การใช้ประโยชน์เทคโนโลยี Transcriptome ในงานวิจัยยาสมุนไพร

ดร. สุทธิพงษ์ ชูจันทร์ และ รศ. ดร. ภญ. จุฑามาศ สัตยวิวัฒน์
ห้องปฏิบัติการวิจัยเภสัชวิทยา

Transcriptome คืออะไร

ทรานสคริปโตม (transcriptome) หมายถึง RNA ทั้งหมดของเซลล์ ซึ่งได้แก่ messenger RNA และ non-coding RNA ที่เกิดจากการแสดงออกของยีนต่างๆ ทั่วทั้งจีโนม จากข้อมูลการศึกษาจีโนมของมนุษย์ นักวิทยาศาสตร์ได้คาดการณ์จำนวนยีนของมนุษย์ไว้ราว 30,000 ยีน แต่ในความเป็นจริงพบว่า ผลผลิตของยีนภายในเซลล์ มีความหลากหลายมากกว่าจำนวนยีนที่คาดการณ์ไว้มาก ซึ่งความแตกต่างของการแสดงออกและขบวนการการดัดแปลงของ RNA transcript หรือที่เรียกว่า RNA processing ในเซลล์ต่างชนิดกันของแต่ละอวัยวะและในสภาวะต่างๆ กัน เป็นปัจจัยที่สำคัญที่ทำให้เกิดความหลากหลายของการแสดงออกของยีนในมนุษย์ ดังนั้น การศึกษาเกี่ยวกับการแสดงออกของ RNA ทั้งระบบ หรือ ทรานสคริปโตม (transcriptome) จึงมีประโยชน์อย่างมากในการที่จะทำให้เกิดความเข้าใจเกี่ยวกับภาพรวมของกลไกและสาเหตุของโรคต่างๆ รวมทั้งการตอบสนองของยาหรือสารพิษในระดับชีวโมเลกุล โดยผ่านการแสดงออกของ RNA ทั้งระบบหรือเกิดจากเปลี่ยนแปลงของทรานสคริปโตม

ภาพที่ 1 แสดงแผนภาพลำดับการวิเคราะห์ข้อมูลที่ได้จาก RNA transcript เปรียบเทียบระหว่างกลุ่มตัวอย่างในคนปกติ และผู้ที่เป็นโรค โดย RNA ที่ได้ทั้งหมดจะถูกนำไปหาลำดับเบส ระบุชื่อยีนส์ และหาปริมาณการแสดงออกของยีนส์ทั้งหมด โดยยีนส์ที่มีการแสดงออกมากขึ้นและลดลงอย่างมีนัยสำคัญ หรือ Differentially Expressed Genes (DEGs) จะถูกนำไปวิเคราะห์ต่อเพื่อหาว่ามีความเกี่ยวข้องกับกลไกใดและการเปลี่ยนแปลงที่สำคัญที่ทำให้เกิดโรค

เนื่องจากการวิเคราะห์ทรานสคริปโตมมีปริมาณข้อมูลจำนวนมากของยีนส์ที่เปลี่ยนแปลง การวิเคราะห์ข้อมูลจึงต้องใช้กระบวนการทางชีวสารสนเทศ หรือ bioinformatics เข้ามาช่วยในการรวบรวม จัดการและวิเคราะห์ข้อมูลของยีนส์ หรือ RNA transcript ซึ่งจากภาพที่ 1 การวิเคราะห์ทรานสคริปโตมจะทำเพื่อหาการเปลี่ยนแปลงในภาพใหญ่โดยใช้ Clustering heatmap เพื่อแยกรูปแบบการแสดงออกของยีนส์ (expression pattern) ซึ่งจะทำให้เห็นความแตกต่างของ RNA transcript ของคนปกติและกลุ่มผู้ป่วย จากนั้นจะนำยีนส์ทั้งหมดที่มีความเปลี่ยนแปลงอย่างมีนัยสำคัญไปวิเคราะห์ว่ามีความเกี่ยวข้องกับวีถีการส่งสัญญาณหรือกลไกใด (signaling pathways) นอกจากนี้ยังสามารถนำยีนส์ทั้งหมดไปวิเคราะห์โครงข่ายโปรตีน (protein-protein interaction network) เพื่อหาความสัมพันธ์ระหว่างยีนส์ด้วยกันเองและยีนส์ที่เป็นเป้าหมายสำคัญ (hub-gene) เพื่อนำไปศึกษาต่อ

