שיטת סגמנטציה קלת משקל ומונחית-נתונים למסלולי בראוניאן רב-מצבים

צפייה במולקולות סורקות

בתוך תאים חיים, מולקולות רבות נעות ללא הרף, מתחברות ומתנתקות, ותנועתן מחזיקה רמזים לאופן פעולת החיים. מיקרוסקופים מודרניים יכולים לעקוב אחרי מולקולה בודדת כשהיא נעה, אבל להפוך נתיבים מסובכים אלה לסיפורים ברורים על מהירות הדיפוזיה או על רגעי הקשירה הוא משימה קשה יותר ממה שנדמה. מאמר זה מציג שיטה פשוטה ומהירה לפירוק תנועה כזו ל"מצבים" מובחנים של תנועה, מה שמקל על ביולוגים לקרוא את מה שסרטונים של מולקולות בודדות מנסים לספר לנו.

מדוע מעקב אחרי מולקולות מסובך

טכניקות עִקּוּב חָלקִיקים בודדים רושמות את מיקומן של מולקולות לאורך זמן, בונות מסלול המשקף כיצד הן חוקרות את סביבתן. במערכות אמיתיות רבות מולקולה לא נעה באותה דרך תמיד: היא עשויה לשוטט בחופשיות לפרק זמן ואז להאט כאשר היא נקשרת לקולטן או נלכדת באשכול. המשמעות היא שמסלול הוא תערובת של מצבי תנועה שונים, שלכל אחד מהם מהירות אופיינית משלו. כלי ניתוח קיימים יכולים, בעקרון, להפריד בין מצבים אלה, אבל שיטות נפוצות המבוססות על מודלים נסתרי-מרקוב או על למידה עמוקה הן לעתים כבידות חישובית, דורשות כוונון מומחה או פועלות כ"קופסאות שחורות" שקשות לפרש את החלטותיהן.

אלטרנטיבה רזה לאלגוריתמים כבדים

המחברים מציעים שיטה קלת-משקל ומונחית-נתונים המתמקדת בכמות פשוטה מאוד: כמה רחוק החלקיק זז בין מסגרות מצלמה עוקבות. קודם כל הם מחשבים את סדרת ההעתקות צעד-אחרי-צעד מהמסלול המתוּעד. לאחר מכן הם מיישמים על הסדרה מסנן גאוסי חד-ממדי — סוג ממוצע מחליק ומשוקלל באופן חלק — על הסדרה הזו. רוחב המסנן שולט עד כמה צעדיהן הסמוכים נשקללים יחד. אם המסנן צר מדי, יתוקן מעט רעש; אם הוא רחב מדי, המעברים בין מצבי תנועה שונים יתשטשו. הרעיון המרכזי הוא לכוונן את הרוחב הזה אוטומטית כך שהצעדים המסוננים מכל מצב תנועה יתחברו זה עם זה כמה שפחות.

לתת לנתונים למיין את עצמם

כדי למצוא את הנקודה המתאימה, השיטה מתייחסת להעתקות המסוננות כאילו הן מגיעות מתערובת של עקומות פעמון פשוטות. באמצעות כלי סטטיסטי סטנדרטי הנקרא מודל תערובת גאוסית, היא מתאימה שתי גלים כאלה לנתונים המסוננים ומחשבת עד כמה הם חופפים. על ידי סריקה של רוחבי מסנן שונים ובחירה ברוחב שממזער את החפיפה, האלגוריתם עושה את מצבי התנועה השונים לברורים ככל שהנתונים מאפשרים. לאחר שנמצאה ההגדרה האופטימלית, כל הצעד מקוטלג לפי העקומה (המצב) שסביר יותר שהניבה אותו, ובכך המסלול המקורי מחולק לקטעים מהירים ואטיים. חשוב לציין שסגמנטציה זו מתבצעת לפני כל ניסיון להעריך פרמטרים פיזיקליים כמו מקדמי דיפוזיה או תוחלי מצב, כך שניתן למדוד אותם מאוחר יותר עם נוסחאות מוכרות ובדיקות אמינות.

בדיקה בעזרת סימולציות ומולקולות אמיתיות

החוקרים בדקו את שיטתם בקפדנות על מסלולים שנוצרו במחשב שבהם החלקיק החליף בין שתי מהירויות דיפוזיה עם תכונות ידועות. הם שינו עד כמה שתי המהירויות שונות, כמה זמן החלקיק נשאר בכל מצב, כמה רעש היה במדידות המיקום וכמה טשטוש המצלמה יוצרת. במגוון רחב של תנאים מציאותיים — מתי שהמצב המהיר והמצב האיטי נבדלו בכמה של פירושו בערך פי ארבעה או יותר וכל מצב נמשך יותר ממספר מסגרות מצלמה — האלגוריתם תייג נכון יותר מ-90 אחוז מנקודות הזמן. באופן מכריע, השיטה הפגינה גם עמידות כאשר הוחלה על נתוני ניסוי מחלבונים מסומנים בזוהר המ_DIFFUSING בממברנה נתמכת, שם היא חשפה שתי אוכלוסיות מופרדות בבירור: אחת ניידת ואחת כמעט נייחת.

מקטעים נקיים לתובנות ביולוגיות

לאחר שהמסלולים חולקו, הצוות הראה שניתן לשחזר מקדמי דיפוזיה בדיוק טוב, גם בנוכחות רעש משמעותי במדידה או טשטוש תנועתי. הערכת משך הזמן שהמולקולות נשארו בדרך כלל בכל מצב דרשה דרישה גבוהה יותר ודורשת מסלולים ארוכים יותר, אך עדיין העניקה תוחלים סבירים בתנאים מתאימים. המסר הכולל הוא שפרוצדורה יחסית פשוטה ושקופה — סינון צעדים בזמן והתאמת זוג עקומות פעמון — יכולה להתחרות בגישות מורכבות יותר תוך ריצה מהירה על מחשבים רגילים. עבור ניסיונאים, זה אומר שהם יכולים לעבד נתוני עִקּוּב חָלקִיקים בודדים בזמן אמת, לכוונן את תנאי ההדמיה בזמן אמת ולקבל תמונות ברורות יותר של האופן שבו מולקולות נקשרות, מתנתקות ונעות בסביבות תאים צפופות.

ציטוט: 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

מילות מפתח: מִסלוּל עִקּוּב חָלקִיק בּוֹדֵד, דיפוזיה מולקולרית, סגמנטציה של מסלולים, תְּנוּעַת בְּראוּני, חלבוני ממברנה