طريقة خفيفة الوزن ومعتمدة على البيانات لتجزئة مسارات براونية متعددة الحالات

مراقبة تجوال الجزيئات

داخل الخلايا الحية، تتحرّك أعداد هائلة من الجزيئات باستمرار، تتصادم وتلتصق وتنفصل، وحركتها تحمل دلائل على كيفية عمل الحياة. تتيح المجاهر الحديثة تتبُّع جزيئات مفردة أثناء حركتها، لكن تحويل هذه المسارات المتشابكة إلى روايات واضحة عن سرعة الانتشار أو لحظات الالتحام بالمُرتبطين أمر أصعب مما يبدو. تعرض هذه الورقة طريقة بسيطة وسريعة لتقسيم مثل هذه الحركات إلى «حالات» مميزة من الحركة، مما يسهل على علماء الأحياء قراءة ما تحاول أفلام الجزيئات المفردة قوله.

لماذا تتبع الجزيئات معقّد

تقنيات تتبُّع الجسيمات المفردة تسجل مواقع الجزيئات عبر الزمن، مكوِّنة مسارًا يعكس كيفية استكشافها للبيئة المحيطة. في العديد من الأنظمة الحقيقية، لا تتحرك الجزيئة بطريقة واحدة فقط: قد تتجول بحرية لفترة ثم تبطئ عند ارتباطها بمستقبل أو احتجازها في تجمع. هذا يعني أن المسار مزيج من عدة أنماط حركة، لكل منها سرعة مميزة. يمكن لأدوات التحليل الحالية، من الناحية النظرية، فصل هذه الأنماط، لكن الطرق الشائعة المستندة إلى نماذج ماركوف المخفية أو التعلم العميق غالبًا ما تكون مكثفة حسابيًا، تتطلب ضبطًا خبيرًا، أو تعمل كـ«صناديق سوداء» يصعب تفسير قراراتها.

بديل رشيق للخوارزميات الثقيلة

يقترح المؤلفون طريقة خفيفة الوزن ومعتمدة على البيانات تركز على كمية بسيطة جدًا: كم يقطع الجسيم بين إطارات الكاميرا المتتالية. أولًا، يحسبون سلسلة زمنية للازاحة خطوة بخطوة من المسار المتتبع. ثم يطبقون مرشح غاوسي أحادي البعد — نوع من المتوسط المنزلق الموزون بنعومة — على هذه السلسلة. يتحكم عرض المرشح في مدى تجانس الخطوات المجاورة. إذا كان المرشح ضيقًا جدًا، يظل الكثير من الضوضاء؛ وإذا كان واسعًا جدًا، تُطمس التحولات بين حالات الحركة المختلفة. الفكرة الأساسية هي ضبط هذا العرض تلقائيًا بحيث تتداخل الخطوات المفلترة لكل حالة حركة بأقل قدر ممكن.

ترك البيانات لتصنف نفسها

لإيجاد هذه النقطة المثلى، تعامل الطريقة الإزاحات المفلترة على أنها ناتجة عن مزيج من منحنيات على شكل جرس بسيطة. باستخدام أداة إحصائية معيارية تُدعى نموذج المزيج الغاوسي، يُركَّب منحنيان من هذا النوع على البيانات المفلترة ويُحسب مقدار تداخلهما. من خلال مسح عرض المرشحات المختلفة واختيار ذلك الذي يقلل هذا التداخل إلى الحد الأدنى، تجعل الخوارزمية حالات الحركة المختلفة متميزة بقدر ما تسمح به البيانات. بعد إيجاد الإعداد الأمثل، تُعيَّن كل إزاحة للحالة التي يرجح أن تنتمي إليها وفقًا لمنحنى الجرس الخاص بها، ما يؤدي عمليًا إلى تجزئة المسار الأصلي إلى فترات سريعة وبطيئة. ومن المهم أن هذه التجزئة تتم قبل أي محاولة لتقدير معلمات فيزيائية مثل معاملات الانتشار أو مدد الحالات، حتى يمكن قياسها لاحقًا بصيغ مألوفة ومجربة جيدًا.

الاختبار باستخدام محاكاة وجزيئات حقيقية

اختبر الباحثون طريقتهم بصرامة على مسارات مولدة حاسوبيًا حيث ينتقل الجسيم بين سرعتين انتشاريتين ذواتي خصائص معروفة. غيّروا مدى اختلاف السريعتين، ومدد بقاء الجسيم في كل حالة، ومستوى الضوضاء في قياسات المواقع، ومقدار الطمس الذي تضيفه الكاميرا. عبر نطاق واسع من الظروف الواقعية — كلما اختلفت الحالات السريعة والبطيئة بعامل يقدر بحوالي أربعة أو أكثر وكانت مدة كل حالة أطول من عدة إطارات كاميرا — ألزمت الخوارزمية التسمية الصحيحة لأكثر من 90 بالمئة من نقاط الزمن. والأهم أن الطريقة أثبتت متانتها عند تطبيقها على بيانات تجريبية من بروتينات موسومة فلورسنتيًا تنتشر في غشاء مدعوم، حيث كشفت عن مجموعتين منفصلتين بوضوح: مجموعة متحركة ومجموعة شبه ثابتة.

من تجزئات نظيفة إلى رؤى بيولوجية

بعد تجزئة المسارات، أظهر الفريق أنه يمكن استرداد معاملات الانتشار بدقة جيدة، حتى بوجود ضوضاء قياس كبيرة أو طمس حركة. وكان تقدير مدد بقاء الجزيئات في كل حالة أكثر تطلبًا واستلزم مسارات أطول، لكنه مع ذلك أعطى مددًا معقولة في ظروف مناسبة. الرسالة العامة هي أن إجراءً بسيطًا وشفافًا نسبيًا — ترشيح الخطوات في الزمن وتركيب زوج من منحنيات الجرس — يمكنه أن ينافس المناهج الأكثر تعقيدًا بينما يعمل بسرعة على حواسب عادية. وهذا يعني للمجربين أنهم يستطيعون معالجة بيانات تتبُّع الجسيمات المفردة أثناء التجربة، وضبط ظروف التصوير في الوقت الحقيقي، والحصول على صور أوضح لكيفية ارتباط الجزيئات وفصلها وتحركها في بيئات خلوية مكتظة.

الاستشهاد: El Korde, I., Lewis, J.M., Clarkson, E. et al. A light-weight, data-driven segmentation method for multi-state Brownian trajectories. npj Biol. Phys. Mech. 3, 6 (2026). https://doi.org/10.1038/s44341-026-00037-7

الكلمات المفتاحية: تتبُّع جسيم مفرد, انتشار جزيئي, تجزئة المسار, حركة براونية, بروتينات غشائية