FidlTrack: מעקב חלקיק יחיד רגיש למבנה וברזולוציה גבוהה פותר תנועה מולקולרית תוך-תאית באברונים החושדים בעיבוד APP

צפייה במולקולות בודדות בתוך תאים חיים

בתוך כל תא, מספר עצום של מולקולות זזים כל הזמן — נתקלים, נקשרים ומתפרקים. מצלמות מודרניות יכולות לעקוב אחרי מולקולות בודדות אחת-אחת, ומבטיחות תצפית מפורטת על אופן הפעולה של החיים בקנה המידה הקטן ביותר. אך כאשר מולקולות רבות נעות במהירות במרחבים צרים ומתפתלים כגון הרטיקולום האנדופלסמי או המיטוכונדריה, המסלולים שלהן מסתבכים וקל לפרש אותם לא נכון. מאמר זה מציג את FidlTrack, שיטה חדשה שמנקה את הסבך הזה כדי שחוקרים יוכלו לסמוך על מה שהם רואים כשהם עוקבים אחרי מולקולות בודדות בזמן אמת.

מדוע מעקב תנועות זעירות קשה כל כך

מעקב חלקיק יחיד עובד על ידי מעקב אחר אותו נקודה מוארת לאורך מסגרות רבות של וידאו. על פני שטח תאי יחסית שטוח, שם המולקולות נעות לאט ומרוחקות זו מזו, זה בר-ניהול. אך עמוק בתוך התא המולקולות מתפזרות הרבה יותר מהר ומצופפות בתוך צינורות וסדינים מתפתלים וצרים. בין מסגרות ייתכן שהנקודה עברה מרחק רב, וכמה נקודות זהות עשויות להימצא בטווח. תוכנה מסורתית צריכה "להנחש" איזו נקודה במסגרת הבאה שייכת לאותה מולקולה, והניחושים האלה עלולים להיות שגויים בקלות. גרוע מכך, מסלולים נכונים ושגויים יכולים להיראות דומים מאוד, ולכן קשה לדעת באילו חלקי הנתונים ניתן לסמוך.

עיצוב ניסויים לקבלת נתונים אמינים

החוקרים בנו קודם כל סימולטור ריאלי שמייצר סרטונים של "אמת קרקעית" של מולקולות מפוזרות, שבהם המסלולים האמיתיים ידועים. הם השתמשו במערכי נתונים סינתטיים אלו כדי לבדוק באופן שיטתי כיצד גורמים מרכזיים משפיעים על מהימנות המעקב: עד כמה המולקולות נעות מהר, כמה מופיעות בכל תמונה, באיזו תדירות נאספות התמונות ובאיזו מרחק מותר למולקולה לקפוץ בין מסגרות. מתוך כך יצרו מפות שמראות, לכל מצב נתון, אילו הגדרות ממקסמות את החלק של התנועות ששוחזרו נכון. מפות אלה מראות שעבור מולקולות נעות לאט בצפיפויות בינוניות המעקב יכול להיות מאוד אמין, אך עבור מולקולות נעות במהירות בצפיפויות גבוהות, השגיאות גדלות במהירות והוספת יותר מולקולות כבר לא משפרת את המידע השימושי.

זיהוי והסרת צעדים ספקניים

לאחר מכן הצוות התמודד עם רעיון עדין אך עוצמתי: עמימות. תנועה נקראת עמומה כאשר נמצאות יותר מאשר אפשרות אחת ל"נקודה הבאה" בטווח, מה שמאלץ את האלגוריתם לבחור בין מספר קישורים סבירים. באמצעות הסימולציות שלהם הראו המחברים שחלק גדול מהטעויות במעקב נובע מצעדים עמומים אלו. הם הגדירו ציון עמימות הסופר כמה פעמים מצבים כאלה מתרחשים, ואז בחנו מה קורה אם מסירים את כל הצעדים העמומים לאחר המעקב. חיתוך זה מקריב חלק מהנתונים ומקצר מסלולים, אך משפר באופן חד את האמינות הכוללת של מה שנשאר ומשפר את האומדנים של מהירות התנועה של המולקולות. כאשר יישמו זאת על סרטונים אמיתיים של סימן ברטיקולום האנדופלסמי, העמימות הייתה גבוהה יותר באזורים צפופים ליד גרעין התא, והסרת הקישורים העמומים ניקתה את האזורים הללו دون לפגוע באזורים הפשוטים יותר.

