ปัญญาประดิษฐ์เปิดรหัสสวิตช์ยีน ซ่อนความเสี่ยงโรคก่อนอาการจะมาเยือน

สวิตช์ยีนที่ถูก AI เปิดโปง คืออะไร และสำคัญอย่างไรต่อโรคร้าย

สวิตช์ยีนและโรค คือแนวคิดที่อธิบายว่าลำดับดีเอ็นเอและสัญญาณเอพิเจเนติกบางตำแหน่งทำหน้าที่เหมือนสวิตช์ เปิดหรือปิดการทำงานของยีน เมื่อสวิตช์เหล่านี้ทำงานตรงจังหวะ เซลล์จะสร้างโปรตีน ฮอร์โมน และเอนไซม์ได้สมดุล แต่เมื่อสวิตช์เปิดหรือปิดผิดที่ผิดเวลา จะเกิดการรบกวนการแสดงออกของยีน นำไปสู่ความผิดปกติ เช่น ดีเอ็นเอและมะเร็ง รวมถึงโรคสมองเสื่อม การทำนายโรคพันธุกรรมยุคใหม่จึงต้องไม่มองแค่ยีนเสีย แต่ต้องอ่านสวิตช์ที่ควบคุมการติดเครื่องของยีนด้วย

วันนี้ภาพใหญ่ชัดขึ้นเพราะปัญญาประดิษฐ์และพันธุศาสตร์เริ่มทำสิ่งที่มนุษย์ทำเองแทบไม่ไหว นั่นคือการอ่านลำดับดีเอ็นเอระดับฐานทีละตัวแล้วจับรูปแบบที่ซ่อนอยู่ นักวิจัยในห้องทดลองของ James T Kadonaga มุ่งเป้าไปที่องค์ประกอบดีเอ็นเอสำคัญชื่อว่า initiator ซึ่งเป็นจุดเริ่มต้นการแปลงข้อมูลในยีนให้กลายเป็นผลิตภัณฑ์ที่ใช้งานได้ของเซลล์ เมื่อการเปิดปิดยีนขั้นพื้นฐานแบบนี้ผิดเพี้ยน เซลล์ไม่เพียงแค่ทำงานผิด แต่ยังอาจกลายเป็นจุดตั้งต้นของเซลล์มะเร็งและความเสื่อมในระบบประสาท

AI ถอดรหัสสวิตช์ initiator จาก 500,000 ลำดับดีเอ็นเอ พลิกเกมอ่านความเสี่ยงมะเร็ง

สิ่งที่น่าจับตามากที่สุดคือการที่ AI สามารถแตกสัญญาณของสวิตช์ initiator ผ่านการวิเคราะห์ลำดับดีเอ็นเอกว่า 500,000 เวอร์ชันที่ถูกสร้างและวัดกิจกรรมการแสดงออกของยีนด้วยเทคโนโลยีซีเควนซิ่งความเร็วสูง ผลลัพธ์ไม่ใช่แค่กราฟสวย แต่เป็นแบบจำลองแมชชีนเลิร์นนิงที่มองออกว่าลำดับฐานแบบไหนคือรหัสของ initiator แบบจำลองนี้เมื่อถูกนำไปสแกนทั่วจีโนมมนุษย์ พบว่าประมาณ 60 เปอร์เซ็นต์ของยีนมนุษย์มี initiator ฝังอยู่ในโครงสร้าง นี่คือคำพูดที่สะเทือนวงการ เพราะมันชี้ว่ากฎการติดเครื่องของยีนถูกครอบงำด้วยองค์ประกอบตัวนี้

ความสำคัญเชิงปฏิบัติคือ นักวิจัยเริ่มทำนายได้แล้วว่าการกลายพันธุ์ที่กระทบ initiator จะเปลี่ยนระดับการแสดงออกของยีนอย่างไร และจะเชื่อมโยงไปสู่โรคแบบไหน ตั้งแต่ดีเอ็นเอและมะเร็งไปจนถึงความผิดปกติของการเจริญเติบโต นอกจากการทำนายโรคพันธุกรรมแล้ว ข้อมูลและโมเดล AI จากงานนี้ยังถูกมองว่าเป็นฐานในการออกแบบโปรโมเตอร์สังเคราะห์ เพื่อสร้างสวิตช์ยีนควบคุมการเปิดปิดยีนในเซลล์เฉพาะทางได้แม่นขึ้น การบำบัดยีนและการแพทย์แม่นยำจึงมีโอกาสใช้สวิตช์ที่ออกแบบตามรหัสที่ AI แปลออกมา

