🧬 كيف يمكننا معرفة ما يحدث داخل الخلايا، وكيف يتغير نشاط الجينات في الظروف المختلفة؟ في هذا المقال، نتعرف على الترانسكريبتوميكس (Transcriptomics)، أحد مجالات المعلوماتية الحيوية الذي يتيح دراسة جزيئات RNA وفهم أنماط التعبير الجيني. نستكشف كيف تُستخلص بيانات RNA-seq وتُحلّل باستخدام تقنيات مختلفة، بدءًا من دراسة التعبير الجيني في الأنسجة كاملةً (Bulk RNA-seq)، مرورًا بتحليل كل خلية على حدة (Single-cell RNA-seq)، وصولًا إلى تحديد مواقع التعبير الجيني داخل الأنسجة (Spatial Transcriptomics).
مقدمة:
تحمل كل خلية في جسم الانسان تعليمات الحياة أو ما يعرف بالجينوم على شكل حمض نووي (DNA). وتعمل فوق هذا الحمض النووي علامات كيميائية تعمل على تنظيم نشاطها وتُسمى الإبيجينوم (Epigenome). تُنسخ أجزاء محددة من الحمض النووي عند نشاطها إلى حمض نووي ريبوزي (RNA)، ثم تُترجم إلى بروتينات (Proteins) تؤدي معظم وظائف الخلية، كما تشارك البروتينات في تفاعلات تنتج عنها جزيئات صغيرة تُسمى المستقلبات (Metabolites).
كان العلماء قديمًا يدرسون جينًا واحدًا أو بروتينًا واحدًا في كل تجربة. أما اليوم، فتتيح التقنيات الحديثة دراسة مجموعات كاملة من الجزيئات في الوقت نفسه، أو حتى دراسة عدة طبقات منها معًا؛ ومن هنا جاءت اللاحقة «أوميكس» (-omics) التي تشير إلى دراسة المجموعة الكاملة من مكونات طبقة معينة؛ مثل الجينوم (جميع المادة الوراثية)، والإبيجينوم (علامات تنظيم نشاط الجينات)، والترانسكريبتوم (جميع جزيئات RNA)، والبروتيوم (جميع البروتينات)، والميتابولوم (جميع المستقلبات).
تنتج هذه التقنيات كميات هائلة من البيانات، وهنا يأتي دور المعلوماتية الحيوية التي توفر الأدوات والأساليب اللازمة لتحليل هذه البيانات وتحويلها إلى معلومات واكتشافات علمية جديدة. وفي هذه السلسلة، نستكشف كل طبقة من هذه الطبقات على حدة، ونتعرف على الأسئلة العلمية التي يمكن أن تجيب عنها.
ما المقصود بالترانسكريبتوميكس؟
تحتوي معظم خلايا الجسم على المادة الوراثية نفسها تقريبًا، لكنها لا تؤدي الوظيفة نفسها ويعود ذلك جزئيًا إلى اختلاف الجينات النشطة في كل خلية. فبعض الجينات يُعبَّر عنها بمستويات مرتفعة، وأخرى بمستويات منخفضة، بينما قد لا يُعبَّر عن بعضها إطلاقًا فعندما تحتاج الخلية إلى استخدام معلومات جين معين، تُنسخ هذه المعلومات إلى جزيئات RNA في عملية تُسمى النسخ (Transcription). ومجموع جزيئات RNA الموجودة في الخلية أو العينة في وقت معين يُسمى الترانسكريبتوم (Transcriptome)، أما الترانسكريبتوميكس (Transcriptomics) فهو العلم الذي يدرس هذه الجزيئات لمعرفة الجينات النشطة، ومستويات التعبير عنها، وكيفية اختلافها بين الخلايا والأنسجة والظروف المختلفة.
ما هي أنواع التحليلات المختلفة لبيانات الـrna-seq؟
تختلف تقنيات تحليل بيانات الــRNA-seq بحسب نوع المعلومات التي توفرها، وبالتالي في الأسئلة العلمية التي يمكنها الإجابة عنها، ومن الأمثلة على ذلك:
- Bulk RNA-seq: تعطي صورة عامة عن متوسط التعبير الجيني في العينة مما يتيح استخدام هذه التقنية لمقارنة الظروف المختلفة، مثل الأنسجة السليمة والمريضة أو للمقارنة بين مجموعة خضعت لعلاج معين وأخرى لا، كما قد تساعدنا على اكتشاف مؤشرات حيوية جديدة لمرض ما.
