Gene ontology چیست و چرا اکثر مقالات بیوانفورماتیک از آن استفاده می‌کنند؟

Gene ontology یا به‌اختصار GO یکی از ابزارهای بسیار مهم برای توصیف ویژگی‌های ژن‌ها و پروتئین‌هاست. این ابزار کمک می‌کند زبان مشترکی برای توضیح عملکرد ژن‌ها در موجودات مختلف داشته باشیم. در سال‌های اخیر، حجم داده‌های ژنومی به‌طور چشم‌گیری افزایش یافته است. پژوهشگران برای درک بهتر این داده‌ها نیاز به روش‌هایی دارند که ساده، استاندارد و قابل اعتماد باشد. Gene ontology دقیقا برای پاسخ به همین نیاز توسعه یافته و به همین دلیل جایگاه مهمی در علوم زیستی پیدا کرده است. در ادامه این مقاله، با آشنایی با Gene ontology و کاربردهای آن، می‌توانید درک روشن‌تری از اینکه چرا اکثر مقالات بیوانفورماتیک به آن استناد می‌کنند پیدا کنید.

Gene ontology چیست؟

Gene ontology یک چارچوب استاندارد برای توصیف ویژگی‌ها و نقش‌ ژن‌ها در سلول است. می‌توان گفت GO مجموعه‌ای از واژه‌ها و دسته‌بندی‌های علمی است که به پژوهشگران کمک می‌کند عملکرد ژن‌ها را به شکلی منظم و قابل مقایسه توصیف کنند. در زیست‌شناسی مولکولی، ژن‌ها معمولا در فرآیندهای بسیار پیچیده‌ای شرکت دارند و توصیف این نقش‌ها با زبان‌های مختلف یا اصطلاحات متفاوت می‌تواند باعث سردرگمی شود. Gene ontology تلاش می‌کند این مشکل را با ایجاد یک واژگان مشترک حل کند. در این سیستم، هر مفهوم زیستی با یک اصطلاح مشخص تعریف می‌شود و همان اصطلاح در مطالعات مختلف مورد استفاده قرار می‌گیرد. به همین دلیل، پژوهشگران در سراسر جهان می‌توانند نتایج تحقیقات خود را با دقت بیشتری با یکدیگر مقایسه کنند.

ایده ایجاد Gene ontology در اواخر دهه ۱۹۹۰ شکل گرفت، زمانی که پروژه‌های تعیین توالی ژنوم در حال تولید حجم زیادی از داده‌های ژنتیکی بودند. در آن زمان مشخص شد که بدون یک سیستم استاندارد برای توصیف عملکرد ژن‌ها، مقایسه داده‌ها بین پایگاه‌های اطلاعاتی و مقالات علمی بسیار دشوار خواهد بود. به همین دلیل چند پایگاه داده زیستی مهم با همکاری یکدیگر پروژه Gene Ontology Consortium را ایجاد کردند. هدف این پروژه توسعه مجموعه‌ای از اصطلاحات استاندارد بود که بتواند جنبه‌های مختلف فعالیت ژن‌ها را توصیف کند. این اصطلاحات به‌صورت ساختاریافته در یک پایگاه داده سازمان‌دهی شده‌اند و به طور مداوم توسط پژوهشگران به‌روزرسانی می‌شوند. امروزه Gene ontology به یکی از منابع پایه در زیست‌محاسبات تبدیل شده است و در بسیاری از تحلیل‌های ژنومی و پروتئومی مورد استفاده قرار می‌گیرد. به همین دلیل، درک اینکه Gene ontology چیست و چگونه کار می‌کند برای دانشجویان علوم زیستی و پژوهشگران بیوانفورماتیک اهمیت زیادی دارد.

Gene ontology چگونه ژن‌ها را طبقه‌بندی می‌کند؟

Gene ontology برای توصیف نقش ژن‌ها از یک ساختار طبقه‌بندی‌شده استفاده می‌کند. در این ساختار، هر ژن می‌تواند با چندین اصطلاح GO مرتبط شود، زیرا یک ژن معمولا در بیش از یک فعالیت یا فرآیند زیستی نقش دارد. این ویژگی باعث می‌شود توصیف عملکرد ژن‌ها دقیق‌تر و کامل‌تر انجام شود.

