علامة SNP

يُقال إن موقعين جينيين في حالة توازن ارتباطي (LE) إذا كان توريثهما حدثًا مستقلًا. أما إذا كان توريث الأليلات في هذين الموقعين غير عشوائي، فنقول إنهما في حالة عدم توازن ارتباطي (LD). وينتج عدم التوازن الارتباطي في أغلب الأحيان عن الارتباط الفيزيائي للجينات. فعندما يُورث جينان على نفس الكروموسوم، وبحسب المسافة بينهما واحتمالية إعادة التركيب بين الموقعين، قد يكون عدم التوازن الارتباطي بينهما عاليًا. ومع ذلك، يمكن أيضًا ملاحظة عدم التوازن الارتباطي نتيجة للتفاعلات الوظيفية، حيث يمكن حتى للجينات من كروموسومات مختلفة أن تُسهم مجتمعةً في إضفاء نمط ظاهري مُنتقى تطوريًا أو أن تؤثر على قدرة النسل المحتمل على البقاء.

في العائلات، يكون عدم التوازن الارتباطي (LD) في أعلى مستوياته بسبب انخفاض عدد أحداث إعادة التركيب (أقل عدد من أحداث الانقسام الاختزالي). وينطبق هذا بشكل خاص على السلالات المتزاوجة داخليًا. أما في التجمعات السكانية، فيوجد عدم التوازن الارتباطي نتيجةً للانتقاء، أو التقارب الفيزيائي للجينات الذي يؤدي إلى انخفاض معدلات إعادة التركيب، أو بسبب التزاوج أو الهجرة الحديثة. وعلى مستوى التجمع السكاني، تشمل العمليات التي تؤثر على عدم التوازن الارتباطي: الارتباط الجيني ، والانتقاء الطبيعي التفاعلي ، ومعدل إعادة التركيب، والطفرة ، والانحراف الوراثي ، والتزاوج العشوائي ، والتنقل الجيني ، وتدفق الجينات . ^{[ 2 ]}

عندما تُورَث مجموعة من المتغيرات النوكليوتيدية المفردة (SNPs) معًا بسبب الارتباط الجيني العالي، يميل ذلك إلى وجود معلومات زائدة. يقلل اختيار متغير نوكليوتيدي مفرد مميز (tag SNP) كممثل لهذه المجموعات من مقدار التكرار عند تحليل أجزاء الجينوم المرتبطة بالصفات/الأمراض. ^{[ 3 ]} تُعرف مناطق الجينوم ذات الارتباط الجيني العالي والتي تضم مجموعة محددة من المتغيرات النوكليوتيدية المفردة الموروثة معًا باسم الأنماط الفردانية. لذلك، فإن المتغيرات النوكليوتيدية المفردة المميزة تمثل جميع المتغيرات النوكليوتيدية المفردة ضمن النمط الفرداني.

يعتمد اختيار علامات تعدد أشكال النوكليوتيدات المفردة (SNPs) على الأنماط الفردية الموجودة في الجينوم. توفر معظم تقنيات التسلسل معلومات النمط الجيني فقط، وليس الأنماط الفردية، أي أنها توفر معلومات عن القواعد المحددة الموجودة دون تحديد موقعها على الكروموسوم. ^{[ 4 ]} يمكن تحديد الأنماط الفردية باستخدام الطرق الجزيئية ( تفاعل البوليميراز المتسلسل الخاص بالأليل ، والهجائن الخلوية الجسدية ). تميز هذه الطرق الأليل الموجود على كل كروموسوم بفصل الكروموسومات قبل تحديد النمط الجيني. ونظرًا لأنها قد تستغرق وقتًا طويلاً وتكون مكلفة، فقد طُوّرت طرق الاستدلال الإحصائي كخيار أقل تكلفة وأكثر آلية. تستخدم حزم برامج الاستدلال الإحصائي هذه خوارزميات البخل، والحد الأقصى للاحتمالية، والخوارزميات البايزية لتحديد الأنماط الفردية. من عيوب الاستدلال الإحصائي أن نسبة من الأنماط الفردية المستنتجة قد تكون خاطئة. ^{[ 5 ]}

