درک ارتباط میان بیماری و آر.ان‌.ای جهش‌ یافته با استفاده از یک نرم افزار

به گزارش شفا آنلاین، پژوهشگران " دانشگاه ایالتی اورگن"(OSU)، یک برنامه رایانه‌ای طراحی کرده‌اند که راهی برای درک بهتر ارتباط میان ماده ژنتیکی جهش‌ یافته و بیماری ارائه می‌دهد.

این نرم‌افزار موسوم به "bpRNA"، ابزاری برای شرح داده‌های به دست آمده از ساختارهای ثانویه "اسید ریبونوکلئیک" یا "آر.ان‌.ای"(RNA) است.

"دیوید هندریکس"(David Hendrix)، استادیار زیست‌شیمی و زیست‌فیزیک دانشگاه ایالتی اورگن و از نویسندگان این پژوهش گفت: این نرم‌افزار، قادر به تجزیه و تحلیل ساختارهای آر.ان‌.ای است. همچنین، حالت، توالی و جفت‌باز هر ویژگی ساختاری را ارائه می‌دهد و به این ترتیب، امکان بررسی ساختار آر.ان‌.ای را در مقیاس بزرگ فراهم می‌سازد.

عملکرد آر.ان‌.ای، با DNA که یک اسید ریبونوکلئیک دیگر است، صورت می‌گیرد تا پروتئین‌های مورد نیاز بدن را تولید کند. DNA، اطلاعات موروثی هر شخص را در بر می‌گیرد و آر.ان‌.ای، دستورالعمل‌های کدگذاری شده این اطلاعات را به محل ساخت پروتئین در داخل سلول می‌رساند. بسیاری از مولکول‌های آر.ان‌.ای، پروتئین را کدگذاری نمی‌کنند و این پروتئین‌ها، با نام آر.ان‌.ای‌ های کدگذاری نشده شناخته می‌شوند.

هنریکس ادامه داد: در آر.ان‌.ای‌ های کدگذاری نشده، نمونه‌های بسیاری از جهش‌های مرتبط با بیماری وجود دارند که احتمالا بر ساختار آنها موثر هستند و ما برای تحلیل آماری دلیل جهش‌های مرتبط با بیماری، باید تحلیل ساختار آر.ان‌.ای را به صورت خودکار درآوریم. آر.ان‌.ای، یکی از مولکول‌های اساسی و ضروری برای زندگی کردن است و ما برای درک چگونگی عملکرد آن، باید ساختار آر.ان‌.ای را درک کنیم.

ساختارهای ثانویه، تعاملات پایه‌ای درون یک پلیمر اسید نوکلئیک یا میان دو پلیمر هستند. DNA، به شکل دو مارپیچ در هم‌ تنیده است اما آر.ان‌.ای، ساختار مفرد دارد و می‌تواند تعاملات پیچیده‌ای را شکل دهد.

به گفته هندریکس، این نرم‌افزار، گسترده‌ترین و مفصل‌ترین پایگاه داده را در مورد ساختارهای آر.ان‌.ای ارائه می‌دهد.

وی افزود: این نرم‌افزار، فراتر از یک پایگاه داده است و می‌توان برای شرح هر موضوعی از آن استفاده کرد. پیش از ابداع این نرم‌افزار، راهی برای مشخص کردن محل قرار گرفتن هر یک از ویژگی‌های ساختاری، به صورت خودکار وجود نداشت. ما یک نقشه از محل قرار گرفتن هر ویژگی، با رنگ‌های کدگذاری شده آماده کرده‌ایم. شرح‌های ارائه شده، ما را قادر به شناسایی روند آماری مشخص‌کننده شکل ساختاری آر.ان‌.ای می‌سازند و شاید به پیش‌بینی ساختار ثانویه آر.ان‌.ای توسط الگوریتم یادگیری ماشینی کمک کنند.

پژوهشگران توانسته‌اند این ابزار را با موفقیت روی بیش از 100 هزار ساختار که بسیاری از آنها واقعا پیچیده بودند، آزمایش کنند.

هندریکس خاطرنشان کرد: هر روز، آر.ان‌.ای‌ های بسیاری کشف می‌شوند و پژوهشگران، در درک عملکرد آنها، پیشرفت می‌کنند. ما با درک این موضوع که ژنوم، سرشار از آر.ان‌.ای‌ های پیچیده است و آر.ان‌.ای‌ ها، مولکول‌های زیستی مهمی هستند که تاثیر زیادی بر سلامتی و بیماری دارند، کار خود را شروع کرده ایم.