در Gene ontology اصطلاحات به شکل یک شبکه سلسله‌مراتبی سازمان‌دهی شده‌اند. مفاهیم کلی در سطح بالاتر قرار دارند و مفاهیم دقیق‌تر به‌عنوان زیرمجموعه آن‌ها تعریف می‌شوند. این ساختار به پژوهشگران کمک می‌کند رابطه بین مفاهیم زیستی مختلف را بهتر درک کنند. برای مثال، یک فرآیند پیچیده سلولی ممکن است شامل چندین فرایند کوچک‌تر باشد که هرکدام به‌صورت جداگانه در Gene ontology تعریف شده‌اند.

به طور کلی Gene ontology ژن‌ها را در سه دسته اصلی توصیف می‌کند. این سه دسته جنبه‌های مختلف فعالیت ژن را نشان می‌دهند و در بسیاری از تحلیل‌های بیوانفورماتیکی مورد استفاده قرار می‌گیرند:

• Biological Process
• Molecular Function
• Cellular Component

هر یک از این سه دسته نوع متفاوتی از اطلاعات زیستی را توصیف می‌کند که در ادامه با آن‌ها آشنا می‌شویم.

Biological Process

Biological Process به مجموعه‌ای از رویدادهای زیستی اشاره دارد که برای انجام یک وظیفه مشخص در سلول یا موجود زنده رخ می‌دهند. این فرآیندها معمولا شامل چندین مرحله و فعالیت مولکولی مختلف هستند. در Gene ontology از این دسته برای توصیف این استفاده می‌شود که یک ژن در کدام فرآیند زیستی نقش دارد.

برای مثال، فرآیندهایی مانند تقسیم سلولی، پاسخ به استرس، متابولیسم گلوکز یا ترمیم DNA همگی نمونه‌هایی از Biological Process هستند. یک ژن ممکن است در بیش از یک فرآیند زیستی شرکت کند. به همین دلیل در پایگاه داده GO ممکن است چندین اصطلاح مربوط به Biological Process به یک ژن نسبت داده شود. این اطلاعات به پژوهشگران کمک می‌کند بفهمند یک ژن در چه مسیرهای زیستی نقش دارد.

نمونه‌ای از Biological Process انجام شده با Enrichr

Molecular Function

Molecular Function به فعالیت مولکولی مستقیمی اشاره دارد که یک ژن یا پروتئین انجام می‌دهد. به بیان ساده، این بخش توضیح می‌دهد که محصول یک ژن دقیقا چه کاری در سطح مولکولی انجام می‌دهد. این فعالیت‌ها معمولا در مقیاس بسیار کوچک و در سطح مولکول‌ها رخ می‌دهند.

به عنوان مثال، اتصال به DNA، فعالیت آنزیمی، انتقال یون‌ها یا اتصال به یک مولکول خاص می‌تواند به‌عنوان Molecular Function در نظر گرفته شود. بسیاری از پروتئین‌ها دارای فعالیت آنزیمی هستند و واکنش‌های شیمیایی خاصی را در سلول کاتالیز می‌کنند. در Gene ontology این نوع فعالیت‌ها با اصطلاحات دقیق مشخص می‌شوند تا نقش مولکولی هر ژن بهتر توصیف شود.

نمونه‌ای از Molecular Function انجام شده با Enrichr

Cellular Component

Cellular Component به محل یا ساختار سلولی اشاره دارد که محصول ژن در آن قرار دارد یا در آن فعالیت می‌کند. در واقع این بخش پاسخ می‌دهد که یک پروتئین در کدام قسمت از سلول حضور دارد. دانستن محل فعالیت یک پروتئین برای درک نقش آن در سلول بسیار مهم است.

به عنوان مثال، اصطلاحاتی مانند هسته سلول، میتوکندری، غشای سلولی یا ریبوزوم در این دسته قرار می‌گیرند. اگر پروتئینی در میتوکندری فعالیت داشته باشد، این اطلاعات در قالب اصطلاحات Cellular Component در Gene ontology ثبت می‌شود. ترکیب اطلاعات مربوط به محل سلولی، فعالیت مولکولی و فرآیند زیستی به پژوهشگران کمک می‌کند تصویر کامل‌تری از عملکرد ژن‌ها به دست آورند.

