مقالة بحثية

تحليل نظري بياني لشبكة تفاعل بروتين وبروتين نمذجة في مسار إشارات RAS

DOI:

10.3791/69681

⸱

مارس 13, 2026

 , 
1Department of Mathematics & Statistics, College of Science, King Faisal University, 2Department of Mathematics & Applied Mathematics, University of the Western Cape

في هذه المقالة

ملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تطبق هذه الدراسة إطارا نظريا للرسوم البيانية على شبكة تفاعل بروتين مع بروتين نموذجية لمسار إشارة RAS لتحديد بروتينات المنطقة 1 المتصلة مركزيا وتوصيف أهميتها الوظيفية والبيولوجية.

الملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

مسار إشارات RAS هو منظم أساسي لنمو الخلية وتكاثرها وبقائها. يرتبط اضطراب تنظيم هذا المسار بقوة بتطور السرطان، ومع ذلك لا تزال الاستراتيجيات المنهجية لتحديد أي بروتينات المسار تمثل الأهداف العلاجية الأكثر وعدا محدودة. كان سبب هذه الدراسة هو دراسة تنوع البروتينات المركزية ضمن مسار إشارات RAS وتقييم أهميتها الوظيفية في بيولوجيا السرطان. لتحقيق ذلك، قمنا بنمذجة شبكة تفاعل البروتين البشري كفضاء متري باستخدام إطار نظري للرسوم البيانية. تم حساب مسافات أقصر المسار لتحديد البروتينات المركزية الأهم، والتي تم تصنيفها بعد ذلك إلى مناطق وظيفية. تم مقارنة البروتينات الموجودة في المنطقة 1، والتي تمثل المنطقة الأكثر اتصالا، مع مجموعات بيانات مسارات RAS المختارة. تم استخدام تحليل الإثراء الوظيفي، وتقييم الجين الأورامي/مثبط الأورام، ودمج بيانات جينوم السرطان لتفسير الأدوار البيولوجية والإمكانات العلاجية. كشفت النتائج أن 95.2٪ من بروتينات RAS المركزية تشارك في الإشارات، مع تصنيف 59.5٪ كأساسية. تم تحديد البروتينات الرئيسية مثل BCL2L1، RAF1، RHOA، MAP2K1، EGFR، CDC42، وANGPT1 كلاعبين أساسيين في عمليات مثل مقاومة الاستماتة المبرمجة، والنقائل، وتكوين الأوعية، وتقدم الأورام. كما أظهرت العديد من هذه البروتينات ارتباطات قوية مع جينات الأورام المعتمدة والأهداف العلاجية الناجحة. في الختام، تظهر هذه الدراسة أن البروتينات المركزية في مسار إشارات RAS تظهر تنوعا وظيفيا يدعم أهميتها في تقدم السرطان. توفر هذه النتائج سير عمل قائم على الشبكات قابل للتكرار لتحديد المرشحين الجزيئيين ذوي الصلة بالمسار وتساهم في تطوير علاجات سرطان أكثر دقة وتركز على المسارات.

المقدمة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعد مسار إشارات RAS منظما حيويا للاتصال الخلوي وقد تم دراسته بشكل موسع بسبب دوره المركزي في تكوين الأورام1. يتكون هذا المسار، المكون من سلسلة من البروتينات المترابطة، إشارات خارج الخلية إلى النواة، مما ينظم العمليات الخلوية الرئيسية مثل التكاثر والنمو والتمايز2.

نشأ اكتشاف جينات السرطان الريكسي من الدراسات المبكرة حول الفيروسات القعكرية المحولة، بدءا من تحديد فيروس ساركوما هارفي في الستينيات، والذي أظهر أن جينات الفيروسات يمكن أن تحفز التحول الخبيث في الخلايا الثديية3. تم توسيع هذا المفهوم لاحقا ليشمل سرطان الإنسان عندما أظهر دير وزملاؤه أن الجينات المتحولة التي تم تحديدها في خطوط خلايا سرطان المثانة والرئة البشرية كانت متماثلة لجينات سرطان فيروس ساركوما هارفي وكيرستن (HRAS وKRAS)، مما أثبتوا جينات RAS كجينات سرطانية خلوية حقيقية مرتبطة بالأورام الخبيثة البشرية4. لخصت المراجعات اللاحقة هذه الاكتشافات وتأثيراتها على بيولوجيا السرطان5.