عند استخدام الأنماط الفردية في دراسات الارتباط على مستوى الجينوم، من المهم مراعاة المجموعة السكانية المدروسة. فغالبًا ما تختلف أنماط عدم التوازن الارتباطي بين المجموعات السكانية المختلفة. ومن الأمثلة على هذه الأنماط المتباينة، المجموعات السكانية المنحدرة من أصول أفريقية مقابل المجموعات السكانية المنحدرة من أصول أوروبية وآسيوية. وبما أن الإنسان نشأ في أفريقيا وانتشر إلى أوروبا ثم إلى قارتي آسيا والأمريكتين، فإن المجموعات السكانية الأفريقية هي الأكثر تنوعًا جينيًا ولديها مناطق ارتباط ارتباطي أصغر، بينما تتمتع المجموعات السكانية المنحدرة من أصول أوروبية وآسيوية بمناطق ارتباط ارتباطي أكبر نتيجة لتأثير المؤسس . وعندما تختلف أنماط عدم التوازن الارتباطي بين المجموعات السكانية، قد تنفصل المتغيرات النوكليوتيدية المفردة عن بعضها البعض بسبب التغيرات في كتل الأنماط الفردية . وهذا يعني أن المتغيرات النوكليوتيدية المفردة المميزة، باعتبارها ممثلة لكتل ​​الأنماط الفردية، فريدة من نوعها في المجموعات السكانية، ويجب مراعاة الاختلافات بين المجموعات السكانية عند إجراء دراسات الارتباط. ^{[ 6 ]}

تتأثر جميع الصفات تقريبًا بالعوامل الوراثية والبيئية. وتُعرف الوراثة بأنها نسبة التباين الظاهري الموروث من أسلافنا. تُستخدم دراسات الارتباط لتحديد التأثير الوراثي على المظهر الظاهري . وعلى الرغم من أنها تُستخدم في الغالب لربط الأمراض بالمناطق الجينومية، إلا أنه يمكن استخدامها أيضًا لرسم خريطة وراثية لأي نمط ظاهري، مثل الطول ولون العينين، وما إلى ذلك.

تستخدم دراسات الارتباط على مستوى الجينوم (GWAS) تعدد أشكال النوكليوتيدات المفردة (SNP) لتحديد الارتباطات الجينية بالحالات السريرية والصفات الظاهرية. ^{[ 8 ]} وهي دراسات لا تعتمد على فرضيات مسبقة، وتستخدم منهجًا شاملًا للجينوم لدراسة الصفات من خلال مقارنة مجموعة كبيرة من الأفراد الذين يُظهرون نمطًا ظاهريًا معينًا مع مجموعة كبيرة من الأفراد الذين لا يُظهرونه. والهدف النهائي من دراسات الارتباط على مستوى الجينوم هو تحديد عوامل الخطر الجينية التي يمكن استخدامها للتنبؤ بمن هم أكثر عرضة للإصابة بمرض ما، وما هي الأسس البيولوجية للاستعداد للإصابة بالمرض، وابتكار استراتيجيات جديدة للوقاية والعلاج. ^{[ 1 ]} ينشر المعهد الوطني لأبحاث الجينوم البشري والمعهد الأوروبي للمعلوماتية الحيوية "كتالوج دراسات الارتباط على مستوى الجينوم" ، وهو فهرس لدراسات الارتباط المنشورة على مستوى الجينوم، يُبرز الارتباطات ذات الدلالة الإحصائية بين مئات من تعدد أشكال النوكليوتيدات المفردة ومجموعة واسعة من الأنماط الظاهرية. ^{[ 9 ]}

نظراً للعدد الهائل من المتغيرات الجينية المحتملة (أكثر من 149 مليون متغير حتى يونيو 2015 ^{[ 10 ] [ 11 ]} )، لا يزال تسلسل جميع هذه المتغيرات مكلفاً للغاية. ولذلك، تستخدم دراسات الارتباط على مستوى الجينوم (GWAS) مصفوفات قابلة للتخصيص (رقائق SNP) لتحديد النمط الجيني لمجموعة فرعية فقط من المتغيرات المُحددة كعلامات SNP. تستخدم معظم دراسات GWAS منتجات منصتي تحديد النمط الجيني الرئيسيتين. تقوم منصة Affymetrix بطباعة مجسات الحمض النووي على رقاقة زجاجية أو سيليكونية تتهجن مع أليلات محددة في عينة الحمض النووي. أما منصة Illumina فتستخدم تقنية الخرز، مع تسلسلات حمض نووي أطول، مما يُنتج دقة أعلى. ^{[ 1 ]} تستطيع كلتا المنصتين تحديد النمط الجيني لأكثر من مليون علامة SNP باستخدام قليل النوكليوتيدات DNA الجاهزة أو المُخصصة .