نمونه‌ای از Cellular Component انجام شده با Enrichr

چرا اکثر مقالات بیوانفورماتیک از Gene ontology استفاده می‌کنند؟

در بسیاری از مطالعات بیوانفورماتیک، پژوهشگران با مجموعه بزرگی از ژن‌ها سروکار دارند (به خصوص مطالعات آنالیز اُمیکس و سیستم‌بیولوژی). برای مثال در آزمایش‌هایی مانند RNA‑seq یا میکروآرایه، ممکن است صدها یا حتی هزاران ژن به‌عنوان ژن‌های فعال یا متفاوت بیان‌شده شناسایی شوند. بررسی تک‌تک این ژن‌ها به‌صورت جداگانه معمولا زمان‌بر است و تصویر کلی از داده‌ها ارائه نمی‌دهد. در چنین شرایطی Gene ontology به پژوهشگران کمک می‌کند این مجموعه بزرگ از ژن‌ها را به شکل معنی‌داری تفسیر کنند.

یکی از کاربردهای مهم Gene ontology در تحلیل‌های موسوم به GO enrichment است. در این نوع تحلیل، پژوهشگران بررسی می‌کنند که آیا برخی از فرآیندهای زیستی یا فعالیت‌های مولکولی در مجموعه ژن‌های مورد مطالعه بیش از حد انتظار دیده می‌شوند یا نه. اگر تعداد زیادی از ژن‌های یک آزمایش در یک فرایند زیستی خاص نقش داشته باشند، این می‌تواند نشان دهد که آن فرآیند در شرایط مورد مطالعه اهمیت ویژه‌ای دارد. به همین دلیل GO enrichment به یکی از مراحل رایج در تحلیل داده‌های ژنومی تبدیل شده است.

استفاده از Gene ontology چند مزیت مهم برای پژوهشگران دارد:

• ایجاد یک زبان استاندارد برای توصیف عملکرد ژن‌ها
• امکان مقایسه نتایج بین مطالعات و گونه‌های مختلف
• کمک به تفسیر مجموعه‌های بزرگ داده ژنی
• اتصال داده‌های آزمایشگاهی به مفاهیم زیستی قابل فهم

به دلیل همین مزایا، Gene ontology در بسیاری از پایگاه‌های داده زیستی و نرم‌افزارهای بیوانفورماتیک ادغام شده است (مانند DAVID و Enrichr). ابزارهایی که برای تحلیل داده‌های ژنی استفاده می‌شوند معمولا امکان انجام تحلیل‌های مبتنی بر GO را فراهم می‌کنند. به همین دلیل در بخش روش‌ها یا نتایج بسیاری از مقالات بیوانفورماتیک اشاره‌ای به Gene ontology دیده می‌شود.

یک مثال ساده از استفاده از Gene ontology در تحلیل داده‌های ژنی

برای درک بهتر اینکه Gene ontology چیست و چگونه در عمل استفاده می‌شود، یک مثال ساده می‌تواند مفید باشد. فرض کنید پژوهشگری در حال مطالعه یک بیماری مانند سرطان است و با استفاده از آزمایش RNA‑seq مجموعه‌ای از ژن‌ها را شناسایی کرده که در بیماران نسبت به افراد سالم بیان بیشتری دارند. در چنین شرایطی پژوهشگر با فهرستی از ده‌ها یا صدها ژن مواجه است و سوال اصلی این است که این ژن‌ها چه معنای زیستی مشترکی دارند.

در این مرحله می‌توان از Gene ontology استفاده کرد. ابتدا فهرست ژن‌های به‌دست‌آمده وارد یک ابزار تحلیل GO می‌شود (مانند Enrichr). این ابزار بررسی می‌کند که هر یک از این ژن‌ها با کدام اصطلاحات Gene ontology مرتبط هستند. سپس با استفاده از روش‌های آماری مشخص می‌شود که کدام فرآیندهای زیستی یا فعالیت‌های مولکولی در این مجموعه ژن‌ها بیشتر از حد انتظار دیده می‌شوند.

برای مثال ممکن است نتیجه تحلیل نشان دهد که تعداد زیادی از ژن‌های شناسایی‌شده در فرآیندهایی مانند پاسخ ایمنی، التهاب یا تنظیم چرخه سلولی نقش دارند. این نتیجه به پژوهشگر کمک می‌کند بفهمد که بیماری مورد مطالعه احتمالا با این مسیرهای زیستی ارتباط دارد. در نتیجه، به‌جای بررسی جداگانه هر ژن، پژوهشگر می‌تواند روی چند مسیر زیستی مهم تمرکز کند.

