طوبولوجيا جوار الخلايا توجه تحديد تجمعات الخلايا النادرة

لماذا تهم المجموعات الخلوية الصغيرة

أجسامنا مبنية من حشود هائلة من الخلايا، لكن بعض أهم الفاعلين هم أنواع خلايا نادرة تشكل جزءًا ضئيلاً جدًا من المجموع الكلي. هذه الخلايا النادرة قد تقود انتشار السرطان، تشكّل أمراض الدماغ، أو تنسّق الاستجابات المناعية، ومع ذلك يصعب رصدها في خرائط الخلايا المفردة والمكانية الحديثة للأنسجة. تقدم هذه الدراسة RareQ، نهجًا حسابيًا جديدًا مصممًا للعثور بثقة على هذه المجموعات الخلوية المخفية، حتى في مجموعات بيانات ضخمة ومعقّدة.

البحث عن أنماط في أحياء الخلايا

تقوم الطرق التقليدية غالبًا بتجميع الخلايا عبر النظر إلى الجينات التي تعبّر عنها ثم تقسيم البيانات إلى عناقيد. هذا يعمل جيدًا للأنواع الشائعة لكنه في كثير من الأحيان يدمج الأنواع النادرة في مجموعات أكبر أو يتعامل معها كضوضاء. يتبع RareQ مسارًا مختلفًا. بدلًا من التركيز فقط على مستويات الجين، يفحص كيف تجلس كل خلية داخل شبكة من أقرب جيرانها. إذا كانت الخلية وجيرانها القريبون مترابطين بشدة فيما بينهم ولكنهم مرتبطون بشكل ضعيف ببقية الشبكة، يميّز RareQ هذا الحيّ على أنه مميز. تتجسد هذه الفكرة في مقياس يسمى Q، الذي يعكس مدى "تماسك" حي الخلية المحلي.

تحويل التكتلات إلى مجموعات خلوية ذات معنى

باستخدام درجة Q، يبني RareQ مجموعات الخلايا خطوة بخطوة. تبدأ كل خلية في كتلة صغيرة خاصة بها، ثم تتبنى تدريجيًا تسمية الجار الأعلى Q ضمن حيها الصغير. ببساطة، تعمل التكتلات المتماسكة كمرساة تجذب الخلايا المشابهة القريبة. بعد انتشار هذه التسميات، يتحقق الأسلوب من أي العناقيد الناتجة مترابطة بقوة داخليًا ومرتبطة بشكل ضعيف بالآخرين. تُعامل العناقيد ذات Q المتوسط العالي كمجموعات نادرة مرشحة، بينما تُدمج العناقيد الأضعف لتشكّل الأنواع الخلوية الكبرى. تتيح هذه العملية لـRareQ فصل المجتمعات الخلوية الكبيرة والصغيرة دون الحاجة لمعرفة مسبقة بعدد الأنواع الموجودة.

اختبار RareQ عبر أنسجة متعددة

قيّم المؤلفون RareQ على مئات مجموعات البيانات المحاكاة والحقيقية، بما في ذلك خلايا الدم، خلايا بطانة الممرات الهوائية، نسيج الدماغ، الأورام، والخرائط المكانية. عبر هذه الاختبارات، اكتشف RareQ أنواع الخلايا النادرة بدقة أكبر من سبع طرق رائدة، وغالبًا ما وجد مجموعات نادرة أكثر مع دقة واستدعاء أعلى. كما أنه عمل بسرعة أكبر واستخدم ذاكرة أقل، حيث حلل بنجاح مجموعات بيانات تتجاوز المليون خلية حيث فشلت بعض الأدوات المنافسة. في البيانات متعددة النمط التي تجمع بين نشاط الجينات ووصول الكروماتين أو البروتينات السطحية، يمكن تطبيق RareQ على كل طبقة على حدة أو على عروض مدمجة، وغالبًا ما يكشف عن أنواع خلايا نادرة كانت غير مرئية لطرق تعتمد على نوع بيانات واحد أو نماذج تعلم عميق مكثفة.

كشف الفاعلين الخفيين في الصحة والمرض

بتطبيق RareQ على مشكلات بيولوجية محددة، تُبيّن الدراسة كيف يمكن لهذه المجموعات الخلوية المخفية أن تعيد تشكيل فهمنا للأنسجة. في الممرات الهوائية، استعاد RareQ خلايا طلائية نادرة معروفة وكشف مجموعات فرعية جديدة مرتبطة بالانقسام الخلوي، تكوين الأهداب، والاستجابات المضادة للفيروسات. في لمفوما الخلايا البائية وسرطان الكلية، حدّد مجموعات مناعية ونظراء مرتبطين بالورم نادرة، بما في ذلك خلايا شجرية ذات نشاط نقاط تفتيش مرتفع قد تؤثر على الاستجابة للعلاج المناعي. في عينات دماغ مرضى الزهايمر، أبرز RareQ حالات نادرة من الخلايا الميكروغلية والخلايا النجمية الغنية لدى المرضى، مع أنماط جينية مرتبطة بالالتهاب، وإزالة الحطام، والتعامل مع بروتينات الأميلويد. في مجموعات بيانات مكانية عالية الدقة من دماغ الفأر، اكتشف مجموعات صغيرة دقيقة من الناحية المكانية، مثل مناطق فرعية متميزة من الخلايا العصبية في الحُصين وخلايا طلائية مهدبة متخصصة في الضفيرة المشيمية، والتي كانت طرق أخرى قد أغفلتها أو دمجتها معًا.

ماذا يعني هذا لخرائط الخلايا المستقبلية

للقارئ العام، الرسالة الأساسية هي أن RareQ يقدم طريقة أكثر حساسية وكفاءة للعثور على أنواع الخلايا النادرة التي غالبًا ما تعمل كمقابض تحكم للمرض ووظيفة النسيج. عبر التركيز على كيفية توصيل الخلايا بجيرانها بدلًا من الاعتماد فقط على مستويات الجين الخام، يستطيع RareQ استخلاص مجموعات خلوية صغيرة لكنها متماسكة من مجموعات بيانات ضخمة. هذا يجعل أطالس الخلايا المستقبلية أكثر اكتمالًا ويفتح الباب لدراسة حالات خلوية مراوغة قد تصبح أهدافًا للتشخيص أو العلاج.

الاستشهاد: Fa, B., Huang, C., Ma, Y. et al. Cell neighborhood topology directs rare cell population identification. Nat Commun 17, 4618 (2026). https://doi.org/10.1038/s41467-026-71180-x

الكلمات المفتاحية: خلايا نادرة, تحليل خلية مفردة, نسخ مكانية, شبكات الخلايا, علم الأحياء الحسابي