تعتمد الدراسات الجينومية الشاملة على فرضية المرض الشائع والمتغير الشائع (CD/CV) ، التي تنص على أن الأمراض الشائعة تتأثر بتغيرات جينية شائعة. يجب أن يكون حجم تأثير ( نفاذية ) المتغيرات الشائعة أصغر نسبيًا من تلك الموجودة في الأمراض النادرة. هذا يعني أن النوكليوتيد المفرد الشائع (SNP) لا يُفسر إلا جزءًا صغيرًا من التباين الناتج عن العوامل الوراثية، وأن الأمراض الشائعة تتأثر بأليلات شائعة متعددة ذات تأثير ضئيل. هناك فرضية أخرى مفادها أن الأمراض الشائعة ناتجة عن متغيرات نادرة مرتبطة بشكل غير مباشر بمتغيرات شائعة. في هذه الحالة، تكون الإشارة الناتجة عن دراسات الارتباط على مستوى الجينوم (GWAS) عبارة عن ارتباط غير مباشر (غير مباشر) بين متغير سببي نادر واحد أو أكثر في حالة عدم توازن الارتباط. من المهم إدراك أن هذه الظاهرة ممكنة عند اختيار مجموعة من علامات النوكليوتيد المفرد (SNPs). عندما يُكتشف ارتباط مرض ما بنمط فرداني، فإن بعض النوكليوتيدات المفردة (SNPs) في هذا النمط الفرداني ستكون مرتبطة بشكل غير مباشر بالمرض. لتحديد النوكليوتيدات المفردة (SNPs) السببية بدقة، نحتاج إلى دقة أكبر في اختيار كتل الأنماط الفردانية. نظراً لأن تقنيات تسلسل الجينوم الكامل تتغير بسرعة وتصبح أقل تكلفة، فمن المرجح أن تحل محل تقنيات التنميط الجيني الحالية التي توفر الدقة اللازمة لتحديد المتغيرات المسببة للمرض.

نظرًا لأن تسلسل الجينوم الكامل للأفراد لا يزال مكلفًا للغاية، فقد أُنشئ مشروع هاب ماب الدولي بهدف رسم خريطة للجينوم البشري إلى مجموعات من الأنماط الفردية (كتل الأنماط الفردية) التي تصف الأنماط الشائعة للتنوع الجيني البشري. ومن خلال رسم خريطة الجينوم الكامل إلى الأنماط الفردية، يمكن تحديد علامات تعدد أشكال النوكليوتيدات المفردة (SNPs) لتمثيل كتل الأنماط الفردية التي تُدرس في الدراسات الجينية. ومن العوامل المهمة التي يجب مراعاتها عند التخطيط لدراسة جينية هو تواتر ومخاطر أليلات محددة. يمكن أن تختلف هذه العوامل في مختلف المجموعات السكانية، لذلك استخدم مشروع هاب ماب مجموعة متنوعة من تقنيات التسلسل لاكتشاف وتصنيف تعدد أشكال النوكليوتيدات المفردة من مجموعات سكانية مختلفة. في البداية، قام المشروع بتسلسل أفراد من سكان اليوروبا ذوي الأصل الأفريقي (YRI)، وسكان ولاية يوتا ذوي الأصول الأوروبية الغربية (CEU)، وأفراد غير مرتبطين من طوكيو، اليابان (JPT)، وأفراد صينيين من عرق الهان غير مرتبطين من بكين، الصين (CHB). ومؤخرًا، تم توسيع مجموعات البيانات لتشمل مجموعات سكانية أخرى (11 مجموعة). ^{[ 1 ]}

يُعدّ اختيار علامات SNP ذات المعلوماتية القصوى مسألةً من مسائل NP الكاملة . مع ذلك، يمكن ابتكار خوارزميات لتقديم حل تقريبي ضمن هامش خطأ. ^{[ 12 ]} المعايير اللازمة لتحديد كل خوارزمية لاختيار علامات SNP هي كالتالي:

