JUMP Cell Painting chemical dataset: Morphological map of 115,796 compounds in human cells
أصدر اتحاد "JUMP-Cell Painting" مجموعة بيانات عامة شاملة تحتوي على ملفات تعريف مورفولوجية لـ 115,796 مركباً عبر 1.53 مليار خلية مفردة، مما يؤسس لمورد مرجعي قوي وقابل للتكرار يسرع عملية اكتشاف الأدوية من خلال نقل التوصيف القائم على الصور إلى نطاق وفائدة علم الجينوم.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
في رحلة البحث عن أدوية جديدة، يواجه العلماء غالبًا مشكلة الحجم. إذ يتعين عليهم اختبار آلاف المركبات الكيميائية لمعرفة أي منها قد يغير الخلية بطريقة مفيدة، مثل إيقاف مرض ما أو قتل خلايا سرطانية. ولعقود من الزمن، كانت الطريقة الأكثر شيوعًا للقيح هي البحث عن تفاعل واحد محدد، مثل التحقق مما إذا كان عقار ما يمنع بروتينًا معينًا. لكن الخلايا معقدة، والدواء الذي يعمل غالبًا ما يغير أشياء كثة في آن واحد. ولفهم هذه التغييرات، طور الباحثون طريقة تسمى "رسم الخلايا" (Cell Painting). فبدلًا من البحث عن شيء واحد فقط، تقوم هذه التقنية بصبغ الخلية بست صبغات ملونة مختلفة، كل منها يسلط الضرض على جزء محدد من الآلات الداخلية للخلية، مثل النواة، أو مصانع الطاقة، أو الهيكل الخلوي. ومن خلال التقاط صورة لهذه الأجزاء المتوهجة، يمكن للعلماء رؤية الشكل العام ونسيج الخلية. وإذا غيرت مادة كيميائية صحة الخلية، فسيظهر الفوتوغراف بشكل مختلف. تنتج هذه الطريقة صورة شخصية مفصلة لحالة الخلية، تلتقط آلاف التفاصيل الدقيقة التي قد يغفل عنها اختبار واحد.
لفترة طويلة، كانت هذه الصور الشخصية مبعثرة عبر مختبرات مختلفة، مما جعل من الصعب مقارنة النتائج أو بناء مكتبة ضخمة من المعرفة. وقد نجح مشروع جديد في حل هذه المشكلة من خلال إنشاء أكبر مكتبة عامة لهذه الصور الخلوية تم تجميعها على الإطلاق. فقد عمل "تحالف جامب لـ رسم الخلايا" (JUMP Cell Painting Consortium)، وهو شراكة تضم ثماني عشرة منظمة بما في ذلك شركات أدوية كبرى ومعاهد بحثية، معًا لاختبار أكثر من 115,000 مركب كيميائي مختلف. ولم يفعلوا ذلك في مختبر واحد، بل عبر اثني عشر مختبرًا مختلفًا حول العالم، باستخدام مجاهر ومعدات متنوعة. وكان الهدف هو معرفة ما إذا كانت هذه البيانات الضخمة والفوضوية من العالم الحقيقي لا تزال قادرة على سرد قصة واضحة حول كيفية تأثير المواد الكيميائية على الخلايا البشرية.
ركز الباحثون على نوع محدد من خلايا سرطان العظام البشرية، المعروف باسم U2OS، وهو نموذج قياسي لمثل هذه الدراسات. وقد عالجوا هذه الخلايا بـ 115,796 مركبًا فريدًا، معظمها بتركيز 10 ميكرومولار، والتقطوا صورًا عالية الدقة للخلايا بعد 48 ساعة. وفي المجمل، أنتج المشروع أكثر من 43 مليون صورة، والتي تم تحليلها بواسطة برامج الكمبيوتر لاستخراج "ملف تعريف" (profile) لكل خلية. وهذا الملف هو قائمة من آلاف الأرقام التي تصف مظهر الخلية. وقد دمج الفريق البيانات من جميع المواقع الاثني عشر في قاعدة بيانات واحدة موحدة تحتوي على أكثر من 1.5 مليار ملف تعريف خلوي فردي. وهذه المجموعة الهائلة من البيانات متاحة الآن لأي عالم لاستخدامها، حيث تعمل كخريطة مرجعية لكيفية تغيير المواد الكيميائية لسلوك الخلية.
كان أحد أهم الأسئلة التي طرحها الفريق هو ما إذا كان يمكن الوثوق بالبيانات القادمة من اثني عشر مختبرًا للعمل معًا. وبما أن كل مختبر استخدم مجاهر مختلفة وكان لديه موظفون مختلفون، فقد كان هناك خطر من أن تطغى الاختلافات في المعدات على الإشارات البيولوجية الفعلية. ووجد الباحثون أنه رغم هذه الاختلافات التقنية، ظلت الإشارات البيولوجية قوية. فقد أظهر حوالي 15 بالمائة من المركبات المختبرة تغيرًا واضحًا وقابلًا للقياس في مظهر الخلايا، مما يعني أنها كانت نشطة بيولوجيًا. وبينما كانت الإشارة أضعف قليلاً عند مقارنة النتائج بين المختبرات المختلفة مقارنة بالنتائج داخل المختبر الواحد، إلا أن الفرق كان صغيرًا بما يكفي لجعل البيانات مفيدة. وقد أثبت هذا أن شبكة عالمية من المختبرات يمكنها بنجاح دمج عملها لإنشاء مورد واحد قوي دون فقدان القدرة على اكتشاف التأثيرات البيولوجية الحقيقية.
