مروری بر توالی یابی نسل بعد، کاربردها و انواع آن (بررسی پلت فرم ها)

درباره توالی یابی نسل بعد

تشخیص تک تک نوکلئوتیدها در آن مقیاس کوچک در سطح DNA زمانی به اندازه دست یابی به حیات در سیاره ای دیگر غیر ممکن بود!

این توانایی دور از دسترس به پاس دانش و ابتکار بی نظیر داشمندانی همچون ماکسام-گیلبرت و سنگر هر چند با چالش های فراوان و توان کم این امر را ممکن ساخت و موشکافی از رمزهای نوکلئوتیدی را سبب شد. باور دستیابی به رمز های DNA و هویدا ساختن ژنوم انسان چنان شوقی را در محققان ایجاد کرد که از دهه هفتاد میلادی تا کنون تکنیک های توالی یابی هر ساله دست خوش تغییر و جایگزینی با روش های نوین تر قرار می گیرند.

این پیشرفت ها تا جایی بود که توانستند توانایی خوانش توالی ها را از حداکثر حدود 400000 نوکلئوتید (400 Kb) در روز که برای کل ژنوم انسان با هزینه تقریبی 2.7 میلیارد دلار همراه بود به کمتر از 1000 دلار در روز کاهش دهند. این روش ها که امروزه به عنوان توالی یابی نسل بعدی (NGS) شناخته می شوند ، عمدتا از فناوری توالی یابی موازی استفاده کرده که از توان و سرعت فوق العاده بالایی برخوردار می باشند.

این فناوری برای تعیین ترتیب نوکلئوتیدها در کل ژنومها یا مناطق مورد نظر DNA یا RNA استفاده می شود. NGS انقلابی در علوم زیستی ایجاد کرده است و به آزمایشگاه ها اجازه می دهد تا طیف وسیعی از کاربردها را انجام داده و سیستم های بیولوژیکی را در سطحی که قبلاً امکان پذیر نبود مطالعه کنند.

پلت فرم های NGS با ایجاد کاربردهای وسیع به محققان اجازه جواب دادن به هر سوالی را در زمینه های مربوط به ژنوم (Genomics)، رونویسی (Transcriptomics) و یا اپی ژنوم (Epigenomics) می دهند. اگرچه تعداد روشهای NGS دائما در حال افزایش است ، اما در ذیل مروری کوتاه بر متداول ترین روشها خواهیم انداخت.

1.1 سطح Genomics:

در سطح ژنوم روش های بررسی توالی مختلفی از جمله بررسی کل محتوای ژنوم Whole Genome Sequencing (WGS) و یا بررسی اگزون ها به تنهایی که بخش بسیار کوچکی از ژنوم ولی مهم (کمتر از دو در صد) از نظر عملکردی  را به خود اختصاص می دهند Whole Exome Sequencing (WES) وجود دارد. همچنین توالی یابی از نو (De novo Sequencing)  که شامل توالی یابی از ژنومی بدون داشتن ژنوم مرجع هست می باشد. همین طور روش Targeted Sequencing به عنوان روشی که در آن تنها گروهی از ژن ها توالی یابی می شوند در این سطح قرار می گیرند.

2.1 سطح Transcriptomic:

این سطح در حیطه توالی یابی از محتوای بیانی سلول نقش داشته که شامل Total RNA and mRNA ,Sequencing ,Targeted RNA Sequencing Small RNA  و  Noncoding RNA Sequencing  به هدف یافتن تغییرات در بیان ژن ها به صورت کلی کاربرد دارد.

3.1 سطح Epigenomics:

در حالی که ژنومیک شامل مطالعه تغییرات ارثی یا اکتسابی در توالی DNA است ، اپی ژنتیک مطالعه تغییرات وراثتی در فعالیت ژن است که توسط مکانیسم هایی غیر از تغییرات توالی DNA ایجاد می شود. مکانیسم های فعالیت اپی ژنتیکی شامل متیلاسیون DNA ، تنظیمات کوچک RNA ، واسطه های پروتئین DNA ، اصلاح هیستون و موارد دیگر است و یا روش های همچون Methylation Sequencing، ChIP Sequencing و Ribosome Profiling انجام می گردد.

با پیشرفت روز به روز تکنولوژی در رمز گشایی از ژنوم و اهمیت استفاده از کامپیوتر در تجزیه و تحلیل و مدیریت داده ها دانستن علم بین رشته ای بیوانفورماتیک امروزه برای دانشجویان و متقاضیان کار در این حیطه امری ضروری بوده چرا که به کمک این علم دروازه ای جدید از بررسی داده ها در وسعت زیاد و در نتیجه تحقق نتیجه قطعی تر و نزدیک تر به واقعیت را در سطح کل ژنوم فراهم می آورد.

آزمایشات مولکولی مبتنی بر توالی یابی نسل بعدی (NGS) ، در پزشکی سازی شخصی ، ارزیابی ریسک و درمان بیماران مبتلا به سرطان انقلاب عظیمی ایجاد کرده است. با توجه به حجم وسیع داده های توالی یابی ایجاد شده توسط دستگاه های sequencer با بازده بالا (high throughput) ، آزمایشگاه های بالینی برای تجزیه و تحلیل داده ها و شناسایی تغییرات ژنتیکی مرتبط با بالین ، نیاز به پردازش داده ها به صورت یک سلسله مراتب مدون و اصولی خواهند داشت.

بیوانفورماتیک ، به طور ویژه در زمینه ژنومیک و آسیب شناسی مولکولی ، از ابزارهای محاسباتی ، ریاضی و آماری برای جمع آوری ، سازماندهی و تجزیه و تحلیل داده های توالی ژنتیکی بزرگ و پیچیده و داده های بیولوژیکی مرتبط استفاده می کند. مجموعه ای از الگوریتم های بیوانفورماتیک از پیش تعیین شده ،که برای پردازش داده های NGS به ترتیب اجرا می شوند که در مجموع خط بیوانفورماتیک را تشکیل می دهند.

همچنین در این دوره مزایا و معایب تکنیک های توالی یابی کنونی و پیامدهای آنها بر تجزیه و تحلیل داده ها بررسی و  شرکت کنندگان در درک داده های NGS و یافتن مشکلات/خطاهای احتمالی در آن مهارت کسب کرده و در نهایت اولین تجزیه و تحلیل داده های بزرگ را به هدف یافتن واریانت بیماری زا انجام می دهند.