1. حدد منطقة البحث - ستحاول الخوارزمية تحديد موقع علامات SNPs في الجوار N(t) لعلامة SNP المستهدفة t
2. حدد مقياسًا لتقييم جودة الوسم - يجب أن يقيس هذا المقياس مدى دقة التنبؤ بـ SNP المستهدف t باستخدام مجموعة من جيرانه N(t)، أي مدى قدرة SNP الوسم، كممثل لـ SNPs في الجوار N(t)، على التنبؤ بـ SNP المستهدف t. يمكن تعريفه على أنه احتمال أن يكون لـ SNP المستهدف t قيم مختلفة لأي زوج من الأنماط الفردية i و j حيث تكون قيمة SNP s مختلفة أيضًا لنفس الأنماط الفردية. يمكن تمثيل معلوماتية المقياس باستخدام نظرية الرسم البياني ، حيث يُمثل كل SNP s برسم بياني Gs تكون عقده هي الأنماط الفردية. يحتوي Gs على حافة بين العقدتين (i,j) إذا وفقط إذا كانت قيم s مختلفة للأنماط الفردية Hi و Hj. ^{[ 12 ]}
3. اشتق الخوارزمية لإيجاد المتغيرات النوكليوتيدية المفردة التمثيلية - هدف الخوارزمية هو إيجاد أصغر مجموعة فرعية من المتغيرات النوكليوتيدية المفردة المختارة بأقصى قدر من المعلومات بين كل متغير نوكليوتيدي مفرد من المتغيرات النوكليوتيدية المفردة وكل متغير نوكليوتيدي مفرد مستهدف آخر
4. التحقق من صحة الخوارزمية

تنقسم طرق اختيار الميزات إلى فئتين: طرق التصفية وطرق التغليف. خوارزميات التصفية هي خوارزميات معالجة مسبقة عامة لا تفترض استخدام طريقة تصنيف محددة. أما خوارزميات التغليف، على النقيض من ذلك، فتُغلّف عملية اختيار الميزات حول مُصنِّف مُحدد، وتختار مجموعة فرعية من الميزات بناءً على دقة المُصنِّف باستخدام التحقق المتبادل. ^{[ 13 ]}

يجب أن تتمتع طريقة اختيار الميزات المناسبة لاختيار علامات SNP بالخصائص التالية:

• قابلية التوسع جيدة لعدد كبير من المتغيرات الجينية أحادية النوكليوتيد (SNPs)؛
• لا يتطلب تصنيفًا صريحًا للفئات ولا ينبغي أن يفترض استخدام مصنف معين لأن التصنيف ليس هو الهدف من تحديد علامات SNP؛
• السماح للمستخدم بتحديد أعداد مختلفة من علامات SNPs لمستويات مختلفة من فقدان المعلومات المسموح به؛
• تتمتع بأداء مماثل للطرق الأخرى التي تستوفي الشروط الثلاثة الأولى.

طُرحت عدة خوارزميات لاختيار علامات SNP. اعتمد النهج الأول على مقياس جودة مجموعات SNP، وبحث عن مجموعات فرعية صغيرة الحجم ولكنها تحقق قيمة عالية للمقياس المحدد. يُعد فحص كل مجموعة فرعية من SNP للعثور على مجموعات جيدة أمرًا ممكنًا حسابيًا فقط مع مجموعات البيانات الصغيرة.

يستخدم نهج آخر تحليل المكونات الرئيسية (PCA) لإيجاد مجموعات فرعية من المتغيرات النوكليوتيدية المفردة (SNPs) التي تستوعب غالبية تباين البيانات. وتُستخدم طريقة النوافذ المنزلقة لتطبيق تحليل المكونات الرئيسية بشكل متكرر على مناطق كروموسومية قصيرة. هذا يقلل من حجم البيانات الناتجة، كما أنه لا يتطلب وقتًا طويلًا للبحث. مع ذلك، لا يُعد تطبيق طريقة تحليل المكونات الرئيسية على مجموعات البيانات الكروموسومية الكبيرة أمرًا عمليًا نظرًا لتعقيدها الحسابي. ^{[ 13 ]}