بعيدا عن الأورام، تم ربط إشارات RAS/MAPK غير المنظمة أيضا باضطرابات القلب والأوعية الدموية، بما في ذلك أمراض القلب الخلقية، واعتلال عضلة القلب، والاضطرابات الوعائية، مما يبرز الأدوار متعددة الأبعاد لهذا المسار عبر سياقات فسيولوجية ومرضية متنوعة 6,7.

علاوة على ذلك، ثبت أن حالات RASopathies تسبب مظاهر قلبية كبيرة، حيث تربط إشارات RAS/MAPK غير المنظمة بأمراض القلب والأوعية الدموية الخلقية والمكتسبة 8,9. بالإضافة إلى ذلك، تبرز الدراسات على ال GTPases الصغيرة مثل RhoA دورها في تضخم القلب والحماية القلبية تحت ظروف الضغط10،12. تؤكد هذه النتائج الأهمية الفسيولوجية الأوسع لإشارات RAS خارج بيولوجيا السرطان وتبرر المزيد من الاستكشاف لتطوير تدخلات علاجية مستهدفة في سياقات الأمراض المتنوعة.

سبق أن استكشفت عدة دراسات حسابية ومعلوماتية حيوية مسار إشارات RAS باستخدام أساليب تعتمد على الشبكة، والتثري، وبيولوجيا الأنظمة. ركزت هذه الدراسات على إعادة بناء المسار، والاضطرابات الشبكية المدفوعة بالطفرات، والتداخل الإشاري، والتنبؤ باستجابة الأدوية 13,14,15. على الرغم من أنها معلوماتية، فإن معظم هذه الأساليب تقتصر على التحليل على حدود المسارات المحددة مسبقا أو تعتمد على مقاييس الشبكة المحلية. على النقيض من ذلك، تقوم الدراسة الحالية بنمذجة شبكة تفاعل البروتين البشرية بالكامل كفضاء متري وتحدد البروتينات المركزية قبل رسم خرائط المسارات، مما يوفر منظورا تكميلي مدفوعا بالبنية لتنظيم إشارات RAS.

توفر النماذج النظرية للرسوم البيانية إطارا مبتكرا لفهم الشبكات البيولوجية المعقدة. من خلال تصور شبكة تفاعل البروتين والبروتين (PPI) كفضاء متري، يمكن تصنيف البروتينات إلى مناطق حسب بعدها عن مركز الشبكة17. البروتينات في المنطقة 1، التي تمثل العقد المركزية والأكثر ارتباطا، غالبا ما تكون ضرورية لبقاء الخلايا وتشارك بشكل غير متناسب في المسارات المرتبطة بالأمراض18. أظهرت الدراسات السابقة القائمة على الشبكات أن البروتينات المركزية والمترابطة بشدة تؤثر بشكل غير متناسب على استقرار الشبكة، وتدفق المعلومات، وقابلية الإصابة بالأمراض، وغالبا ما تثرى بين الجينات الأساسية والأهداف ذات الصلة سريريا 19,20,21,22. ومع ذلك، لم تطبق الدراسات هذا الإطار تحديدا على مسار إشارات RAS، مما يترك فجوة في فهمنا لكيفية ارتباط مركزية الشبكة بتكوين الأورام الذي يتوسط RAS. تعالج الدراسة الحالية هذه الفجوة من خلال تحديد البروتينات المركزية بشكل منهجي ضمن مسار RAS وتقييم أدوارها في بيولوجيا السرطان. لا يعزز هذا النهج فقط قابلية التكرار من خلال توفير بروتوكول حسابي واضح، بل يسلط الضوء أيضا على أهداف جديدة لعلاجات السرطان، مما يعزز دمج بيولوجيا الأنظمة مع علم الأورام الانتقالي.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

استندت هذه الدراسة حصريا إلى تحليل مجموعات البيانات المتاحة للجمهور ولم تشمل المشاركين البشريين أو الحيوانات أو عينات الأنسجة. لذلك، لم تكن هناك حاجة إلى موافقة لجنة مراجعة مؤسسية (IRB) أو لجنة رعاية واستخدام الحيوانات (IACUC).

جمع البيانات ومعالجتها المسبقة
تم استرجاع بيانات مثبطات مضخة البروتون البشرية وبروتينات إشارات RAS المنسقة من مستودعات متاحة للعامة، بما في ذلك مجموعات بيانات تفاعل البروتينات الوظيفية لعلم الأحياء الجينومي23 وقاعدة بيانات السموم المقارنة (CTD) (https://ctdbase.org/). تم توحيد مجموعات البيانات في ملفات نصية محددة بعلامات تبويب لضمان التجانس. شملت المعالجة المسبقة إزالة التفاعلات المكررة، والقضاء على الحلقات الذاتية، وتصفية المدخلات غير البشرية. قائمة كاملة بجميع البروتينات المدرجة في ملف الإدخال المحدد بالتبويب الموحد متوفرة في الجدول التكميلي S1.

