مستقبل الوبائيات الجزيئية في العلوم الطبية والصحية والبحث العلمي

م.م علي محمد سلمان

الملخص التنفيذي

تتجه الوبائيات الجزيئية في العقد الحالي من مرحلة توصيف الارتباطات الجينية والبيولوجية إلى مرحلة أكثر تكاملًا، تدمج الجينوميات، والـ transcriptomics، والبروتيوميات، والميتابولوميات، والميكروبيوم، والبيانات البيئية والسريرية الرقمية ضمن نماذج تفسيرية وتنبؤية واحدة. هذا التحول لم يعد محصورًا في الأورام أو الأمراض الوراثية، بل أصبح يمتد إلى الأمراض المعدية، والأمراض المزمنة متعددة العوامل، وصحة السكان، والطب الدقيق، والصحة العامة الدقيقة. الأدبيات الحديثة تشير إلى أن مستقبل الحقل سيعتمد على خمسة محاور رئيسية، هي التكامل متعدد الطبقات للـ multi-omics، الوبائيات الجينومية للممرضات، الوبائيات المرضية الجزيئية للأورام والأمراض المزمنة، الاستدلال السببي باستخدام Mendelian randomization والذكاء الاصطناعي، ثم التحليل أحادي الخلية والفضائي لفهم التغايرية الميكروبيئية والأنسجية. غير أن هذا المستقبل يظل مقيدًا بتحديات جوهرية، أهمها ضعف التمثيل السكاني، والتباين في المعايير التحليلية، ومشكلات السببية، والانحياز الخوارزمي، والفجوة بين الدقة التحليلية والمنفعة السريرية أو السكانية الفعلية.(1)

المقدمة

الوبائيات الجزيئية هي الحقل الذي يربط بين التعرضات، والخصائص الجزيئية، والاختلافات البيولوجية الفردية، ومخرجات المرض على مستوى السكان. تاريخيًا، ركز هذا الحقل على الواسمات الحيوية، والاختلافات الجينية، وتحديد القابلية للمرض. أما اليوم، فهو يتحول إلى منصة علمية عابرة للتخصصات، توظف تسلسل الجينوم الكامل، والبيانات الطولية، والبنوك الحيوية، والسجلات الصحية الإلكترونية، والتحليلات الحاسوبية عالية الأبعاد. هذا التحول دفع بعض الباحثين إلى إعادة تعريف المجال ضمن أطر أوسع مثل precision medicine، وprecision public health، وprecision environmental health، وهي مفاهيم تنقل الاهتمام من “من يمرض؟” إلى “لماذا يمرض هذا الشخص، في هذا السياق، وبهذا المسار الجزيئي تحديدًا؟”(2).

تُظهر المراجعات المرجعية أن القيمة المضافة للوبائيات الجزيئية لا تكمن فقط في اكتشاف الارتباطات، بل في تفكيك عدم التجانس المرضي، وتحسين التصنيف، وفهم التفاعل بين الجينات والبيئة، ونقل المعرفة من مستوى “المجموعة” إلى مستوى “الآليات الفرعية القابلة للتدخل”. ولهذا أصبحت الوبائيات الجزيئية تمثل جسرًا بين البحث الأساسي، والطب السريري، والصحة العامة.(3)

الإطار المفاهيمي والآليات الأساسية

يقوم مستقبل الوبائيات الجزيئية على فرضية مركزية، وهي أن معظم الظواهر المرضية المهمة طبيًا لا تُفسَّر بمتغير واحد، بل بشبكات متداخلة تجمع بين الاستعداد الوراثي، والبيئة، ونمط الحياة، والبنية الخلوية والأنسجية، والديناميكيات الزمنية للمرض. من هنا نشأ التحول من الدراسات أحادية الواسمات إلى multi-omics integration. هذه المقاربة تسمح بتحويل البيانات الجزيئية من “قوائم متوازية” إلى “طبقات متفاعلة” يمكن أن تكشف مسارات سببية أو شبه سببية، أو على الأقل مسارات مرشحة للتفسير البيولوجي(4).