تكمن قوة هذه المكتبة في قدرتها على كشف الروابط الخفية. فقد اكتشف الباحثون أن المواد الكيميائية التي تشترك في نفس الهدف البيولوجي أو آلية العمل تميل إلى إنتاج صور خلوية متشابهة جدًا. فإذا تم تصميم عقارين مختلفين لمنع نفس البروتين، فإن الخلايا التي يعالجها هذان العقاران ستبدو متشابهة تحت المجهر، حتى لو بدا العقاران مختلفين تمامًا من الناحية الكيميائية. ويسمح مبدأ "الذنب بالارتباط" (guilt by association) هذا للعلماء بأخذ مركب جديد وغير معروف ومقارنة صورته الخلوية مع الملايين من غيره في قاعدة البيانات. فإذا بدا المركب المجهول مشابهًا لمجموعة من الأدوية المعروفة التي تستهدف بروتينًا معينًا، فمن المرجح جدًا أن يعمل المركب الجديد بنفس الطريقة. وأظهرت الدراسة أن هذه الطريقة دقيقة للغاية؛ حيث وُجد أن المركبات ذات الهدف المعروف كانت "جيرانًا" في البيانات في كثير من الأحيان أكثر مما قد يحدث بمحض الصدفة.
استخدم الفريق أيضًا البيانات لاستكشاف العلاقة بين البنية الكيميائية وتأثيرها على الخلية. ووجدوا أنه بينما غالبًا ما تنتج المواد الكيميائية ذات الأشكال المتشابهة تغييرات خلوية متشابهة، إلا أن هذا ليس صحيحًا دائمًا. إذ يمكن لبعض المواد الكيميائية التي تبدو متطابقة هيكليًا تقريبًا أن يكون لها تأثيرات مختلفة تمامًا على الخلية، وهي ظاهرة تُعرف باسم "منحدر النشاط" (activity cliff). وعلى العكس من ذلك، يمكن لبعض المواد الكيميائية ذات الهياكل المختلفة تمامًا أن تنتج نفس النتيجة الخلوية. ومن خلال رسم هذه العلاقات، أنشأ الباحثون أداة يمكن أن تساعد مطوري الأدوية على رصد هذه المنحدرات وتجنب المواد الكيميائية التي قد تسبب آثارًا جانبية غير مرغوب فيها. كما وجدوا أن بعض الخصائص الفيزيائية للمادة الكيميائية، مثل مدى ذوبانها في الدهون، تجعل من المرجح أن تسبب تغييرًا مرئيًا في الخلية، لكن هذه الخصائص لا تتنبأ دائمًا بما إذا كان ذلك التغيير سيكون ثابتًا أو محددًا.
ولإثبات القيمة العملية لهذه المكتبة، اختبرها الباحثون بتحدٍ من العالم الحقيقي. فقد أخذوا مجموعة صغيرة من المركبات الجديدة، المعروفة باستهداف مستقبل معين يتعلق بالتمثيل الغذائي، وعالجوا بها نوعًا مختلفًا من خلايا سرطان المثانة. ثم طلبوا من قاعدة البيانات إيجاد مطابقات لهذه المركبات الجديدة دون إخبار الكمبيوتر ماهية هذه المركبات. نجح النظام في تحديد أن هذه المركبات الجديدة أنتجت صورة خلوية مشابهة للأدوية المعروفة التي توقف انقسام الخلايا. وأكدت تجارب لاحقة أن هذه المركبات الجديدة تسببت بالفعل في وقف انقسام الخلايا ودخولها في حالة من الشيخوخة، تمامًا مثل الأدوية المعروفة. وقد أثبت هذا أنه يمكن للباحث استخدام هذه المكتبة العامة لمعرفة كيفية عمل دواء جديد، حتى لو كان لديهم عينات قليلة وكانوا يستخدمون نوعًا مختلفًا من الخلايا عن النوع المستخدم لبناء المكتبة.
كما سلط المشروع الضوء على حدود ما يمكن أن تفعله هذه النوع من البيانات. فبينما كانت الصور الخلوية ممتازة في التنبؤ بكيفية تأثير الدواء على شكل الخلية أو أهدافها المباشرة، إلا أنها لم تكن جيدة في التنبؤ بكيفية تأثير الدواء على جسم الإنسان بأكمله، مثل التسبب في تلف الكبد أو مشاكل القلب. وذلك لأن خلايا الاختبار تُزرع في طبق وتفتقر إلى الأنظمة المعقدة لكائن حي، مثل قدرة الكبد على معالجة الأدوية. وأشار الباحثون إلى أنه للتنبؤ بهذه التأثيرات الأوسع، ستحتاج الدراسات المستقبلية إلى استخدام أنواع مختلفة من الخلايا التي تحاكي الأعضاء البشرية بشكل أفضل.
في نهاية المطاف، يضع هذا العمل معيارًا جديدًا لكيفية مشاركة البيانات البيولوجية واستخدامها. فمن خلال الجمع بين جهود اثني عشر مختبرًا وأكثر من 115,000 مركب، أنشأ التحالف موردًا عامًا غنيًا ومفصلاً مثل قواعد البيانات الجينية المستخدمة لرسم الحمض النووي البشري. إنه يسمح للعلماء بطرح أسئلة حول السلوك الكيميائي لم يكن من الممكن الإجابة عليها سابقًا، محولًا التعقيد البصري للخلية إلى خريطة قابلة للملاحة لاكتشاف الأدوية. والبيانات متاحة مجانًا، مما يدعو المجتمع العلمي العالمي لاستكشافها، وإيجاد روابط جديدة، وتسريع تطوير الأدوية للأمراض التي لا يوجد لها علاج حاليًا.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.