อ่านรอยพิมพ์เอพิเจเนติกด้วยแมชชีนเลิร์นนิง เปิดแพทเทิร์นดีเอ็นเอและมะเร็งที่เคยมองไม่เห็น

แม้ลำดับดีเอ็นเอจะเป็นเหมือนข้อความต้นฉบับ แต่รอยพิมพ์เอพิเจเนติกคือการใส่โน้ตข้างใต้ที่บอกว่าข้อความไหนควรอ่าน ข้อความไหนควรเงียบ หนึ่งในโน้ตสำคัญคือการติดหมู่เมทิลกับดีเอ็นเอ ซึ่งคัดกรองว่ายีนใดเปิดหรือปิด มุมนี้เชื่อมโยงโดยตรงกับดีเอ็นเอและมะเร็ง เพราะการเปลี่ยนแปลงเมทิลเลชั่นที่ผิดปกติทำให้ยีนกดการแบ่งเซลล์ถูกปิดและยีนส่งเสริมมะเร็งถูกเปิด เอพิเจเนติกยังมีบทบาทกับการเสื่อมของสมองและการชราทั่วร่างกาย ทำให้การทำนายโรคพันธุกรรมไม่อาจมองเฉพาะตัวหนังสือบนสายดีเอ็นเอ แต่ต้องอ่านรอยเมทิลควบคู่ไปด้วย

ปัญหาคือ ชุดข้อมูลทางคลินิกจำนวนมากไม่มีการแบ่งกลุ่มชัดเจนว่าเป็นตัวอย่างจากเนื้อเยื่อสุขภาพดีหรือเนื้อเยื่อโรค นักวิจัยจากเบอร์ลิน พอทสดัม และเยนา จึงพัฒนาเครื่องมือแมชชีนเลิร์นนิงชื่อ metilene 3 เพื่อวิเคราะห์เอพิเจโนมและหาบริเวณดีเอ็นเอที่มีเมทิลเลชั่นต่างกันอย่างมีนัยสำคัญ โดยไม่ต้องมีป้ายกำกับกลุ่มตัวอย่าง ซอฟต์แวร์นี้สามารถจัดกลุ่มตัวอย่างอัตโนมัติตามสัญญาณเมทิลเลชั่น แสดงความคล้ายและความต่างเชิงเอพิเจเนติก เปิดเผยชนิดเซลล์หรือชนิดโรคย่อยที่ไม่เคยถูกจำแนกมาก่อน การทดสอบกับเซลล์เลือด มะเร็งตับอ่อน และเนื้องอกสมอง แสดงให้เห็นทั้งความสัมพันธ์ที่รู้มาก่อนและกระบวนการควบคุมใหม่ที่ไม่เคยถูกบันทึก เปิดทางสู่ตัวบ่งชี้ชีวภาพใหม่สำหรับการวินิจฉัยและวิจัย

ทำไมต้องอ่านจีโนมมนุษย์โดยตรง ความลับของ Alu และโรคสมองเสื่อม

งานวิจัยสมองเสื่อมจำนวนมากใช้สัตว์ทดลองอย่างหนูเป็นตัวแบบ แต่ข้อเท็จจริงที่หลีกเลี่ยงไม่ได้คือจีโนมของสัตว์ทดลองเหล่านี้ไม่เหมือนจีโนมมนุษย์ และบางกลไกโรคจึงอาจถูกมองข้ามไปโดยสิ้นเชิง ตัวอย่างที่ชัดมากคือ Alu ซึ่งเป็นลำดับดีเอ็นเอสั้นที่พบเฉพาะในสัตว์จำพวกไพรเมต เช่น มนุษย์และลิง Alu กินพื้นที่ราว 10 เปอร์เซ็นต์ของจีโนมมนุษย์ เมื่อเกิดการจัดเรียงใหม่ผิดปกติระหว่าง Alu สองตำแหน่ง ลำดับดีเอ็นเอระหว่างกลางอาจถูกลบทิ้ง การไม่มี Alu ในหนูทำให้เราแทบไม่มีทางเห็นผลของความเสียหายแบบนี้ในแบบจำลองสัตว์