كما يقوم الحقل على فرضية ثانية، وهي أن المرض الواحد ليس كيانًا متجانسًا. في السرطان مثلًا، أو حتى في بعض الأمراض الالتهابية والاستقلابية، قد تُنتج نفس النتيجة السريرية النهائية عبر مسارات جزيئية مختلفة. هنا يظهر دور الوبائيات المرضية الجزيئية molecular pathological epidemiology، التي تربط التعرضات والعوامل الاجتماعية والوراثية بأنماط مرضية فرعية محددة، بدل التعامل مع المرض كتسمية واحدة. هذه النقلة مهمة لأنها تجعل التحليل الوبائي أقرب إلى الواقع البيولوجي(5).

أما الفرضية الثالثة، فهي أن التنبؤ وحده لا يكفي، بل يجب الانتقال إلى التفسير السببي. لهذا اكتسبت Mendelian randomization مكانة متقدمة في الحقل، لأنها تستخدم المتغيرات الجينية كأدوات استدلالية لتقليل الإرباك والعكس السببي، وإن كانت لا تلغي تمامًا مشكلات التعدد الوظيفي pleiotropy وضعف الأدوات وعدم صلاحية بعض الافتراضات(6).

عرض منظم للدراسات الحديثة

4.1. الاندماج بين الـ multi-omics وعلم الوبائيات

تشير المراجعات الحديثة إلى أن دمج الطبقات الجزيئية المختلفة مع تصميمات الدراسات السكانية يفتح إمكانات جديدة لاكتشاف الواسمات المبكرة، وتحسين النمذجة التنبؤية، وفهم التسلسل الزمني من التعرض إلى الاستجابة ثم المرض. في أمراض معقدة مثل السكري، والأمراض القلبية الوعائية، والتنكّس العصبي، لم تعد الجينوميات وحدها كافية، بل أصبح التكامل مع البروتينات، والمستقلبات، والميكروبيوم أكثر قدرة على التقاط الديناميات القريبة من الظاهرة السريرية مع ذلك، تؤكد الدراسات نفسها أن زيادة عدد الطبقات لا تعني تلقائيًا زيادة الفائدة، لأن التعقيد التحليلي وارتفاع كلفة التحقق الخارجي قد يقللان من القابلية للتطبيق(7).

4.2. الوبائيات الجينومية للممرضات والصحة العامة

أثبتت جائحة كوفيد 19 أن الوبائيات الجينومية لم تعد أداة بحثية فقط، بل أصبحت بنية تحتية للصحة العامة. التسلسل الجينومي للممرضات يمكّن من تتبع سلاسل الانتقال، ورصد الطفرات، واكتشاف الاستبدال السلالي، ومراقبة مقاومة المضادات الحيوية، وتصميم الاستجابات الأسرع. الدراسات الحديثة، سواء في SARS-CoV-2 أو RSV أو الدنغ أو البكتيريا المقاومة للأدوية، تؤكد أن التكامل بين الجينوميات والبيانات الوبائية السريرية يمنح صورة أكثر دقة من أي منهما منفردًا. لكن الأدبيات تحذر أيضًا من أن نجاح هذا النهج يعتمد على الاستدامة المؤسسية، والتوحيد المعملي، وسرعة مشاركة البيانات، لا على التكنولوجيا وحدها(8).

4.3. الوبائيات الجزيئية للأورام والأمراض المزمنة

في الأورام، قدمت molecular pathological epidemiology إطارًا متقدمًا يربط التعرضات، والعوامل الاجتماعية، والاختلافات الجينية، والبيئة الدقيقة للورم بأنماط مرضية فرعية ذات دلالات إنذارية وعلاجية. القيمة العلمية هنا ليست فقط في التصنيف، بل في تفسير لماذا يختلف أثر نفس العامل بين مرضى ظاهريًا يحملون التشخيص نفسه. كذلك امتدت هذه المقاربة إلى أمراض غير ورمية، بما يدعم فكرة أن مستقبل الحقل لن يكون مقيدًا بعلم الأورام. إلا أن تعميم هذا النموذج ما يزال يواجه نقصًا في البيانات النسيجية المقترنة بالسكان، وصعوبة توحيد النهايات الجزيئية بين الدراسات(9).

