ملخص تقني: نماذج العوامل المتعامدة مكانياً لبيانات النسخ الوراثي المكاني وبيانات الاستشعار عن بعد

بيان المشكلة

غالباً ما تتطلب البيانات ذات الفهرسة المكانية، المنتشرة في مجالات مثل النسخ الوراثي المكاني (Spatial Transcriptomics) والاستشعار عن بعد، تقليلاً للأبعاد لاستنتاج الأنماط الكامنة للتباين المكاني. وبينما يعد تحليل المكونات الرئيسية الاحتمالي (PCA) أداة قياسية، فإن الطرق الحالية لدمج المعلومات المكانية في هذا الإطار تواجه ثلاث عويدات رئيسية:

1. الأحمال غير المتعامدة: أحمال PCA الاحتمالية القياسية ليست متعامدة. وعملية التعامد اللاحقة لهذه الأحمال تؤدي إلى إفساد المعلومات المكانية الأصلية.
2. افتراضات السكون (Stationarity): تفترض الطرق الحالية عادةً سكوناً في المسبق المكاني، معتمدةً على مسبقات ثابتة أو مقدرات قائمة على القواعد التجريبية بدلاً من تعلم بنية التباين من البيانات.
3. التعقيد الحسابي: تفشل الطرق التي تدمج المعلومات المكانية عموماً في تحقيق تعقيد حسابي خطي بالنسبة لعدد المواقع المكانية ($m$)، حيث تتطلب غالباً تعقيداً تكعيبياً بسبب عملية التفكك الذاتي للمصفوفات (eigendecomposition) لمصفوفات التباين الكبيرة.

علاوة على ذلك، لا يزال من غير الواضح كيف يؤثر دمج المعلومات المكانية على استدلالات الإمكان الأعظم (Maximum Likelihood) أو الإمكان الأعظم البعدي (Maximum A Posteriori - MAP) في هذه السياقات.

المنهجية

صياغة النموذج

يقترح المؤلفون نماذج العوامل المتعامدة مكانياً (SOFM)، والتي تضع بارامترات النموذج مباشرة باستخدام أحمال متعامدة ($U$). وخلافاً للمقاربات التقليدية التي تضع التبعية المكانية على العوامل الكامنة، يضع SOFM التبعية المكانية على مصفوفة الأحمال $U$. يتم تحديد النموذج كالتالي:
$$y_i | U, L, \sigma^2 \sim N(0, UL^2U' + \sigma^2 I_m)$$
حيث $y_i$ هو متجه الملاحظات عند الموقع $i$، و $L$ يحتوي على القيم المفردة، و $U$ هي مصفوفة متعامدة تمثل الأنماط المكانية.

اشتقاق المسبق (Prior Derivation)

لمعالجة غياب التعامد في المسبقات القياسية، اشتق المؤلفون توزيع أخذ العينات لـ التفكك القيمي المفرد (SVD) لمصفوفة تكون فيها أول $k$ من القيم المفردة فريدة بينما الـ $m-k$ المتبقية متكررة. هذا التوزيع، المشتق من James (1964) والمكيف لضوابط PCA، يعمل كمسبق لمصفوفات $U, L, \sigma^2$.

• الافتراض 1: يثبت أن المسبق الشرطي لـ $U$ بشرط $L, \sigma^2, \Sigma$ هو توزيع (matrix-Fisher-Bingham)، وهو مترافق (conjugate) مع دالة الإمكان (likelihood).
• النظرية 1: تثبت أن مقدر الـ MAP غير الشرطي للأحمال المتعامدة $U$ يتوافق مع المتجهات الذاتية لـ $(S + \frac{1}{n}\Sigma)$، حيث $S$ هي مصفوفة التباين التجريبية و $\Sigma$ هي مصفوفة التباين المكاني المسبقة.

خوارزمية التقدير (MM-EM)

إن التفكك الذاتي المباشر لـ $(S + \frac{1}{n}\Sigma)$ غير ممكن حسابياً للمتغيرات الكبيرة $m$ (تعقيد تكعيبي). ولحل هذه المشكلة، طور المؤلفون خوارزمية التقليل-التعظيم داخل توقع-التعظيم (MM-EM):

• خطوة E (E-step): تحسب التوقعات البعدية للحالات الكامنة.
• خطوة M (M-step): تستخدم نهج التقليل-التعظيم لتحديث $U$. ومن خلال استغلال تقعر دالة الهدف وحل بروكروست (Schönemann, 1966)، تقوم الخوارزمية بتعظيم دالة بديلة على شكل $\text{tr}(M^T U)$.
• التعقيد: تحقق هذه المقاربة تعقيداً حسابياً خطياً بالنسبة لعدد المواقع المكانية.

تقدير التباين غير المستقر (Non-Stationary Covariance Estimation)

لمعالجة محدودية السكون، يقترح المؤلفون إطار عمل للتحقق لتقدير دالة التباين المكاني غير المستقرة (بناءً على Paciorek و Schervish, 2006).

