به گزارش روز شنبه گروه علم و آموزش ایرنا از تارنمای genomeweb، با وجود اینکه بخش قابل توجهی از تغییرات ژنومی به دلیل پیچیدگی و اندازه آنها برای خوانش‌های کوتاه قابل دسترسی نیستند، توالی‌یابی رشته کوتاه، ابزار کار رایج برای مطالعات ژنومیک در سطح جمعیتی بوده است.
به گفته پژوهشگران این پروژه، در حالی که توالی‌یابی نانوحفره‌ای رشته‌های بلند نویدبخش بهبود تشخیص واریانت‌های ساختاری کوچک در ژنوم است، به‌دلیل نبود مقیاس‌پذیری، این روش تا به امروز به طور گسترده در مطالعات مقیاس جمعیتی مورد استفاده قرار نگرفته است.
برای غلبه بر این موانع، بیش از یک سال پیش، موسسه ملی سلامت یک پروژه توالی‌یابی رشته بلند را با هدف تعیین توالی ژنوم حدودچهار هزار نمونه مغز انسان و ایجاد یک مجموعه داده ساختاری برای بیماری آلزایمر و زوال عقل آغاز کرد.
کیمبرلی بیلینگزلی محقق مؤسسه ملی سلامت آمریکا با ارائه داده‌های این پروژه، گفت: این تیم باید برای استقرار توالی‌یابی نانوحفره‌ای در چنین مقیاس بزرگی بر سه چالش اصلی غلبه کند.
وی افزود: در بخش آزمایشگاه، این پروژه باید پروتکل‌های آماده سازی نمونه با کارایی بالا را طراحی می‌کرد که به راحتی می‌تواند برای هزاران نمونه مغز انسان استفاده شود. این تیم مجبور شد زیرساخت محاسباتی را برای پردازش داده‌های توالی‌یابی توسعه دهد. علاوه بر این، با توجه به حجم بالای فایل‌های داده، پروژه باید راه‌هایی برای ذخیره‌سازی و اشتراک‌گذاری داده‌های مقرون‌به‌صرفه ارائه می‌کرد.
این محقق تصریح کرد: بدیهی است که برای هزاران نمونه باید سعی کنیم این فرآیند را خودکار کنیم. برای انجام این کار، از ربات KingFisher Apex شرکت ترمو فیشر ساینتیفیک (Thermo Fisher Scientific) و کیت بافت Nanobind از Pacific Biosciences برای استخراج دی ان ای با وزن مولکولی بالا استفاده شد، سپس با استفاده از کیت توالی‌یابی آکسفورد نانوپور و پلتفرم PromethIon ۴۸ به مدت ۷۲ ساعت توالی‌یابی انجام می‌شوند. به طور کلی، مراحل پردازش DNA و آماده‌سازی کتابخانه حدود ۲۰ ساعت در طول دو روز برای حداکثر ۱۶ نمونه طول می‌کشد.
بیلینگزلی یادآور شد: این تیم در حال کار برای خودکارسازی فرآیند آماده‌سازی کتابخانه با استفاده از ربات Hamilton است. با بهینه‌سازی، این تیم می تواند به راحتی حدود ۲۰۰ نمونه در ماه را مورد بررسی قرار دهد.
وی خاطرنشان کرد: یکی از نکات منفی توالی‌یابی در این مقیاس این است که امکان خوانش باز (Base calling) در این دستگاه وجود ندارد.»
محقق مؤسسه ملی سلامت آمریکا یادآور شد: این تیم در حال حاضر گزینه استفاده از Google Cloud را دارد که هزینه آن حدود ۱۳۰ دلار برای هر نمونه است.