4.4. الاستدلال السببي، والذكاء الاصطناعي، والدرجات متعددة الجينات

تتجه الوبائيات الجزيئية المستقبلية إلى الجمع بين أدوات الاستدلال السببي، مثل Mendelian randomization، وأدوات التعلم الآلي، وpolygenic risk scores. الهدف ليس فقط التنبؤ، بل فرز السكان إلى مجموعات خطر، وربط هذا الخطر بمسارات بيولوجية قابلة للتدخل. الدراسات الحديثة حول PRS تُظهر تقدمًا واضحًا في البناء والتحقق السريري، لكنها تكشف أيضًا مشكلتين مزمنتين، الأولى هي محدودية النقل عبر الأصول السكانية المختلفة، والثانية هي أن التحسن الإحصائي في مؤشرات التنبؤ لا يعني دائمًا منفعة إكلينيكية أو سكانية ذات معنى. لذلك يبقى الاستخدام المسؤول للدرجات متعددة الجينات رهينًا بالتحقق العرقي والسكاني، والربط بالسياق البيئي والسريري(10).

4.5. أحادية الخلية، والتحليل الفضائي، والتغايرية البيولوجية

من أبرز الاتجاهات الصاعدة دخول single-cell omics وspatial transcriptomics إلى الوبائيات الجزيئية. هذه التقنيات تنقل التحليل من متوسط الإشارة على مستوى النسيج كله إلى مستوى الخلية وموقعها داخل النسيج، ما يسمح بفهم التغايرية الدقيقة، والبيئات الميكروية، والعلاقات الخلوية المكانية. تطبيقاتها

الحالية تبرز بوضوح في السرطان، وأمراض القلب، والالتهابات، والأمراض التنكسية العصبية. لكنها ما تزال في معظمها أقرب إلى الدراسات العميقة عالية الكلفة منها إلى الأدوات الوبائية واسعة النطاق. لذا فمستقبلها الحقيقي في الوبائيات سيعتمد على تطوير تصميمات هجينة تربط العينات العميقة المكانية بعينات سكانية كبيرة أقل كلفة(11).

4.6. الإكسبوزوم، والبيئة، والطب الوقائي الدقيق

أحد أهم التوسعات المفاهيمية في الحقل هو التحول من التركيز على الجينوم فقط إلى التفاعل بين الجينوم والإكسبوزوم exposome، أي مجمل التعرضات عبر مسار الحياة. هذه الرؤية تعزز فهم الأمراض المعقدة التي لا يمكن ردها إلى الجينات وحدها. المراجعات الحديثة في precision environmental health تشير إلى أن الدمج بين التعرضات البيئية والطبقات الجزيئية يوفّر مسارًا أكثر واقعية لفهم السببية البيولوجية وتحديد نوافذ التدخل الوقائي. غير أن هذا المسار يواجه صعوبة قياس التعرضات بدقة، وتباينها الزمني، والمشكلات الأخلاقية والقانونية المتعلقة ببيانات البيئة الشخصية(12).

التحليل المقارن بين الدراسات

عند مقارنة الأدبيات، يظهر اتفاق واسع على أن مستقبل الوبائيات الجزيئية سيكون تكامليًا، متعدد المقاييس، وموجّهًا نحو الطب الدقيق والصحة العامة الدقيقة. هناك أيضًا اتفاق على أن البيانات الجزيئية وحدها غير كافية ما لم تُدمَج بالبيانات السريرية والبيئية والسكانية. لكن الخلافات تظهر في ثلاث نقاط رئيسية. الأولى، هل الأفضل البدء من الجينوم ثم إضافة الطبقات الأخرى، أم بناء نماذج متوازنة منذ البداية؟ بعض المراجعات تميل إلى “genomics-first” لأسباب عملية، بينما تميل أخرى إلى نماذج أكثر تكاملًا منذ التصميم الأولي(13).

