إعادة التفكيك المحسّنة الموجهة بالانتباه تمكّن تقدير أنواع الخلايا دون مرجع في تقنية النسخ المكانية

رؤية الخلايا في مواضعها

يمكن لعلم الأحياء الحديث قراءة نشاط آلاف الجينات دفعة واحدة، ليس في خلايا معزولة فحسب بل مباشرة داخل شرائح رقيقة من الأنسجة. تكشف هذه النظرة —المعروفة باسم «النسخ المكانية»— عن أماكن تواجد الخلايا وتفاعلاتها، لكن كل قياس غالباً ما يمزج إشارات من عدة خلايا متجاورة. تقدم الدراسة طريقة حسابية جديدة تسمى AGED، تُمكّن من فصل هذه الخلطات وتقدير أنواع الخلايا الموجودة في كل موضع —دون الحاجة إلى مجموعة مرجعية مفردية الخلايا مطابقة بعناية.

لماذا يكون تتبّع الخلايا في الأنسجة صعباً

تقيس منصات النسخ المكانية نشاط الجينات عبر شبكة من النقاط الموضوعة فوق شريحة نسيجية. وبما أن معظم النقاط تلتقط عدة خلايا معاً، يتعين على الباحثين تفكيك الإشارات المختلطة رياضياً لاستعادة أنواع الخلايا ونسبها الأساسية. تعتمد الأدوات الحالية كثيراً على أطلسات مرجعية مفردية الخلايا للنسيج نفسه. قد تكون هذه الأطلسات مفقودة للأنسجة النادرة أو حالات الأمراض الخاصة أو ظروف تجريبية غير معتادة، وحتى عندما تكون متاحة قد لا تتطابق تماماً مما يضيف انحيازات. تتجنب الطرق دون مرجع هذا التبعية، لكن الأساليب الحالية تواجه صعوبة في التعامل مع الأنماط المكانية المعقدة، والعلاقات الجينية الدقيقة، والتحدي المتمثل في تحديد عدد أنواع الخلايا المتميزة المطلوب البحث عنها أصلاً.

استراتيجية من خطوتين لفك الخلطات

صمم المؤلفون AGED كإطار عمل من مرحلتين يجمع أفكاراً من الإحصاء والتعلّم العميق المعاصر. في المرحلة الأولى يختبر الأسلوب مجموعة من الاحتمالات لعدد أنواع الخلايا المحتملة في النسيج. يستخدم الشبكة العصبية سريعة القائمة على الانتباه والمعروفة باسم Performer لتعلّم تفكيكات مرشحة ثم يقيمها بعدة معايير في آن واحد: مدى جودة إعادة بناء عدّ الجينات المرصودة، ومدى وضوح فصل المجموعات الخلوية المستنتجة عن بعضها، ومدى تنوّع تلك المجموعات. إجراء ملاءمة منحنى يحدد «نقطة الكوع» حيث يضيف إدخال أنواع خلايا إضافية فائدة ضئيلة، مما يسمح للطريقة باختيار عدد مناسب تلقائياً بدلاً من الاعتماد على تخمين المستخدم.

انتباه موجه لالتقاط البُنى البيولوجية

بمجرد تحديد عدد أنواع الخلايا، تُنقّح المرحلة الثانية في AGED الحل بهيكلية تعتمد على الانتباه أكثر ثراءً. تبدأ من نموذج موضوعي إحصائي يعتبر كل نقطة نسيجية خليطاً من «موضوعات» مخفية —تؤدي هنا دور أنواع الخلايا— ولكل نوع خلايا نمط جبيني مميز. توفر هذه الموضوعات الأولية بنية عالمية. ثم يضيف النموذج عدة آليات انتباه: أحدها يربط الموضوعات الإحصائية بالشبكة العصبية، وآخر يجمع معلومات من النقاط المجاورة في الفضاء الفيزيائي، وثالث يربط الموضوعات مباشرةً بالجينات. يتيح نظام البوابة للنموذج أن يقرر، لكل حالة، مدى الثقة في الأنماط الإحصائية السابقة مقابل البيانات المحلية. تشجع قيود إضافية على حلول متناثرة، معبرة عن الحقيقة البيولوجية أن معظم مواقع النسيج يهيمن عليها عدد قليل من أنواع الخلايا الرئيسية.

تجريب الطريقة واختبارها

قيّم الباحثون AGED على عدة أنواع من البيانات. في نسيج بَصَلَة الشم لدى الفأر المصطنعة، استعاد الأسلوب أربع طبقات تشريحية معروفة ووافق التركيبات الخلوية الحقيقية عن قرب أكثر من الأدوات الشائعة المعتمدة على المراجع وتلك دون مرجع، محققاً كل من ارتباط عالٍ مع الحقيقة المرجعية وخطأ إعادة بناء منخفض. في سرطانات القنوات البنكرياسية لدى الإنسان، اختار AGED تلقائياً حلاً مكوّناً من عشرين نوع خلايا تماشى مع مناطق مشروحة من قبل الأخصائيين مثل الورم والقناة والبنكرياس الطبيعي، متفوّقاً على طرق أخرى في مقياس التشابه البنيوي الذي يقارن الخرائط المستنتجة بالبنية النسيجية المرئية. في نسيج الغدة الزعترية البشرية، فصل AGED بدقة تجمعات خلوية رئيسية والتقط علاقة سلبية متوقعة بيولوجياً بين نوعين متخصّصين من الخلايا الظهارية —نمط فشلت الطرق المنافسة في إعادة إنتاجه. دعمت تحليلات إضافية على مجموعات بيانات أخرى وعلى دقة شبيهة بالخلايا المفردة متانة الطريقة.

ماذا يعني هذا للمستقبل

لغير المتخصص، يمكن اعتبار AGED كمحرّك ذكي لفك الخلطات في الأنسجة المعقدة: يتعلّم كم من المجتمعات الخلوية المتميزة موجودة، أين تقع، وأي الجينات تعرفها، وكل ذلك من البيانات المكانية نفسها. من خلال نسج نماذج إحصائية قابلة للتفسير مع شبكات عصبية مرنة تعتمد على الانتباه، يوفر الإطار دقة وبصيرة، حتى عندما لا يوجد أطلس مرجعي مناسب. يجعل ذلك منه أداة عملية لاستكشاف تنظيم الأنسجة في الصحة والمرض، من طبقات الدماغ إلى الأورام والأعضاء المناعية، ويشير إلى استراتيجية أوسع لاستخدام المعرفة السابقة لتوجيه نماذج التعلم الآلي القوية ولكن غير الشفافة في علم الأحياء.

الاستشهاد: Yang, X., Wang, Y. & Chen, X. Attention-guided enhanced deconvolution enables reference-free cell type estimation in spatial transcriptomics. Sci Rep 16, 8097 (2026). https://doi.org/10.1038/s41598-026-39703-0

الكلمات المفتاحية: النسخ المكانية, تفكيك أنواع الخلايا, التعلّم العميق, بنية الأنسجة, التحليل دون مرجع