تصوير توليدي للأوعية الدموية الدماغية باستخدام بيانات النسخ المكانية

لماذا تهم أوعية الدم في الدماغ

يعتمد الدماغ على شبكة كثيفة من الأوعية الدموية التي توصل الأكسجين والمغذيات في كل لحظة. عندما يتعطل هذا الشبك، يمكن أن تتأثر الوظائف الإدراكية والحركية والذاكرة بسرعة. ومع ذلك، فإن رسم خرائط هذه الأوعية الصغيرة عبر الدماغ بأكمله أمر بالغ الصعوبة. في هذه الدراسة، يستخدم الباحثون شكلاً من أشكال الذكاء الاصطناعي لتحويل بيانات جزيئية من أدمغة الفئران إلى صور افتراضية مفصلة لنظام الأوعية الدموية في الدماغ، مما يوفر طريقة جديدة لاستكشاف كيف يدعم تدفق الدم الصحي وظائف الدماغ.

طريقة جديدة لرؤية «سباكة» الدماغ

بدلاً من البدء بصور مجهرية تقليدية، يعمل الفريق من بيانات النسخ المكانية، وهي تقنية تسجل أي الجينات نشطة وأين في شرائح دماغية رفيعة. بنوا على نموذج توليدي يُسمى Tera-MIND، طور أصلاً لمحاكاة بنية دماغ الفأر من أنماط نشاط الجينات. هنا، أعادوا توظيفه للتركيز على الأوعية الدموية. يتعلم النموذج كيف يظهر نشاط جينات مرتبطة بالأوعية في الفضاء، ثم يستخدم تلك المعلومات لـ «تخيّل» صور واقعية لأنسجة الدماغ تنشأ فيها أنماط وعائية من بيانات الجينات وحدها.

تحويل إشارات الجينات إلى خرائط أوعية

يركز الباحثون على جينين أساسيين يميزان أجزاء مختلفة من النظام الوعائي. جين واحد، Cldn5، نشط في الخلايا الرقيقة التي تغلق حاجز الدم–الدماغ في الأوعية الصغيرة. والآخر، Acta2، نشط في خلايا عضلية تحيط بالشرايين الأكبر. من خلال تزويد Tera-MIND بنشاط هذين الجينين المكاني عبر أقسام كثيرة من أدمغة ثلاثة فئران، ينتج النموذج صوراً تظهر مناطق غنية بالشعيرات الدموية ومناطق أراضي شريانية رئيسية حيث يتوقعها علم الأحياء. كما يحسب خريطة «انتباه» داخلية تبرز الأماكن التي يكون فيها كلا الجينين نشطين معاً، مما يساعد النموذج على ربط الإشارات المتفرقة إلى مسارات مستمرة تشبه الأوعية.

اختبار الأوعية الافتراضية

للتحقق مما إذا كانت هذه الأوعية الافتراضية منطقية، يقارن الفريق توقعات النموذج مع خرائط معروفة لأوعية دماغ الفأر ومع أنماط مرصودة في بيانات التصوير الأصلية. يجدون أن إشارات Cldn5 المتوقعة تتبع مسارات طويلة ورفيعة نموذجية للشعيرات الدموية، بينما تتراصف إشارات Acta2 مع مقاطع عرضية لشرايين أكبر على سطح الدماغ وداخله. عبر 50 شريحة دماغية، تُظهر خرائط الانتباه للنموذج بالنسبة لـ Acta2 ارتباطاً قوياً بمواقع تعبير هذا الجين فعلياً، والمناطق التي يظهر فيها Cldn5 وActa2 معاً تحسن الدقة التنبؤية. يشير هذا إلى أن النموذج يستخدم نشاط الجينات المشترك لاستنتاج كيفية ترتيب وأنماط الاتصال بين أنواع الأوعية المختلفة.

نقاط القوة والحدود والاستخدامات المستقبلية

يقدم النهج وسيلة سريعة وموفرة للتكلفة وتقلل من استخدام الحيوانات لاستكشاف البنية الوعائية دون الحاجة لصبغات جديدة أو مجاهر معقدة. من خلال إعادة استخدام مجموعات بيانات جينية مكانية موجودة، يمكنه توليد صور ثلاثية الأبعاد لكيفية امتداد الأراضي الوعائية عبر مناطق دماغية مختلفة وكيف يرتبط نشاط الجينات بتنظيم الأوعية الدموية. ومع ذلك، تأتي البيانات الأساسية من شرائح دماغية مفصولة بفجوات ملحوظة، وإشارات الجينات متفرقة. نتيجة لذلك، يجب اعتبار الأوعية الافتراضية مخططات احتمالية للأراضي الوعائية بدلاً من إعادة بناء دقيقة لكل تفرع شعيري. لا يستطيع النموذج استرداد الطوبولوجيا الدقيقة حيث تكون مؤشرات الجينات مفقودة أو نادرة العينة.

ما يعنيه هذا لأبحاث صحة الدماغ

تُظهر الدراسة أن الذكاء الاصطناعي التوليدي يمكنه تحويل لقطات جزيئية إلى صور كبيرة المقياس ومفهومة لإمداد الدماغ بالدم. بالتركيز على مجموعة صغيرة من جينات الأوعية المختارة بعناية، يستعيد النموذج أنماطاً واقعية للشرايين والشعيرات الدموية عبر أدمغة الفئران كاملة. في المستقبل، قد يساعد إضافة المزيد من العلامات الوعائية ودمج هذه الطريقة مع بيانات التصوير والجينومية العلماء في دراسة كيف يتغير تدفق الدم في نماذج الأمراض، مثل تلك التي تعاني من تسربات في حاجز الدم–الدماغ أو تلف الأوعية. في الوقت الحالي، يؤسس العمل أداة محاكاة قوية لاستكشاف كيفية تنظيم «سباكة» الدماغ، باستخدام معلومات مخفية بالفعل في خرائط الجينات الموجودة.

الاستشهاد: Berg, I., Wu, J. & Koelzer, V.H. Generative cerebral vasculature visualization using spatial transcriptomic data. Sci Rep 16, 15540 (2026). https://doi.org/10.1038/s41598-026-46455-4

الكلمات المفتاحية: الأوعية الدموية الدماغية, النسخ المكاني, الذكاء الاصطناعي التوليدي, دماغ الفأر, حاجز الدم–الدماغ