• المواقع المحجوزة (Held-Out Locations): يتم حجز مجموعة من المواقع المكانية أثناء التدريب، وتتعامل الخوارزمية مع النتائج في هذه المواقع كمتغيرات كامنة.
• التحسين: تقوم الخوارزمية بتقدير مقاييس الطول المحلية ومعلمات العتبة (sill parameters) عن طريق تعظيم إمكان التنبؤ للمواقع المحجوزة.
• التنعيم (Smoothing): يتم تعميم التقديرات المحلية عبر النطاق باستخدام (P-splines) ثنائية الأبعاد لضمان سلاسة معلمات التباين مكانياً.

المساهمات الرئيسية

1. الاشتقاق النظري: اشتقاق توزيع أخذ العينات لـ SVD تحت قيود القيم الذاتية المتكررة، مما يسمح بمسبق مترافق للأحمال المتعامدة.
2. توصيف MAP: إثبات أن مقدر MAP للأحمال المتعامدة هو التفكك الذاتي لمجموع التباينات التجريبية والمكانية.
3. خوارزمية قابلة للتوسع: تطوير خوارزمية MM-EM تقلل التعقيد الحسابي من التكعيب إلى الخطية بالنسبة للمواقع المكانية.
4. التقدير غير المستقر: استراتيجية تحقق مبتكرة لتقدير معلمات التباين المكاني غير المستقر باستخدام البيانات المحجوزة وتنعيم P-spline.
5. التطبيقات: عرض الطريقة على مجموعتي بيانات مختلفتين: النسخ الوراثي المكاني لأنسجة الدماغ البشري والاستشعار عن بعد على نطاق قاري.

النتالئج

دراسة الحالة 1: النسخ الوراثي المكاني (DLPFC)

طُبقت على أنسجة الدماغ البشري من القشرة الظهرية الجانبية أمام الجبهية (DLPFC):

• الأنماط الصفائحية وغير الصفائحية: نجح النموذج في تحديد العوامل المكانية التي تتوافق مع الطبقات القشرية (البنية الصفائحية) بالإضافة إلى الأنماط غير الصفائحية.
• الأهمية البيولوجية: التقطت العوامل الجينات المرتبطة بالدم (مثل HBB) ومجموعات الخلايا المناعية (مثل IGKC)، وهو ما يتوافق مع النتائج السابقة لـ Maynard et al. (2021).
• الأداء: تفوق نموذج SOFM على PCA القياسي وعلى "Laminae-PCA" الخاضع للإشراف في التقاط التباين المكاني غير الصفائحي، وشرح نسبة أعلى من التباين في التباين التجريبي لأول بضعة عوامل.
• الكفاءة: عملت الخوارزمية في أقل من 90 ثانية لمجموعة الجينات الكاملة (33,538 جيناً) باستخدام 32 نواة.

دراسة الحالة 2: الاستشعار عن بعد (جنوب الصحراء الكبرى في أفريقيا)

طُبقت على بيانات NDVI من مجموعة بيانات GIMMS فوق منطقة جنوب الصحراء الكبرى في أفريقيا:

• عدم الاستقرار (Non-Stationarity): تباينت مقاييس الطول المقدرة مكانياً، حيث أظهرت اعتماداً أقوى في منطقة الساحل والمناطق المدارية شبه الرطبة مقارنة بمناطق الانتقال.
• المدى القصير مقابل المدى الطويل: عند تطبيقها على سنة واحدة من البيانات (2022)، حدد SOFM أنماطاً مكانية (تحديداً في المناطق المدارية الرطبة الشرقية وموزمبيق) كانت موجودة في نموذج PCA لمدة 40 عاماً ولكن فاتها نموذج PCA لسنة واحدة.
• الأهمية: يوضح هذا أن التنظيم المكاني يسمح للنموذج باستعادة العوامل المكانية الكامنة من بيانات زمنية محدودة لا تستطيع تقنية PCA القياسية اكتشافها.

الأهمية والادعاءات

يدعي البحث أن SOFM يحل المقايضة بين دمج المعلومات المكانية والحفاظ على عوامل متعامدة وقابلة للتفسير. ومن خلال اشتقاق مسبق محدد للأحمال المتعامدة، تتجنب الطريقة إفساد المعلومات المكانية الذي تسببه عملية التعامد اللاحقة. كما أن التعقيد الخطي يجعل الطريقة قابلة للتوسع لمجموعات البيانات المكانية الكبيرة (مثل المقاييس القارية أو مقاطع الأنسجة عالية الدقة).

يؤكد المؤلفون أن نهجهم لتقدير التباين غير المستقر عبر تعظيم الإمكان للمواقع المحجوزة هو مساهمة مبتكرة في تطبيقات النسخ الوراثي المكاني وعلوم البيئة. وتشير النتائج إلى أن العوامل المتعامدة مكانياً يمكن أن تكشف عن أنماط التباين ذات الصلة بيولوجياً وبيئياً والتي قد تُحجب بواسطة تقنيات تقليل الأبعاد القياسية.

يختتم البحث بتواضع، مشيراً إلى أنه بينما يركز الإطار الحالي على التبعية المكانية في الأحمال، فإن العمل المستقبلي يمكن أن يستكشف التبعية الزمنية في المتغيرات الكامنة أو الأحمال المتطورة، بالإضافة إلى إجراءات استدلالية رسمية للارتباط الجيني في النسخ الوراثي.