بناء الشبكة
تم نمذجة شبكة مثبطات مضخة البروتون البشرية كرسم بياني تمثل فيه البروتينات العقد وتفاعلاتها تمثل الحواف. لحساب المسافات الأقصر للمسار، تم تنفيذ خوارزمية ديكسترا باستخدام سكريبت بايثون مخصص مدمج مع مكتبة الرسوم البيانية القوية (C++) (http://www.boost.org/). تم تعريف العقدة المركزية بأنها البروتين الذي يمتلك أصغر أقصر مسافة مسار قصوى إلى جميع العقدة الأخرى. ثم تم تقسيم الشبكة إلى مناطق بناء على المسافة من هذا البروتين المركزي.

تصنيف المناطق ورسم خرائط المسارات
تم تصنيف البروتينات إلى مناطق هرمية (المنطقة 1، المنطقة 2، إلخ) حسب بعدها عن البروتين المركزي. تم اختيار المنطقة 1، التي تحتوي على أكثر البروتينات مركزية واتصالا عاليا، للتحليل. تمت مقارنة البروتينات في المنطقة 1 مع قوائم بروتينات مسار إشارات RAS المختارة. تتبع جميع الإجراءات الحاسوبية المستخدمة في هذه الدراسة الإطار الذي وصفه فاضل وآخرون سابقا، مع تركيز العمل الحالي تحديدا على التفسير البيولوجي للبروتينات المرتبطة ب RAS ضمن المنطقة الهرمية الأولى للشبكة.

تحليل الإثراء الوظيفي
تم إجراء تحليل الإثراء الوظيفي باستخدام تعليقات CTD إلى جانب قواعد بيانات المسارات المختارة، مع تحديد الدلالة الإحصائية بحد حد P مصحح يبلغ 0.01.

تقييم الجين المسرطخ ومثبط الورم
تم فحص البروتينات المركزية المتداخلة مع مسار إشارة RAS بشكل أعمق لدورها المسرطخ أو مثبط الأورام. تم استخراج البيانات من مشاريع تسلسل جينوم السرطان واسعة النطاق وتم التحقق منها مقابل قواعد بيانات متعلقة بالسرطان. تم تصنيف البروتينات إلى جينات أورامية، مثبطات للأورام، بروتينات مرتبطة بالموت المبرمج، أو أهداف علاجية بناء على أدلة منشورة24,25.

قابلية التكرار والتحقق
تم تكرار جميع التحليلات الحسابية ثلاث مرات باستخدام مجموعات بيانات مستقلة من PPI. تم تنفيذ هذه الإجراءات، بما في ذلك جميع خطوات البروتوكول وتفاصيل التنفيذ، وفقا للمنهجية الموضحة في عملنا المنشورسابقا رقم 17. كانت النتائج متسقة عبر الجولات المستقلة، مما أكد متانة وقابلية تكرار البروتوكول. لضمان قابلية التكرار، تمت مراجعة كل خطوة من خطوات سير العمل ووصفها بتفصيل كاف لتوضيح كيفية إجراء التحليل. يتم توفير سير العمل الكامل، بما في ذلك الشيفرة المصدرية ومجموعات البيانات، في قسم البيانات التكميلية S4. يمكن إعادة إنتاج جميع التحليلات على محطة عمل قياسية دون الحاجة إلى أجهزة متخصصة.

مخطط سير العمل
يتم توفير مخطط عام لتصميم الدراسة (الشكل 1). يلخص هذا المخطط كل خطوة من خطوات البروتوكول: 1) جمع البيانات والمعالجة المسبقة، 2) بناء الشبكة، 3) تصنيف المناطق ورسم الخرائط، 4) تحليل الإثراء الوظيفي، 5) تقييم الجين السرطاني/مثبط الأورام، و6) تصور النتائج.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

في عملنا السابق، طورنا منهجية المناطق لنمذجة شبكات PPI كفضاءاتمترية 17. مكن هذا النهج تصنيف البروتينات إلى مناطق هرمية حسب بعدها عن العقدة المركزية؛ حيث تمثل المنطقة 1 أكثر البروتينات ارتباطا وضرورية وظيفيا. استنادا إلى هذا الأساس، تركز هذه الدراسة بشكل خاص على بروتينات المنطقة 1 التي تم تحديدها في أعمالنا السابقة وتبحث في أدوارها ضمن مسار إشارات RAS.