- Single-cell RNA-seq (scRNA-seq): تحلل هذه التقنية جزيئات RNA في كل خلية على حدة، مما يسمح بتحديد أنواع الخلايا المختلفة ودراسة الاختلافات في التعبير الجيني بينها مهما كان عددها ضئيلًا، كما يمكننا دراسة مراحل تغير و تطور الخلية في الظروف الطبيعية والمرضية أو حتى في فهم علاقة الخلايا المختلفة ببعضها، إضافة إلى امكانية اكتشاف أهداف لتطوير أدوية جديدة واختبار تأثيرها على خلايا محددة.
- Spatial Transcriptomics : تدرس هذه التقنية التعبير الجيني مع الاحتفاظ بمعلومات الموقع داخل النسيج، مما يساعد على معرفة أماكن وجود الخلايا والجينات النشطة، وفهم التفاعلات بين أنواع الخلايا المختلفة داخل بيئتها الطبيعية.
ماهي بيانات الـRNA-seq وكيف يتم استخلاصها؟
تستخدم تقنيات تسلسل RNA (RNA sequencing أو RNA-seq) لتحليل الترانسكريبتوم؛ إذ يتم استخلاص RNA من العينة، ثم يُحوّل إلى DNA مُكمّل (cDNA) وتُضاف إليه تسلسلات قصيرة تُسمى المحوّلات (Adapters) لتحضير المكتبة وتجهيزه للتسلسل. تقرأ أجهزة التسلسل ملايين المقاطع القصيرة أو القراءات (Reads) من هذه المكتبة، وتُحفظ النتائج في ملفات FASTQ التي تحتوي على تسلسل كل قراءة ومعلومات عن جودتها ليتم استخدامها لاحقًا في التحليل المعلوماتي الحيوي.
لكن تختلف طريقة تحضير العينة وإنتاج بيانات التسلسل بحسب نوع الدراسة:
- Bulk RNA-seq: يُستخلص RNA من مجموعة خلايا أو من نسيج كامل، ثم تُحضّر مكتبة تسلسل واحدة تمثل مجموع RNA المستخلص من جميع الخلايا، لذلك تعكس البيانات متوسط التعبير الجيني في العينة ولا يمكن معرفة الخلية التي جاءت منها كل قراءة.
- Single-cell RNA-seq (scRNA-seq): تُفصل الخلايا إلى خلايا منفردة قبل تحليلها، ثم تُعطى جزيئات RNA الخاصة بكل خلية رمزًا مميزًا (Cell Barcode). يسمح هذا الرمز بالتعرف على الخلية التي جاءت منها كل قراءة بعد التسلسل، وبالتالي الحصول على بيانات تعكس التعبير الجيني في كل خلية بصورة منفصلة.
- (Spatial Transcriptomics (Spatial RNA-seq: تدرس هذه التقنية جزيئات RNA مع الحفاظ على مواقعها داخل النسيج. ففي التقنيات القائمة على التسلسل (Sequencing-based)، تُلتقط جزيئات RNA من مناطق محددة في النسيج، مع ربطها بمعلومات تحدد مواقع التقاطها، ثم تُحوّل إلى cDNA وتُسلسل، مما يسمح بربط قراءات التسلسل بمواقعها الأصلية. أما التقنيات القائمة على التصوير (Imaging-based)، فتستخدم مجسات (Probes) للتعرّف على جزيئات RNA المستهدفة وإظهارها بإشارات يمكن رصدها بالمجهر؛ ثم تُحلّل الصور لتحديد هوية الجزيئات ومواقعها داخل النسيج. وبذلك، يمكن تحديد الجينات المُعبّر عنها ومواقع تعبيرها داخل النسيج.
ما هي خطوات تحليل كل نوع من هذه البيانات؟
تتضمن معالجة بيانات RNA-seq مجموعة من الخطوات المنظمة، تختلف تفاصيلها بحسب نوع التقنية والسؤال البحثي. وفيما يلي نظرة عامة على أهم هذه الخطوات:
بعد تحضير العينة واستخلاص البيانات، تبدأ المعالجة بضبط جودة البيانات (Quality Control) للتأكد من سلامة القراءات (Reads) وتنقيتها من الأجزاء منخفضة الجودة، مما يقلل الأخطاء التي قد تؤثر في نتائج التحليل. ثم تُطابَق القراءات مع تسلسل مرجعي (Reference Alignment) لتحديد المناطق الجينية التي جاءت منها. بعد ذلك تُحسب أعداد القراءات المنسوبة إلى كل جين (Quantification) لتقدير مستوى التعبير عنه، فتُنشأ مصفوفة العدّ (Count Matrix)، وهي تمثّل التعبير الجيني لكل عينة في Bulk RNA-seq، ولكل خلية في Single-cell RNA-seq، ولكل موقع داخل النسيج في Spatial Transcriptomics. ثم تُطبَّع المصفوفة (Normalization) للحد من الاختلافات التقنية، مثل اختلاف عمق التسلسل، بما يسمح بمقارنة مستويات التعبير الجيني بصورة أدق.