تعتمد الطريقة الأكثر شيوعًا، وهي طريقة الكتل، على مبدأ عدم التوازن الارتباطي الملاحظ داخل كتل النمط الفرداني. ^{[ 12 ]} وقد طُوّرت عدة خوارزميات لتقسيم المناطق الكروموسومية إلى كتل نمط فرداني، استنادًا إلى تنوع النمط الفرداني ، وعدم التوازن الارتباطي، واختبار الأمشاج الأربعة ، وتعقيد المعلومات ، ويتم اختيار علامات SNP من بين جميع علامات SNP التي تنتمي إلى تلك الكتلة. والافتراض الرئيسي في هذه الخوارزمية هو أن علامات SNP ثنائية الأليل . ^{[ 14 ]} أما العيب الرئيسي فهو أن تعريف الكتل ليس دائمًا واضحًا. فعلى الرغم من وجود قائمة بمعايير تكوين كتل النمط الفرداني، إلا أنه لا يوجد إجماع عليها. كما أن اختيار علامات SNP بناءً على الارتباطات المحلية يتجاهل الارتباطات بين الكتل. ^{[ 12 ]}

على عكس النهج القائم على الكتل، لا يعتمد النهج غير القائم على الكتل على بنية الكتل. من المعروف أن ترددات تعدد أشكال النوكليوتيدات المفردة (SNPs) ومعدلات إعادة التركيب تتفاوت عبر الجينوم، وقد أشارت بعض الدراسات إلى مسافات عدم التوازن الارتباطي (LD) أطول بكثير من أحجام الكتل القصوى المُبلغ عنها. لا يُفضل وضع حدود صارمة للجوار، ولذلك يبحث النهج غير القائم على الكتل عن تعدد أشكال النوكليوتيدات المفردة (SNPs) الوسمية على مستوى الجينوم. توجد عدة خوارزميات لتنفيذ ذلك. في إحدى الخوارزميات، تُمثل تعدد أشكال النوكليوتيدات المفردة (SNPs) غير الوسمية كدوال منطقية لتعدد أشكال النوكليوتيدات المفردة (SNPs) الوسمية، وتُستخدم تقنيات نظرية المجموعات لتقليل مساحة البحث. تبحث خوارزمية أخرى عن مجموعات فرعية من العلامات التي يمكن أن تأتي من كتل غير متتالية. وبسبب جوار العلامات، يتم تقليل مساحة البحث. ^{[ 13 ]}

مع تزايد عدد الأفراد الذين خضعوا للتحليل الجيني وعدد المتغيرات النوكليوتيدية المفردة (SNPs) في قواعد البيانات، تستغرق عملية اختيار المتغيرات النوكليوتيدية المفردة المميزة وقتًا طويلاً. ولتحسين كفاءة هذه الطريقة، تتجاهل الخوارزمية أولًا المتغيرات النوكليوتيدية المفردة ثنائية الأليل، ثم تضغط طول مصفوفة النمط الفرداني (عدد المتغيرات النوكليوتيدية المفردة) بتجميع مواقع المتغيرات النوكليوتيدية المفردة التي تحمل نفس المعلومات. تُسمى مواقع المتغيرات النوكليوتيدية المفردة التي تقسم الأنماط الفردانية إلى نفس المجموعة بالمواقع المتكررة. أما مواقع المتغيرات النوكليوتيدية المفردة التي تحتوي على معلومات مميزة ضمن كتلة واحدة فتُسمى بالمواقع غير المتكررة. ولزيادة ضغط مصفوفة النمط الفرداني، تحتاج الخوارزمية إلى إيجاد المتغيرات النوكليوتيدية المفردة المميزة التي تُمكّن من تمييز جميع الأنماط الفردانية في المصفوفة. وباستخدام فكرة التقسيم المشترك، تم توفير خوارزمية فعالة لاختيار المتغيرات النوكليوتيدية المفردة المميزة. ^{[ 14 ]}

بحسب طريقة اختيار علامات SNP، استُخدمت طرق تنبؤ مختلفة خلال عملية التحقق المتبادل. استُخدمت طريقة التعلّم الآلي للتنبؤ بالنمط الفرداني المُستبعد. وتنبأ نهج آخر بأليلات SNP غير مُعلِّم n من علامات SNP التي لها أعلى معامل ارتباط مع n. إذا وُجد SNP مُعلِّم واحد ذو ارتباط عالٍ t، تُعيَّن الأليلات بحيث تتوافق تردداتها مع ترددات أليلات t. عندما يكون لعدة علامات SNP معامل ارتباط (عالي) نفسه مع n، يكون للأليل المشترك مع n الأفضلية. من السهل ملاحظة أن طريقة التنبؤ في هذه الحالة تتوافق جيدًا مع طريقة الاختيار، التي تستخدم تحليل المكونات الرئيسية (PCA) على مصفوفة معاملات الارتباط بين SNPs. ^{[ 13 ]}

