من البكتيريا المتجولة إلى الخلايا المتنقلة في أجسامنا، قلّما تتحرك الكائنات الحية بنفس الطريقة تمامًا. لكل فرد سماته الخاصة، ومع ذلك تلتقط التجارب غالبًا مقتطفات قصيرة وصاخبة فقط من حركتهم. تُظهر هذه الدراسة كيف يمكن تحويل هذه المسارات المجزأة إلى صورة واضحة لمدى تنوّع السكان فعليًا، باستخدام أداة إحصائية تعمل حتى عندما تبدو الحركة عشوائية ولا تُسجّل إلا المواضع وليس السرعات.
مراقبة العديد من الرحّالة الصغار
يمكن للمجاهر والكاميرات الحديثة تتبّع أسراب الخلايا أو الكائنات الدقيقة أو «الجسيمات الفعّالة» الأخرى وهي تزحف أو تسبح أو تنزلق. لكن في الواقع، قد يختفي كل خلية عن المشهد بعد وقت قصير لأنّها تخرج من مجال الرؤية أو تُحجب بواسطة الجيران. بدلًا من عدد قليل من الأفلام الطويلة لنفس الفرد، ينتهي العلماء بعدد كبير من المسارات القصيرة لعناصر مختلفة. علاوة على ذلك، حتى الميكروبات أو الخلايا المتطابقة وراثيًا لا تتحرك بطريقة موحّدة: بعضها أكثر ثباتًا، وبعضها أكثر فوضوية، وبعضها يستجيب للبيئة بشكل مختلف. قد يؤدي تجاهل هذا التفرد إلى استنتاجات مضللة حول سلوك المجموعة بأكملها.
من المسارات العشوائية إلى القواعد الكامنة Figure 1. تنتج عدة جسيمات متحركة مسارات قصيرة تكشف عن نمط كامن من التنوّع في حركتها.
لفهم مثل هذه الحركة، يصفها الباحثون غالبًا بنماذج «لانجيفن»: قواعد رياضية تعامل الحركة كمزيج من اتجاهات منتظمة ودفعات عشوائية. بالنسبة للعديد من الأنظمة النشطة، لا يكفي النظر إلى تغيّر المواضع وحدها، لأن السرعات الكامنة تتذبذب مع الزمن وتُدخل ذاكرة في الحركة. هذا يجعل المواضع الملاحظة غير ماركوفية، بمعنى أن الخطوة التالية تعتمد على أكثر من الحالة الحالية فقط. يمكن أن تصبح الأساليب القياسية التي تُقدّر معلمات النموذج من تغيرات خطوة بخطوة متحيزة حينها، خصوصًا عندما تُقاس المواضع فقط وتظل السرعات الحقيقية مخفيّة. يبيّن المؤلفون أن الطرق الساذجة قد تُقدّر بشكل منهجي كميات رئيسية مثل скорости تغير اتجاه الجسيمات أو قوة الدفعات العشوائية بشكل خاطئ.
طريقة أذكى لقراءة البيانات الصاخبة
جوهر الورقة هو طريقة جديدة لتقريب مدى احتمال مجموعة معينة من معلمات النموذج، بالنظر إلى مسار مسجّل. بدلًا من الافتراض أن السرعات المشتقة التقريبية عبر فروق متناهية الصغر تتصرّف كالسرعات اللحظية الحقيقية، تأخذ الطريقة بعين الاعتبار أن الحركة الملاحظة تمّ تَمْليسها عبر نوافذ زمنية قصيرة. رياضيًا، يؤدي ذلك إلى وصف تُحرّك فيه هذه «السرعات التقاطية» بضوضاء ملونة ذات ارتباطات قصيرة المدى محددة. من خلال التقاط هذه الارتباطات في مصفوفة مدمجة ذات هيكل بسيط، يستنتج المؤلفون صيغة احتمال يمكن تقييمها بسرعة، حتى للمسارات الطويلة ذات نقاط البيانات الكثيرة.
التوسّع من الأفراد إلى السكان Figure 2. تندمج المسارات القصيرة والصاخبة في ملف تعريف سكاني أوضح عن طريق وزن جميع معلمات الحركة الممكنة وفق احتماليّتها.
بمجرد أن يكتبوا مدى احتمال مسار فردي لمجموعة معطاة من المعلمات، يتقدّم المؤلفون خطوة أبعد ويسمحون لتلك المعلمات بالاختلاف من جسيم لآخر. يعاملون الساكنة بأكملها كما لو أنها مأخوذة من توزيع مجهول ثم يسألون أي توزيع يفسّر كل المسارات الملاحظة دفعة واحدة على أفضل نحو. لحل هذا، يستخدمون مخطط التوقع–التعظيم، الذي يتناوب بين تقدير مدى احتمال قيم معلمات مختلفة لكل مسار وتحديث التوزيع السكاني العام. يتفوّق هذا النهج «الاحتمالي الكامل» على الطرق الأبسط ذات المرحلتين التي تُناسب أولًا كل مسار بشكل مستقل ثم تُلائم توزيعًا لتلك التقديرات النقطية، خصوصًا عندما تكون المسارات قصيرة وعدم اليقين حول كل فرد عاليًا.
معرفة مدى تيقّننا
بعيدًا عن تقديم صورة أفضل للتباين السكاني، يوفر الإطار أيضًا طريقة لقياس مدى عدم اليقين في تلك الصورة. من خلال فحص مدى حدّة قمة الاحتمالية حول قيمتها العظمى، يحسب المؤلفون مصفوفة هيسيان تنبئ مقلوبها بالانتشار المتوقع لمعلمات السكان المستنتَجة عبر تجارب متكررة. ينتج عن ذلك مناطق ثقة تُظهر مدى احتمال تحرك التوزيع المستنتَج بسبب بيانات محدودة. تُظهر الاختبارات على بيانات محاكاة، بما في ذلك نماذج للجسيمات الفعّالة ذات سرعات مفضلة وميول دورانية، أن الطريقة تستعيد التغايرية المفروضة بشكل موثوق مع تحسّن العيّنة وطول المسارات.
ماذا يعني هذا لدراسة الحركة الحيّة
بعبارات بسيطة، تعرض المقالة وصفة لفصل مصدرين للعشوائية في بيانات الحركة: الارتجافات العشوائية لكل فرد عبر الزمن والاختلافات الحقيقية بين الأفراد في السكان. من خلال التعامل الصحيح مع المسارات القصيرة التي تُسجل المواضع فقط والسرعات المخفية خلفها، توفر الطريقة رؤية أوضح وأكثر مصداقية لمدى تنوّع مجموعة من الجسيمات أو الخلايا المتحركة، وإلى أي مدى يمكن أن نكون واثقين من هذه الرؤية. يمهّد ذلك الطريق لنماذج أكثر تفصيلاً ومبنية على البيانات للأنظمة المتحركة المعقدة، من خلايا مهاجرة في الأنسجة إلى جسيمات ذاتية الدفع في مواد مُهندَسة.
الاستشهاد: Albrecht, J., Opper, M. & Großmann, R. A Likelihood Approach for Inference of Population Heterogeneity in Particle Ensembles with Second-Order Langevin Dynamics.
Commun Phys9, 165 (2026). https://doi.org/10.1038/s42005-026-02670-z
الكلمات المفتاحية: المادة النشطة, حركة الخلايا, النمذجة العشوائية, تغايرية السكان, تحليل المسارات
