An interpretable deep learning framework for classifying neuronal morphologies using topology and graph neural networks

تخيل أنك تحاول فرز كومة هائلة من الأشجار الفريدة والمصنوعة يدويًا. بعضها له أغصان تلتوي مثل قطع "البريتزل"، وبعضها يقف طويلًا ومستقيمًا، وبعضها ينتشر مثل المظلات. في عالم الأعصاب، هذه "الأشجار" هي الخلايا العصبية، وأشكالها حاسمة لأن شكل الخلية العصبية يحدد كيفية معالجتها للمعلومات.

المشكلة هي أن فرز هذه الخلايا العصبية كان يشبه مطالبة مجموعة من الأشخاص بتخمين سلالة كلب بمجرد النظر إلى صورة ضبابية. فبعض الخبراء يقولون: "هذا كلب من نوع جولدن ريتريفر"، بينما يقول آخرون: "لا، إنه لابرادور". إنه أمر ذاتي، وغير متسق، ومن الصعب إثبات من هو المصيب. حاول آخرون قياس أجزاء محددة من الشجرة (مثل طول غصن ما)، لكن ذلك يشبه محاولة التعرف على شخص من خلال مقاس حذائه فقط—فهو يغفل الصورة الأكبر.

الحل الجديد: آلة "الفرز الفائق"

تقدم هذه الورقة البحثية نظام حاسوبي ذكيًا مصممًا لفرز هذه "الأشجار" العصبية بإنصاف ووضوح. فكر في الأمر كأنه محقق يستخدم ثلاث عدسات مكبرة مختلفة لفحص كل خلية عصبية:

1. عدسة الطوبولوجيا (الهندسة الفراغية): تنظر إلى "الهيكل العظمي" للشجرة. إنها تتجاهل المنحنيات الدقيقة وتركز على الصورة الكبيرة: كم عدد الأغصان الرئيسية؟ هل تعود الأغصان لتلتف حول نفسها؟ الأمر يشبه النظر إلى خريطة مترو الأنفاق لرؤية الهيكل العام للخطوط، مع تجاهل المحطات المحددة.
2. عدسة الرسم البياني (الشبكة): تتعامل مع الخلية العصبية كأنها شبكة اجتماعية. إنها تنظر إلى كيفية اتصال الأغصان ببعضها البعض. من يتحدث مع من؟ إنها ترسم العلاقات بين الأجزاء المختلفة للخلية.
3. العدسة التقليدية: هي الطريقة القديمة، التي تقيس مسافات وزوايا محددة، مثل نجار يقيس قطعة من الخشب.

كيف يعمل النظام

بدلاً من الاعتماد على رؤية واحدة فقط، يجمع النظام بين هذه الرؤى الثلاث. الأمر يشبه امتلاك فريق من الخبراء، حيث يكون أحدهم قارئًا للخرائط، والآخر مستشارًا للعلاقات، والثالث نجارًا. جميعهم ينظرون إلى نفس الخلية العصبية ويصوتون على نوعها.

اختبرت الورقة هذا النظام مقابل مجموعة من الخبراء البشريين الذين قاموا بالفعل بتصنيف آلاف الخلايا العصبية. وكانت النتيجة؟ طابق الحاسوب دقة البشر بشكل شبه مثالي. وهذا يثبت أنه لفهم "شخصية" الخلية العصبية (نوعها) حقًا، يجب عليك النظر في كل من شكلها العام (الهيكل العالمي) وكيفية اتصال أغصانها الصغيرة (التفاصيل المحلية).

"السبب" وراء "النتيجة"

عادة ما تكون حواسيب التعلم العميق مثل "الصناديق السوداء": تضع فيها البيانات، وتخرج لك التسمية، لكن ليس لديك أدنى فكرة عن سبب اتخاذ الحاسوب لهذا القرار. هذا النظام الذي تقدمه الورقة مختلف؛ فهو يأتي مع "دليل شرح" مدمج.

باستخدام أداة خاصة تسمى "الذكاء الاصطناعي القابل للتفسير"، يمكن للنظام أن يشير إلى الغصن أو الاتصال المحدد الذي جعله يقرر أن "هذه خلية عصبية من النوع (أ)". إنه يشبه المعلم الذي لا يعطيك الإجابة الصحيحة في الاختبار فحسب، بل يحدد لك الجملة المحددة في الكتاب المدرسي التي تثبت صحة الإجابة. هذا يسد الفجوة بين رياضيات الحاسوب وفهم علماء الأعصاب للبيولوجيا.

الخلاصة

لقد بنى المؤلفون أداة مفتوحة المصالم وشفافة لفرز الخلايا العصبية بشكل موضوعي. ومن خلال الجمع بين الرياضيات، والشبكات، والقياسات التقليدية، ابتكروا "حجر رشيد" للأشكال العصبية. وهذا يسمح للعلماء بمقارنة الخلايا العصبية من مختبرات مختلفة أو حتى من أنواع مختلفة من الكائنات الحية بثقة، مع العلم أنهم جميعًا يستخدمون نفس القواعد الواضحة والمنظمة لتحديد ما يجعل الخلية فريدة من نوعها.