تحليل البيانات بحسب نوع الدراسة:
- Bulk RNA-seq: يُجرى تحليل التعبير الجيني التفاضلي (Differential Expression Analysis) لتحديد الجينات التي يختلف مستوى التعبير عنها بين المجموعات أو الظروف المدروسة، إلى جانب تحليلات إضافية بحسب السؤال البحثي، مثل:
تحليل الإثراء الوظيفي (Functional Enrichment Analysis) لمعرفة الوظائف والمسارات البيولوجية للجينات.
بناء شبكات التعبير المشترك بين الجينات (Gene Co-Expression Networks) لتحديد مجموعات الجينات ذات أنماط التعبير المتماثلة لاستنتاج وظائفها المشتركة.
- Single-cell RNA-seq (scRNA-seq): تُحلّل
البيانات على مستوى كل خلية على حدة، مما يسمح بدراسة مستوى التعبير الجيني في كل خلية (Expression by Cell). تُستخدم تقنيات تقليل الأبعاد (Dimensionality Reduction)، مثل تحليل المكونات الرئيسية (PCA)، لتبسيط البيانات وإبراز الأنماط والاختلافات بين الخلايا، ثم تُجمع الخلايا المتشابهة (Cell Clustering) وتُمثّل بصريًا باستخدام تقنيات مثل UMAP أو t-SNE. وبذلك، يمكن دراسة الاختلافات في التعبير الجيني بين أنواع الخلايا المختلفة، إلى جانب تحليلات إضافية بحسب السؤال البحثي، مثل:
تحديد أنواع الخلايا (Cell Type Identification) بالاعتماد على الجينات المميزة لكل مجموعة، ثم مقارنة التعبير الجيني بين هذه الأنواع.
دراسة مسارات تطور الخلايا (Trajectory Inference).
استنتاج التفاعلات المحتملة بين الخلايا (Cell-Cell Interaction Inference).
- Spatial Transcriptomics : تماما مثل
scRNA-seq، يُطبَّق تقليل الأبعاد، ثم تُجمَّع الخلايا أو المواقع المتشابهة في أنماط التعبير، لكن تختلف خطوة التمثيل البصري بأن المجموعات حين تُعرض فتُطابق على صورة النسيج، لإظهار توزيعها المكاني. بعدها، يمكن إجراء التحليلات بحسب السؤال البحثي، مثل:
تحديد المناطق ذات أنماط التعبير الجيني المتشابهة (Spatial Domains).
اكتشاف الجينات التي يتغير تعبيرها بحسب موقعها داخل النسيج (Spatially Variable Genes).
دمجها مع بيانات (Single-cell RNA-seq) لتحديد أنواع الخلايا ونسب مساهمتها في كل موقع (Deconvolution).
وأخيرًا يمكننا عرض نتائج تحليلنا للبيانات و تفسيرها وفقًا لسؤالنا البحثي.

خاتمة
تتيح لنا تقنيات الترانسكريبتوميكس دراسة نشاط آلاف الجينات في الوقت نفسه، مما يساعد على فهم التغير في نشاط الخلايا والأنسجة في الظروف الطبيعية والمرضية. توفر تقنيات RNA-seq المختلفة مستويات متكاملة من المعلومات؛ فـBulk RNA-seq يعطينا صورة عامة عن التعبير الجيني في العينة، بينما تكشف Single-cell RNA-seq الاختلافات بين الخلايا المفردة، وتضيف Spatial Transcriptomics بُعدًا مكانيًا يساعدنا في فهم أين يحدث التعبير الجيني وكيف تتوزع الخلايا وتتفاعل داخل الأنسجة. ومن خلال الجمع بين هذه التقنيات وأدوات المعلوماتية الحيوية، يمكن للباحثين اكتشاف أنماط جديدة للتعبير الجيني، وفهم الآليات البيولوجية المرتبطة بالأمراض، والمساهمة في تطوير المعرفة.
المراجع
- Dawadi et al. (2025). From bench to bytes: A practical guide to RNA sequencing data analysis. Frontiers in Genetics.
- Li and Wang (2021). From bulk, single-cell to spatial RNA sequencing. International Journal of Oral Science.
- Tzec-Interián et al. (2025). Bioinformatics perspectives on transcriptomics: A comprehensive review of bulk and single-cell RNA sequencing analyses. Quantitative Biology.
- Williams et al. (2022). An introduction to spatial transcriptomics for biomedical research. Genome Medicine.
- Analysis, visualization, and integration of spatial datasets with Seurat (2026). Seurat. [Online]. (Accessed: 13 November 2026).