چنین تحلیلی معمولا در قالب نمودارها یا فهرستی از اصطلاحات GO ارائه می‌شود که اهمیت آماری آن‌ها نیز گزارش شده است. این اطلاعات به پژوهشگران کمک می‌کند داده‌های ژنی را در چارچوب فرآیندهای زیستی قابل فهم تفسیر کنند. به همین دلیل استفاده از Gene ontology به یک مرحله رایج در بسیاری از تحلیل‌های ژنومی و بیوانفورماتیکی تبدیل شده است.

محدودیت‌ها و نکاتی که باید درباره Gene ontology بدانیم

با وجود کاربرد گسترده Gene ontology در بیوانفورماتیک، باید توجه داشت که این سیستم نیز محدودیت‌هایی دارد. Gene ontology ابزاری برای توصیف و سازمان‌دهی دانش زیستی است، اما این دانش همیشه کامل یا قطعی نیست. اطلاعات مربوط به بسیاری از ژن‌ها هنوز به‌طور کامل شناخته نشده است و در نتیجه برخی از آن‌ها در پایگاه‌های GO توضیح محدودی دارند.

یکی از نکات مهم این است که ارتباط یک ژن با یک اصطلاح GO معمولا بر اساس شواهد علمی ثبت می‌شود. این شواهد می‌تواند از آزمایش‌های مستقیم، تحلیل‌های محاسباتی یا شباهت با ژن‌های شناخته‌شده به دست آمده باشد. بنابراین سطح اطمینان این ارتباط‌ها ممکن است متفاوت باشد. در تحلیل‌های علمی معمولا نوع شواهد نیز بررسی می‌شود تا نتایج دقیق‌تر تفسیر شوند.

نکته دیگر این است که Gene ontology همیشه تمام جنبه‌های عملکرد یک ژن را پوشش نمی‌دهد. بسیاری از ژن‌ها در شرایط مختلف سلولی رفتار متفاوتی دارند و ممکن است در چندین مسیر زیستی نقش ایفا کنند. به همین دلیل توصیف GO تنها بخشی از تصویر کامل عملکرد ژن را نشان می‌دهد و باید در کنار سایر اطلاعات زیستی تفسیر شود.

همچنین در تحلیل‌های GO enrichment ممکن است نتایج به نحوه انتخاب داده‌ها و روش‌های آماری وابسته باشند. اگر مجموعه ژن‌های ورودی کوچک باشد یا داده‌ها به‌درستی فیلتر نشده باشند، نتایج ممکن است تفسیر دقیق زیستی نداشته باشند. به همین دلیل پژوهشگران معمولا نتایج Gene ontology را همراه با سایر تحلیل‌ها بررسی می‌کنند.

جمع‌بندی

Gene ontology یک ابزار استاندارد و قدرتمند برای توصیف نقش ژن‌ها و پروتئین‌ها در سلول است. این سیستم به پژوهشگران کمک می‌کند زبان مشترکی برای توضیح فعالیت‌های ژنی داشته باشند و بتوانند داده‌های ژنومی را به شکل منظم تحلیل کنند. سه دسته اصلی Gene ontology یعنی Biological Process، Molecular Function و Cellular Component ابعاد مختلف عملکرد ژن را توضیح می‌دهند و به همین دلیل در بسیاری از تحلیل‌های ژنتیکی و بیوانفورماتیکی استفاده می‌شوند. بسیاری از مقالات بیوانفورماتیک به Gene ontology استناد می‌کنند، زیرا این ابزار امکان درک بهتر مجموعه‌های بزرگ داده ژنی را فراهم می‌کند. تحلیل‌هایی مانند GO enrichment به پژوهشگران کمک می‌کند مسیرهای زیستی مهم را شناسایی کنند و داده‌ها را در چارچوبی قابل فهم قرار دهند. البته مانند هر ابزار علمی، Gene ontology نیز محدودیت‌هایی دارد و باید نتایج آن با دقت و همراه با سایر اطلاعات زیستی تفسیر شود. به منظور آشنایی عملی با این تکنیک، می‌توانید از دوره جامع سیستم بیولوژی استفاده نمایید. در این آموزش و در بخش enrichment analysis، موضوعات مرتبط با GO، پوشش داده شده‌اند.