הנעת המעקב על ידי ארכיטקטורת התא

החידוש המרכזי של FidlTrack הוא מעקב "המודע למבנה". במקום להתייחס לכל נקודה כאל נעה בחלל ריק, השיטה משתמשת בתמונות של הארכיטקטורה הפנימית של התא — כגון קווי המתאר של הרטיקולום האנדופלסמי, המיטוכונדריה או שלוחות נוירונליות צרות — כדי להגביל היכן מולקולות יכולות לנוע באופן ריאלי. תמונת האברון מומרת לגרף של פיקסלים מחוברים, והמרחקים נמדדים לאורך גרף זה במקום בקווים ישרים דרך המרחב. קישורים שיצריכו מהמולקולה לקפוץ מעבר לפער בין שני צינורונים נפרדים יכולים כך להיות מסומנים כאי-אפשריים ולהדחות. בסימולציות של צינורות צפופים ובסרטונים אמיתיים של תהליכים נוירונליים ואברונים, מודעות למבנה זו הקטינה את הקישורים העמומים עד למחצית והגדילה את כמות הנתונים האמינים והלא-עמומים מספר פעמים.

גילוי התנהגויות תאיות חבויות ואירועים רלוונטיים למחלה

מצוידים בכלים אלה — הגדרות ממוטבות, סינון עמימות ומודעות למבנה — המחברים שבו ושקללו מספר שאלות ביולוגיות שהיו עד כה מחוץ להישג יד. ברטיקולום האנדופלסמי הם יכלו לעקוב בצורה ברורה כיצד חלבונים נעים כשהם מתקשרים עם אתרי יציאה שמכוונים מטען לעבר התמנון (גולג'י), והבחינו בין "מעברים מהירים" קצרים לשהיות ממושכות יותר. הם תפסו רגעים נדירים שבהם החלבון הקשור לאלצהיימר APP נחתך על ידי האנזים BACE1, הנראים כהחלפה פתאומית מתנועה איטית קשורה לממברנה לדיפוזיה חופשית מהירה יותר. הם גם עקבו אחרי מולקולות מהונדסות דמויות-נוגדן ברטיקולום, ומשינויים בתנועתן הסיקו מתי היו קשורות למטרה שלהן לעומת כאשר הן שטו בחופשיות. בכל המקרים המגוונים הללו, FidlTrack שחזרה מסלולים אמינים יותר וחדדה הבדלים שעקבות סטנדרטיות מטשטשות או מעריכות נמוך מדי.

מה זה אומר עבור ביולוגיה תאית בעתיד

ללא מומחים, המסר המרכזי הוא שלא כל מסלול של מולקולה יחידה נוצר שווה: חלקם אמינים, אחרים מטשטשים, ועד כה קשה היה להבדיל ביניהם. FidlTrack מספק כלי מעשי וקוד-פתוח הן למדוד עד כמה מערך נתונים נתון אמין והן לשפר אמינות זו על ידי כוונון הגדרות ניסוי, הסרת צעדים עמומים ושימוש בגאומטריה של התא כמדריך. זה מאפשר לצפות כיצד מולקולות מנווטות בפנים המורכב של התא בביטחון גדול יותר ולגלות אירועים נדירים או עדינים, ממיון חלבונים ועד עיבוד רלוונטי למחלה, שעד כה היו שקועים ברעש.

ציטוט: Parutto, P., Yuan, Y., Davì, V. et al. FidlTrack: high-fidelity structure-aware single particle tracking resolves intracellular molecular motion in organelles sensing APP processing. Nat Commun 17, 2639 (2026). https://doi.org/10.1038/s41467-026-69067-y

מילות מפתח: מעקב חלקיק יחיד, דינמיקה תוך-תאית, מבנה האברון, תנועת חלבון, מחלת אלצהיימר