تحديد مقابلة بروتينات المنطقة 1 مع مجموعات بيانات مسارات RAS المنسقة 42 بروتينا مركزيا...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تقدم هذه الدراسة إطارا نظريا بيانيا لتحليل شبكات تفاعل البروتين والبروتين ضمن مسار إشارات RAS لتحديد البروتينات المتصلة مركزيا ذات الصلة الوظيفية. من خلال نمذجة شبكة مثبطات مضخة البروتون كفضاء متري والتركيز على بروتينات المنطقة 1 المحددة بأقصر مسافات المسارات، يسلط التحليل الضوء على البروتينات التي تحتل مواقع مركزية هيكليا داخل المسار. تم تصنيف البروتينات مثل BCL2L1، RAF1، RHOA، MAP2K1، EGFR، CDC42، وANGPT1 بشكل متسق ضمن المنطقة 1، وتم إثراؤها في الإشارات، وتنظيم سلسلة MAPK، والعمليات ال...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعلن جميع المؤلفين أنه لا توجد تضارب مصالح مرتبط بهذا العمل.

شكر وتقدير

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

وقد دعم هذا العمل عميد البحث العلمي، نائب الرئيس للدراسات العليا والبحث العلمي في جامعة الملك فيصل، المملكة العربية السعودية KFU260567.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
البروتين البشري – مجموعات بيانات تفاعل البروتينالمستودعات العامة (بيولوجيا الجينوم، BioGRID، IntAct)معرفات الانضمام (كما هو مذكور في المراجع)لا يوجد
قائمة بروتينات مسار إشارات RASقاعدة بيانات السموم المقارنةhttps://ctdbase.org/ ؛RRID:SCR_006530
بايثون (الإصدار 3.10 أو أعلى)مؤسسة بايثون للبرمجيات (الولايات المتحدة الأمريكية)https://www.python.org/RRID:SCR_008394
مكتبة الرسوم البيانية لتعزيز (C++)Boost.org (الولايات المتحدة الأمريكية)https://www.boost.org/لا يوجد
سايتوسكيب (يستخدم للتصور)اتحاد سايتوسكيبالإصدار 3.9.1RRID:SCR_003032
بيانات تسلسل جينوم السرطان واسعة النطاقأطلس جينوم السرطان (TCGA)https://www.cancer.gov/ccg/research/genome-sequencing/tcgaRRID:SCR_003193