النقطة الثانية تتعلق بوزن التنبؤ مقابل الفهم السببي. فبعض الدراسات تركز على تحسين الأداء التنبؤي باستخدام التعلم الآلي والـ biomarkers، في حين تؤكد أخرى أن هذه المقاربات قد تنتج “صناديق سوداء” جيدة إحصائيًا لكنها ضعيفة تفسيريًا، ولذلك تُعطى Mendelian randomization والنمذجة السببية أهمية متزايدة(14).

أما النقطة الثالثة، فهي التوتر بين العمق البيولوجي والاتساع السكاني. تقنيات أحادية الخلية والفضائية تمنح فهمًا ميكانيكيًا مدهشًا، لكنها غالبًا تُطبَّق على عينات محدودة. وعلى العكس، تمنح الدراسات السكانية الكبيرة قدرة أفضل على التعميم، لكنها تخسر بعض الدقة الميكانيكية. من المرجح أن المستقبل الناجح لن يكون بانتصار أحد المسارين، بل بدمجهما(15).

مناقشة نقدية للقيود والفجوات البحثية

رغم الوعود الكبيرة، توجد خمس فجوات منهجية أساسية. أولًا، ضعف التمثيل العالمي، إذ لا تزال قواعد البيانات الجينومية والمرجعية منحازة نحو أصول أوروبية في نسبة كبيرة من الدراسات، ما يحد من عدالة التنبؤ والتطبيق. ثانيًا، مشكلات إعادة الإنتاج والتوحيد، لأن اختلاف المنصات، والمعالجة المسبقة، والتطبيع، وتعريف النهايات، يؤدي إلى نتائج يصعب مقارنتها. ثالثًا، الفجوة السببية، إذ إن كثيرًا من الدراسات تبقى ارتباطية حتى عندما تستخدم آلاف الواسمات. رابعًا، الفجوة التطبيقية، حيث يتحول جزء من الأدبيات إلى

سباق تقني دون دليل كافٍ على تحسين القرار السريري أو المخرجات السكانية. خامسًا، القضايا الأخلاقية، مثل الخصوصية الجينومية، والانحياز الخوارزمي، والشفافية، وملكية البيانات، خاصة عند دمج السجلات الصحية والتعرضات البيئية الدقيقة(16).

كما أن هناك سؤالًا لم يُحسم بعد، وهو ما إذا كانت “البيانات الأكثر” تعني دائمًا “فهمًا أفضل”. أحيانًا تضيف طبقات الـ multi-omics تعقيدًا حسابيًا وضجيجًا أكبر من الإشارة النافعة، خصوصًا عند أحجام عينات صغيرة أو دون فرضيات بيولوجية مسبقة. لذلك يبدو أن الحقل يحتاج مستقبلًا إلى مزيج من التصميم القائم على السؤال، لا على التقنية، وإلى أطر تقرير معيارية وتحقيقات خارجية صارمة(17).

الاستنتاج الشامل

المستقبل المرجح للوبائيات الجزيئية في العلوم الطبية والصحية ليس مجرد توسع في عدد الاختبارات الجزيئية، بل إعادة بناء لطريقة فهم المرض على مستوى السكان. الاتجاه العام واضح، وهو الانتقال من وبائيات تصف المتوسطات العامة إلى وبائيات تفسر التغايرية، وتربط التعرّضات بالمسارات، وتجمع بين التنبؤ والسببية، وبين القرار السريري والصحة العامة. لكن نجاح هذا المستقبل لن يُقاس بعدد الطبقات الجزيئية أو تعقيد الخوارزميات، بل بقدرة الحقل على إنتاج معرفة قابلة للتكرار، وعادلة سكانيًا، ومجدية عمليًا، ومتصلة بتحسين الوقاية والتشخيص والعلاج(18).

الاتجاهات المستقبلية

الانتقال إلى دراسات طولية متعددة الطبقات، تجمع بين الـ multi-omics والتعرضات البيئية والسجلات الصحية في الزمن الحقيقي(19).