ทีมนักวิจัยที่นำโดย Mi Ok Lee และ Mi Young Son จึงหันมาใช้ออร์แกนอยด์สมองที่สร้างจากสเต็มเซลล์มนุษย์ เพื่อจำลองการลบยีนด้วย Alu ในมนุษย์โดยตรง พวกเขาโฟกัสที่ยีน SPAST ซึ่งเมื่อถูกลบส่วน exon 17 จะสร้างการเชื่อมยีนผิดปกติกับยีนข้างเคียง SLC30A6 จนเกิดทรานสคริปต์ฟิวชัน ผลคือระดับโปรตีนขนส่งสังกะสี ZnT6 ลดลงครึ่งหนึ่ง เกิดการสะสมสังกะสีผิดที่ การแตกตัวของโกล์จิ และความผิดปกติของเซลล์ประสาทแบบเสื่อม รวมถึงการกองของอะไมลอยด์เบต้าเพิ่มขึ้นราวสิบเท่าและเซลล์ประสาทที่เข้าสู่กระบวนการตายเพิ่มขึ้นประมาณสี่เท่าเมื่อเทียบกับตัวอย่างควบคุม ภาพทั้งหมดนี้แทบเป็นไปไม่ได้ที่จะเห็นจากหนูที่ไม่มีองค์ประกอบ Alu เลย

จากการอ่านรหัสสวิตช์ยีน สู่ยุคใหม่ของการทำนายโรคพันธุกรรมและการดูแลเชิงรุก

เมื่อเชื่อมงานเหล่านี้เข้าด้วยกัน จะเห็นทิศทางชัดเจนว่าอนาคตการทำนายโรคพันธุกรรมจะย้ายจากการมองหายีนที่ถูกทำลายเฉพาะตัว ไปสู่การอ่านสวิตช์ยีนและรอยพิมพ์เอพิเจเนติกทั้งระบบ ปัญญาประดิษฐ์และพันธุศาสตร์กำลังเปลี่ยนดีเอ็นเอจากชุดตัวอักษรยาวที่อ่านได้แต่ไม่เข้าใจ มาเป็นรหัสการควบคุมที่สามารถคาดการณ์ผลก่อนที่โรคจะปะทุ เมื่อ AI ถอดรหัส initiator และแบบจำลองเมทิลเลชั่นอย่าง metilene 3 สามารถจัดกลุ่มสัญญาณโรคมะเร็งและเนื้องอกสมองโดยไม่ต้องรู้ก่อนว่าใครป่วยหรือไม่ การดูแลสุขภาพเริ่มขยับเข้าสู่โมเดลที่มองความเสี่ยงผ่านดีเอ็นเอและมะเร็งในระดับเซลล์ตั้งแต่เนิ่นๆ

แน่นอนว่าเรายังอยู่ในช่วงตั้งไข่ โมเดล AI ต้องถูกขยายและทดสอบกับชุดข้อมูลที่กว้างและหลากหลายมากขึ้น นักวิจัยเองก็ยอมรับว่าพวกเขามองโลกในแง่ดีว่าจะสามารถขยายโมเดลรหัสการแสดงออกของยีนมนุษย์ได้ในอนาคตไม่ไกล ในฝั่งเอพิเจโนม เครื่องมืออย่าง metilene 3 ก็ถูกวางแผนให้ใช้กับเทคโนโลยีซีเควนซิ่งแบบอื่นและการวิเคราะห์ระดับเซลล์เดี่ยว เพื่อทำให้การอ่านข้อมูลเอพิเจเนติกเป็นเรื่องปกติในการวิจัยและคลินิก ขณะที่งาน Alu และออร์แกนอยด์สมองยังต้องการตัวอย่างมากขึ้นเพื่อยืนยันว่าเส้นทาง ZnT6–โกล์จิที่พบมีผลกว้างขวางต่อโรคสมองเสื่อมชนิดต่างๆ แค่ไหน ทิศทางร่วมกันคือการยอมรับว่า ถ้าอยากเข้าใจโรคอย่างลึกและออกแบบการดูแลเชิงรุก เราต้องอ่านจีโนมมนุษย์โดยตรงและใช้ AI เป็นแว่นขยายสำคัญ