المراجع

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Luo, X., et al. Novel paradigms in KRAS targeting: unveiling strategies to combat drug resistance. Chin Med J. 138 (18), 2243-2267 (2025).
  2. Overmeyer, J. H., Maltese, W. A. Death pathways triggered by activated Ras in cancer cells. Front Biosci (Landmark Ed). 16 (5), 1693-1713 (2011).
  3. Harvey, J. J. An unidentified virus which causes the rapid production of tumours in mice. Nature. 204 (4963), 1104-1105 (1964).
  4. Krontiris, T. G., Cooper, G. M. Transforming genes of human bladder and lung carcinoma cell lines are homologous to the ras genes of Harvey and Kirsten sarcoma viruses. Proc Natl Acad Sci U S A. 79 (11), 3637-3640 (1982).
  5. Malumbres, M., Barbacid, M. RAS oncogenes: the first 30 years. Nat Rev Cancer. 3 (6), 459-465 (2003).
  6. Ramos-Kuri, M., et al. Molecules linked to Ras signaling as therapeutic targets in cardiac pathologies. Biol Res. 54 (1), 23(2021).
  7. Hilal, N., et al. RASopathies and cardiac manifestations. Front Cardiovasc Med. 10, 1176828(2023).
  8. Chennappan, S., et al. RASopathies in cardiac disease. Annu Rev Med. 76, 301-314 (2025).
  9. Hilal, N., et al. RASopathies and cardiac manifestations. Front Cardiovasc Med. 10, 1176828(2023).
  10. Wang, X., et al. Roles of small GTPases in cardiac hypertrophy. Mol Med Rep. 29 (2), 13332(2024).
  11. Miyamoto, S. Untangling the role of RhoA in the heart: protective effect and mechanism. Cell Death Dis. 15, 579(2024).
  12. Pang, J. M., et al. MicroRNA-708 emerges as a potential candidate to target undruggable NRAS. PLoS One. 18 (4), e0284744(2023).
  13. Adariani, S. R., et al. A comprehensive analysis of RAS-effector interactions reveals interaction hotspots and new binding partners. J Biol Chem. , (2021).
  14. Tang, R., et al. Multiplexed screens identify RAS paralogues HRAS and NRAS as suppressors of KRAS-driven lung cancer growth. Nat Cell Biol. 25 (1), 159-169 (2023).
  15. Montero-Bullón, J. F., et al. Integrated in silico MS-based phosphoproteomics and network enrichment analysis of RASopathy proteins. Orphanet J Rare Dis. 16 (1), 303(2021).
  16. Fadhal, E., Gamieldien, J., Mwambene, E. C. Protein interaction networks as metric spaces: a novel perspective on distribution of hubs. BMC Syst Biol. 8 (1), 1(2014).
  17. Fadhal, E., Mwambene, E. C., Gamieldien, J. Modelling human protein interaction networks as metric spaces has potential in disease research and drug target discovery. BMC Syst Biol. 8 (1), 2(2014).
  18. Viacava Follis, A. Centrality of drug targets in protein networks. BMC Bioinformatics. 22 (1), 527(2021).
  19. Rout, T., et al. Centrality measures and their applications in network analysis: unveiling important elements and their impact. Procedia Comput Sci. 235, 2756-2765 (2024).
  20. Barabási, A. L., Gulbahce, N., Loscalzo, J. Network medicine: a network-based approach to human disease. Nat Rev Genet. 12 (1), 56-68 (2011).
  21. Peng, Q., Schork, N. J. Utility of network integrity methods in therapeutic target identification. Front Genet. 5, 12(2014).
  22. Wu, G., Feng, X., Stein, L. A human functional protein interaction network and its application to cancer data analysis. Genome Biol. 11 (5), R53(2010).
  23. Bult, C. J., et al. The mouse genome database: genotypes, phenotypes, and models of human disease. Nucleic Acids Res. 41 (D1), D885-D891 (2012).
  24. Vogelstein, B., et al. Cancer genome landscapes. Science. 339 (6127), 1546-1558 (2013).
  25. Mizuno, S., et al. High-throughput functional evaluation of MAP2K1 variants in cancer. Mol Cancer Ther. 22 (2), 227-239 (2023).
  26. He, W., et al. A bioinformatic and mechanistic study elicits the antifibrotic effect of ursolic acid through the attenuation of oxidative stress with the involvement of ERK, PI3K/Akt, and p38 MAPK signaling pathways in human hepatic stellate cells and rat liver. Drug Des Devel Ther. 9, 3989-4104 (2015).
  27. Liotta, L., Petricoin, E. Molecular profiling of human cancer. Nat Rev Genet. 1 (1), 48-56 (2000).
  28. Schubbert, S., et al. Hyperactive Ras in developmental disorders and cancer. Nat Rev Cancer. 7 (4), 295-308 (2007).
  29. Cox, A. D., et al. Convergence of targeted and immune therapies for the treatment of oncogene-driven cancers. Cancer Discov. 13 (1), 19-22 (2023).
  30. Vasan, N., et al. At a crossroads: how to translate the roles of PI3K in oncogenic and metabolic signalling into improvements in cancer therapy. Nat Rev Clin Oncol. 19, 471-485 (2022).
  31. Czarnecka, A. M., et al. Targeted therapy in melanoma and mechanisms of resistance. Int J Mol Sci. 21, 4576(2020).
  32. Sahin, I., et al. Liquid biopsy: novel perspectives on the importance and spectrum of PIK3CA, PTEN and RET mutations in solid tumors. Mol Clin Oncol. 16, 1(2022).
  33. Haefliger, S., et al. Prevalence of molecular alterations in a Swiss cohort of 512 colorectal carcinoma patients by targeted next-generation sequencing analysis in routine diagnostics. Pathobiology. 90 (3), 166-175 (2023).
  34. Amato, O., et al. PIK3CA copy-number gain and inhibitors of the PI3K/AKT/mTOR pathway in triple-negative breast cancer. Cold Spring Harb Mol Case Stud. 9 (2), a006255(2023).
  35. Mizuno, S., et al. High-throughput functional evaluation of MAP2K1 variants in cancer. Mol Cancer Ther. 22 (2), 227-239 (2023).
  36. Haefliger, S., et al. Prevalence of molecular alterations in a Swiss cohort of 512 colorectal carcinoma patients by targeted next-generation sequencing analysis in routine diagnostics. Pathobiology. 90 (3), 166-175 (2023).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

Central ProteinsCancer ProgressionFunctional EnrichmentTherapeutic TargetsOncogene EvaluationNetwork ModelingApoptosis Resistance

مقالات ذات صلة