دمج single-cell وspatial omics مع الدراسات السكانية الواسعة عبر تصميمات مرحلية، تجمع بين العمق الميكانيكي والاتساع الوبائي(20).

توسيع الوبائيات الجينومية للممرضات من الاستجابة للفاشيات إلى المراقبة الروتينية متعددة الممرضات ومقاومة المضادات(21).

تطوير نماذج سببية هجينة تجمع MR مع الذكاء الاصطناعي وnetwork biology بدل الاعتماد على التنبؤ الصندوقي فقط(22).

تحسين عدالة التمثيل العالمي، خصوصًا في المجتمعات منخفضة ومتوسطة الدخل، لأن مستقبل الحقل سيفقد مشروعيته إن بقي منحازًا سكانيًا(23).

تحويل النتائج من “اكتشافات بحثية” إلى “مسارات قرار” واضحة، سواء في الطب الدقيق أو الصحة العامة الدقيقة(24-25).

المراجع

Ogino S, et al., 2016, The Role of Molecular Pathological Epidemiology in the Study of Neoplastic and Non-neoplastic Diseases in the Era of Precision Medicine, Epidemiology.

Hamada T, et al., 2017, Molecular Pathological Epidemiology, Annual Review related PubMed entry.

Khoury MJ, et al., 2018, From public health genomics to precision public health, Genetics in Medicine.

Brand A, et al., 2008, The impact of genetics and genomics on public health, Public Health Genomics.

Yu G, et al., 2024, Lessons and Applications of Omics Research in Diabetes Epidemiology, Current Diabetes Reports, PubMed entry.

Johansson Å, et al., 2023, Precision medicine in complex diseases, Molecular diagnosis, treatment and drug development, Journal of Internal Medicine, PubMed entry.

Mani S, et al., 2025, Genomics and multiomics in the age of precision medicine, Pediatric Research.

Baccarelli A, et al., 2023, A precision environmental health approach to prevention of human disease, Nature Communications.

Ding E, et al., 2022, A review on the application of the exposome paradigm to aging-related disease epidemiology, PubMed entry.

Tiwari S, et al., 2025, Genomics in Epidemiology and Disease Surveillance, PubMed entry.

Sitharam N, et al., 2024, SARS-CoV-2 Genomic Epidemiology Dashboards, PubMed entry.

Bianconi I, et al., 2023, Current Uses and Future Perspectives of Genomic Epidemiology in Infectious Diseases, PubMed entry.

Stockdale JE, et al., 2022, The potential of genomics for infectious disease forecasting, PubMed entry.

Mendez KM, et al., 2025, A roadmap to precision medicine through post-genomic integration with EMR, Nature Communications.

Lovegrove CE, et al., 2024, Causal inference in health and disease, a review of the opportunities and challenges of Mendelian randomization, PubMed entry.

Ebrahim S, Davey Smith G., 2008, Mendelian randomization, can genetic epidemiology help make causal inferences?, International Journal of Epidemiology, PubMed entry.

Dimou NL, et al., 2018, A Primer in Mendelian Randomization Methodology with a Focus on Utilizing Published Summary Association Data, PubMed entry.

Boef AGC, et al., 2015, Mendelian randomization studies, a review of the approaches used and the quality of reporting, PubMed entry.

Hao L, et al., 2022, Development of a clinical polygenic risk score assay and reporting workflow, Nature Medicine.

Garg M, et al., 2024, Disease prediction with multi-omics and biomarkers, Nature Genetics.

Wettinger SB, et al., 2025, Bottlenecks in advancing and applying multiomic data integration in disease research, PubMed entry.

Ye J, et al., 2024, Single cell-spatial transcriptomics and bulk multi-omics integration in hepatocellular carcinoma, npj Precision Oncology.

Wang H, et al., 2025, Advances in spatial transcriptomics and its applications, Signal Transduction and Targeted Therapy, Nature portfolio.

Safarlou CW, et al., 2023, The ethical aspects of exposome research, a systematic review, PubMed entry.

Liu W, et al., 2024, The 1% gift to humanity, The Human Genome Project II, Cell Research, Nature portfolio.