوتیک‌ها پروبیوتیک‌هایی هستند که وقتی به مقدار کافی مصرف شوند، مزایای سلامتی را برای افراد مبتلا به بیماری روانی ارائه می‌کنند. این میکروب‌ها پپتیدهای زیست‌فعال (نوروپپتیدها) را در روده تولید می‌کنند که به‌عنوان انتقال‌دهنده‌های عصبی عمل کرده و به‌طور بالقوه اختلالاتی مانند افسردگی، مشکلات شناختی و اسکیزوفرنی را بهبود می‌بخشند. علیرغم توسعه حدود ده ابزار یادگیری ماشینی و یادگیری عمیق برای پیش‌بینی نوروپپتید، شکاف قابل‌توجهی در دانش فعلی در مورد شناسایی نوروپپتیدهای فعال تولید شده توسط میکروبیوم روده وجود دارد. در حالی که این ابزارها در بهبود دقت پیش‌بینی نوروپپتید در مجموعه داده‌های آموزشی پیشرفت کرده‌اند، اما اکثراً به مدل‌های نظری محدود شده‌اند و فاقد مرحله اساسی اعمال و تأیید این پیش‌بینی‌ها بر روی نمونه‌های میکروبیوم دنیای واقعی هستند که برای تأیید ارتباط بیولوژیکی و فعالیت عملکردی آن‌ها حیاتی است. این مطالعه با توسعه یک مدل یادگیری عمیق برای پیش‌بینی نوروپپتیدها و سپس استفاده از آن برای طبقه‌بندی داده‌های استخراج‌شده از ژنوم میکروبیوم روده، نوروپپتیدهای احتمالی حاصل از میکروبیوم روده را شناسایی کرد. مواد و روش‌ها: یک مدل حافظه کوتاه‌مدت بلندمدت (LSTM) بر روی مجموعه داده‌های نوروپپتید و غیر نوروپپتیدی پردازش شده (توالی‌های اسید آمینه با طول 5-100، که به نسبت 80/20 برای مجموعه داده‌های آموزشی و آزمایشی تقسیم شدند) آموزش داده شد. پس از طبقه‌بندی داده‌های استخراج‌شده از ژنوم میکروبیوم روده با مدل توسعه‌یافته، حدود 11 میلیون توالی به‌عنوان نوروپپتیدهای احتمالی پیش‌بینی شد. برای اطمینان از اینکه آیا این توالی‌ها واقعاً در روده انسان بیان می‌شوند، آنالیز k-mer بر روی این توالی‌ها انجام شد و در برابر داده‌های متاپروتئومی مورد تأیید قرار گرفت. در نهایت، یک مجموعه داده کوچک‌تر و فیلتر شده از توالی‌هایی که احتمالاً در میکروبیوم روده انسان بیان می‌شوند، شناسایی و معرفی شد. در مرحله پایانی، توالی‌های فیلتر شده با استفاده از ابزار NCBI-protein BLAST بررسی شدند تا شباهت آن‌ها با پروتئین‌های شناخته‌شده ارزیابی شود. در نتیجه برخی از توالی‌ها به‌عنوان سایکوبیوتیک‌های بالقوه شناسایی شدند که همچنان نیازمند مراحل متعدد اعتبارسنجی برای تأیید نقش آن‌ها به‌عنوان میکروبیوم‌های مفید و سایکوبیوتیک‌های اثربخش هستند. یافته‌ها: این مطالعه 135 نوروپپتید بالقوه فعال در محور روده-مغز را با دقت 90 درصد شناسایی کرد که با استفاده از داده‌های متاپروتئومی تأیید شد. این توالی‌ها از میکروبیوم روده انسان استخراج شده و به‌عنوان نوروپپتید بالقوه فعال در روده انسان معرفی شدند. بررسی نتایج این مرحله با ابزار NCBI Protein-BLAST برخی از آنها با پروتئین های مفید و برخی با پروتئین های فرصت طلب (naughty microbes) شباهت داشتند که با اعتبارسنجی‌های بیشتر، احتمالاً دارای پتانسیل درمانی هستند. نتیجه گیری: این مطالعه نشان داد که استفاده از مدل‌های یادگیری عمیق، همراه با پیش‌پردازش دقیق داده‌ها و تحلیل‌های بیوانفورماتیکی، می‌تواند به‌طور مؤثری نوروپپتیدهای بالقوه فعال را در محور روده-مغز شناسایی کند. نتایج به‌دست‌آمده از بررسی NCBI Protein-BLAST نشان داد که برخی از توالی‌های شناسایی‌شده با پروتئین‌های مفید و برخی دیگر با پروتئین‌های فرصت‌طلب شباهت دارند. این یافته‌ها، علاوه بر ارائه بینش‌هایی جدید درباره نقش این نوروپپتیدها در محور روده-مغز، بر اهمیت بررسی دقیق‌تر این توالی‌ها برای تعیین نقش عملکردی و پتانسیل درمانی آن‌ها تأکید می‌کند.

توالی‌های شناسایی‌شده در این مطالعه به‌عنوان پایه‌ای برای تحقیقات آینده، به‌ویژه در زمینه تأیید تجربی و بررسی اثرات درمانی بالقوه، ارائه می‌شوند. با این حال، برای استفاده کاربردی از این یافته‌ها، مطالعات بیشتری در جهت اعتبارسنجی زیستی و ارزیابی تعاملات این نوروپپتیدها در سیستم‌های بیولوژیکی مورد نیاز است. این رویکرد محاسباتی جایگزینی کارآمدتر و مقیاس‌پذیرتر برای روش‌های گذشته مانند طیف‌سنجی جرمی ارائه می‌دهد و ابزارهای جدیدی برای تحقیقات نوروپپتیدهای فعال در محور روده-مغز فراهم می‌کند. مطالعات آینده باید بر اعتبارسنجی تجربی توالی‌های شناسایی‌شده، بهبود مدل پیش‌بینی و بررسی نقش‌های بیولوژیکی این نوروپپتیدها برای کشف پتانسیل کامل آن‌ها در درمان اختلالات عصبی-روانی و گوارشی تمرکز کنند. کلمات کلیدی: یادگیری ماشین، نوروپپتید، سایکوبیوتیک، محور روده-مغز