การหากลไกของยาสมุนไพรโดยการประยุกต์ใช้ Transcriptomics และ network pharmacology

ปัจจุบันการศึกษาด้านข้อมูลทางเทคโนโลยีที่วิเคราะห์องค์รวมของชีวสารสนเทศศาสตร์ หรือ Bioinformatics โดยการใช้ข้อมูลผ่าน “เทคโนโลยีโอมิกส์” (Omics Technologies) โดยเฉพาะทรานสคริปโตม ยังสามารถนำมาใช้ประยุกต์เพื่อตรวจวัดข้อมูลที่เกี่ยวกับกลไกการออกฤทธิ์ของสารพิษ ยาแผนปัจจุบัน และโดยเฉพาะอย่างยิ่งยาสมุนไพรซึ่งประกอบด้วยสารสำคัญหลากหลายชนิด โดยสามารถศึกษาการทำงานของสารสำคัญจำนวนมากได้พร้อมกัน เพื่อหาความสัมพันธ์และการเปลี่ยนแปลงต่าง ๆ ที่เกิดจากสารสำคัญในยาสมุนไพรที่ต้องการตรวจสอบ โดยเน้นการระบุฤทธิ์เชิงชีวภาพของสารสมุนไพรต่อโมเลกุลเป้าหมายผ่านการทดสอบกับเซลล์เพาะเลี้ยงจากอวัยวะมนุษย์ (cell culture) จึงสามารถบอกให้ทราบถึงสรรพคุณทางยาที่มีความแม่นยำสูงของสมุนไพรได้หลากหลายชนิดซึ่งเรียกว่า เภสัชวิทยาโครงข่ายหรือ network pharmacology

ภาพที่ 2 แสดงแนวความคิดและวิธีการประยุกต์ใช้การวิเคราะห์ transcriptome กับงานวิจัยทางเภสัชวิทยาโครงข่าย หรือ network pharmacology เพื่อหากลไกที่สำคัญและเป้าหมายการออกฤทธิ์ของสารสกัดสมุนไพร รวมทั้งยังสามารถนำไปเป็นข้อมูลเกี่ยวกับความปลอดภัยของยาสมุนไพรได้อีกด้วย โดยสารสกัดจากสมุนไพรจะถูกนำไปวิเคราะห์เพื่อหายีนส์ กลไกสำคัญในการออกฤทธิ์ และโรคที่มีกลไกสำคัญปรากฏอยู่ ซึ่งจากการวิเคราะห์เภสัชวิทยาโครงข่าย จะช่วยระบุถึงกลไกที่เป็นเป้าหมายของโรคที่ยาสมุนไพรสามารถออกฤทธิ์ได้

การประยุกต์ใช้เทคโนโลยีทรานสคริปโตมและเภสัชวิทยาโครงข่ายไม่เพียงช่วยสร้างโอกาสมากมายให้แก่อนาคตของวงการสมุนไพร แต่ยังสามารถยกระดับผลิตภัณฑ์ของผู้ประกอบการ และวิสาหกิจชุมชนให้มีมาตรฐาน สร้างความรู้ความเข้าใจ เพื่อปรับปรุงตำรับยาให้มีประสิทธิภาพมากขึ้น อันจะก่อให้เกิดประโยชน์ต่อผู้บริโภคให้เข้าถึงการรักษาที่หลากหลาย ช่วยลดปัญหาการขาดแคลนยารักษาโรค ซึ่งเป็นเรื่องสำคัญในสถานการณ์โรคระบาดในปัจจุบันและในอนาคต

ข้อจำกัดของเทคโนโลยี Transcriptomics

แม้เทคโนโลยีของการวิจัยจะก้าวหน้าไปมาก แต่การศึกษาโอมิกส์ยังคงไม่ใช่เรื่องง่าย เนื่องจากมีความซับซ้อนและปริมาณข้อมูลจำนวนมาก รวมถึงการนำเทคโนโลยีต่าง ๆ เช่น Big data, Machine learning, Artificial Intelligence เข้ามาช่วยในการวิเคราะห์ รวบรวมข้อมูล ตลอดจนช่วยตัดสินใจแทนมนุษย์ ซึ่งอาจเกิดความผิดพลาดได้ นักวิทยาศาสตร์หรือนักวิจัยจึงต้องมีความรู้ความเข้าใจ และความระมัดระวังอย่างสูง รวมทั้งอาจจะมีความคลาดเคลื่อนไปจากสิ่งที่เกิดขึ้นจริงในร่างกายมนุษย์ ดังนั้นการยืนยันผลในหลอดทดลอง (In Vitro) หรือข้อมูลทางคลินิกจึงควรถูกนำมาพิจารณาร่วมด้วย ให้มีความสมบูรณ์ของข้อมูล เที่ยงตรงและแม่นยำมากขึ้น เพื่อให้เกิดความมั่นใจในการใช้เทคโนโลยีเหล่านี้เพิ่มขึ้น

เอกสารอ้างอิง

Casamassimi, A., Federico, A., Rienzo, M., Esposito, S., & Ciccodicola, A. (2017). Transcriptome Profiling in Human Diseases: New Advances and Perspectives. International journal of molecular sciences18(8), 1652. https://doi.org/10.3390/ijms18081652

Chujan, S., Nakareangrit, W., Suriyo, T., & Satayavivad, J. (2023). Integrated Transcriptomics and Network Analysis of Potential Mechanisms and Health Effects of Convalescent COVID-19 Patients. Bioinformatics and biology insights, 17, 11779322231206684. https://doi.org/10.1177/11779322231206684

Noor, F., Tahir Ul Qamar, M., Ashfaq, U. A., Albutti, A., Alwashmi, A. S. S., & Aljasir, M. A. (2022). Network Pharmacology Approach for Medicinal Plants: Review and Assessment. Pharmaceuticals, 15(5), 572. https://doi.org/10.3390/ph15050572

 

 

แท็ก

แชร์

เรื่องที่เกี่ยวข้อง

ข่าวสารล่าสุด