توجد طرق أخرى لتقييم دقة طريقة اختيار علامات SNP. يمكن تقييم الدقة باستخدام مقياس الجودة R²، وهو مقياس الارتباط بين العدد الحقيقي لنسخ النمط الفرداني المحدد على المجموعة الكاملة من علامات SNP والعدد المتوقع لنسخ النمط الفرداني عندما يعتمد التوقع على مجموعة فرعية من علامات SNP. يفترض هذا المقياس بيانات ثنائية الصيغة الصبغية واستدلالًا صريحًا للأنماط الفردانية من الأنماط الجينية. ^{[ 13 ]}

تعتمد طريقة تقييم أخرى، من ابتكار كلايتون، على قياس تنوع الأنماط الفردية. يُعرَّف التنوع بأنه إجمالي عدد الاختلافات في جميع المقارنات الثنائية بين الأنماط الفردية. ويُحسب الفرق بين زوج من الأنماط الفردية بجمع الاختلافات في جميع المتغيرات النوكليوتيدية المفردة (SNPs). يُمكن استخدام مقياس تنوع كلايتون لتحديد مدى قدرة مجموعة من المتغيرات النوكليوتيدية المفردة (SNPs) على التمييز بين الأنماط الفردية المختلفة. يُناسب هذا المقياس فقط مجموعات الأنماط الفردية ذات التنوع المحدود، وليس من الواضح كيفية استخدامه مع مجموعات البيانات الكبيرة التي تتكون من مجموعات أنماط فردية متعددة. ^{[ 13 ]}

تقيّم بعض الدراسات الحديثة خوارزميات اختيار علامات SNP بناءً على مدى كفاءة استخدام علامات SNP في التنبؤ بعلامات SNP غير المُعلِّمة. تُحدَّد دقة التنبؤ باستخدام التحقق المتبادل، مثل التحقق المتبادل بحذف عنصر واحد أو التحقق المتبادل بحفظ عنصر واحد. في التحقق المتبادل بحذف عنصر واحد، تُطبَّق الخوارزمية على بقية مجموعة البيانات لكل تسلسل في المجموعة لاختيار الحد الأدنى من علامات SNP المُعلِّمة. ^{[ 13 ]}

Tagger أداة ويب متاحة لتقييم واختيار علامات SNPs من البيانات الجينية، مثل مشروع HapMap الدولي. تستخدم الأداة أساليب المقارنة الثنائية ونهج النمط الفرداني متعدد العلامات. يمكن للمستخدمين تحميل بيانات النمط الجيني من HapMap أو بيانات النسب، وسيتم حساب أنماط عدم التوازن الارتباطي. تتيح خيارات Tagger للمستخدم تحديد معالم كروموسومية، تشير إلى مناطق مهمة في الجينوم لاختيار علامات SNPs. ثم يُنتج البرنامج قائمة بعلامات SNPs وقيم اختباراتها الإحصائية، بالإضافة إلى تقرير التغطية. طُوِّرت الأداة بواسطة بول دي باكر في مختبرات ديفيد ألتشولر ومارك دالي في مركز أبحاث علم الوراثة البشرية التابع لمستشفى ماساتشوستس العام وكلية الطب بجامعة هارفارد ، في معهد برود . ^{[ 15 ]}

يحتوي برنامجا CLUSTAG وWCLUSTAG المجانيان على خوارزميات تجميع وتغطية مجموعات للحصول على مجموعة من علامات SNPs التي تمثل جميع علامات SNPs المعروفة في منطقة كروموسومية. تم تطوير البرنامجين باستخدام لغة جافا، ويمكن تشغيلهما على نظامي التشغيل ويندوز ويونكس. وقد طُوِّرا بواسطة سيو-آيونغ آو وآخرون في جامعة هونغ كونغ. ^{[ 16 ] [ 17 ]}