Self-supervised learning for a gene program-centric view of cell states
تقدم الورقة البحثية "Tripso"، وهو نموذج محول (transformer) ذاتي الإشراف يتجاوز التمثيلات الكامنة الفردية لتعلم تضمينات تركز على البرامج الجينية وقابلة للتفسير لحالات الخلايا، مما يتيح اكتشاف أنماط ذات معنى بيولوجي وفرضيات قابلة للتنفيذ عبر مراحل النمو، والأمراض، والأنظمة التجريبية.
المؤلفون الأصليون:Moullet, M., Isobe, T., Vahidi, A., Leonardi, C., Paulas-Condori, L., Soelistyo, C., Steele, L., Ly, K. C. H., Quiroga Londono, M., Mende, N., Stephenson, E., Iskander, D., Webb, S., Goh, I., VijayabaMoullet, M., Isobe, T., Vahidi, A., Leonardi, C., Paulas-Condori, L., Soelistyo, C., Steele, L., Ly, K. C. H., Quiroga Londono, M., Mende, N., Stephenson, E., Iskander, D., Webb, S., Goh, I., Vijayabaskar, M., Liu, Q., Jafree, D. J., Asadollahzadeh, H., Ramirez-Suastegui, C., Merchant, A., Roberts, K., Rumney, B., Chan, H. M., Holland, A., Prete, M., Horsfall, D., Basurto-Lozada, D., Lee, J. Y. W., Winheim, E., Foster, A. R., Vilarrasa-Blasi, R., Hannah, R., Mahil, S. K., Smith, C., Roy, A., Roberts, I., Laurenti, E., Gottgens, B., Vento-Tormo, R., Haniffa, M., Wilson, N. K., Lotfollahi, M.
المؤلفون الأصليون: Moullet, M., Isobe, T., Vahidi, A., Leonardi, C., Paulas-Condori, L., Soelistyo, C., Steele, L., Ly, K. C. H., Quiroga Londono, M., Mende, N., Stephenson, E., Iskander, D., Webb, S., Goh, I., Vijayabaskar, M., Liu, Q., Jafree, D. J., Asadollahzadeh, H., Ramirez-Suastegui, C., Merchant, A., Roberts, K., Rumney, B., Chan, H. M., Holland, A., Prete, M., Horsfall, D., Basurto-Lozada, D., Lee, J. Y. W., Winheim, E., Foster, A. R., Vilarrasa-Blasi, R., Hannah, R., Mahil, S. K., Smith, C., Roy, A., Roberts, I., Laurenti, E., Gottgens, B., Vento-Tormo, R., Haniffa, M., Wilson, N. K., Lotfollahi, M.
تخيل أنك تحاول فهم أوركسترا ضخمة وفوضوية تعزف سيمفونية.
الطريقة القديمة: في الماضي، كان العلماء الذين يدرسون الخلايا المفردة (اللبنات الصغيرة لأجسامنا) يحاولون فهمها من خلال الاستماع إلى الأوركسترا بأكملها دفعة واحدة. كانوا يأخذون "لقطة" للخلية ويضغطون كل ذلك الضجيج في ملخص واحد ضبابي. الأمر يشبه محاولة وصف أغنية معقدة بالقول: "إنها تبدو سعيدة"، أو "إنها تبدو حزينة". أنت تفقد التفاصيل؛ لا يمكنك معرفة ما إذا كانت الكمانات تعزف لحنًا محددًا أو إذا كانت الطبول تضرب إيقاعًا جديدًا. جعل هذا من الصعب فهم لماذا تتصرف الخلية بطريقة معينة، خاصة عند المقارنة بين الخلايا السليمة والخلاوة المريضة، أو خلايا طفل مقابل خلايا شخص مسن.
الأداة الجديدة: Tripso قام الباحثون في هذه الورقة البحثية ببناء أداة جديدة تسمى Tripso. فكر في Tripso كقائد أوركسترا ذكي للغاية، لا يكتفي فقط بالاستماع إلى الأوركسترا بأكملها، بل يركز على أقسام محددة: الوتريات، والنحاسيات، وآلات النفخ الخشبية، والإيقاع.
بدلاً من إعطاء الخلية ملخصًا ضبابيًا واحدًا، يقوم Tripso بتفكيك نشاط الخلية إلى برامج جينية (GPs).
ما هو البرنامج الجيني؟ تخيل أن "البرنامج الجيني" هو موضوع موسيقي محدد أو مجموعة منسقة من الموسيين يعزفون معًا. على سبيل المثال، قد يكون هناك موضوع "الاستجابة للإجهاد" (حيث تكون الخلية في حالة ذعر) أو موضوع "النمو" (حيث تقوم الخلية ببناء أجزاء جديدة).
كيف يعمل Tripso: يستخدم Tripso نوعًا من الذكاء الاصطناعي (يسمى Transformer، وهو نفس التقنية التي تقف وراء روبوتات الدردشة المتقدمة) للاستماع إلى الخلية والقول: "حسنًا، قسم 'الإجهاد' يعزف بصوت عالٍ جدًا الآن، لكن قسم 'النمو' هادئ". إنه يعطي درجة تفصيلية لكل موضوع يحدث داخل الخلية في آن واحد.
ما الذي اكتشفوه؟ باستخدام هذا "القائد" الجديد، نظر الفريق إلى ثلاثة "حفلات موسيقية" بيولوجية مختلفة:
أوركسترا الشيخوخة (خلايا الدم): لقد درسوا خلايا الدم من الرضع، والبالغين، وكبار السن.
الاكتشاف: وجدوا أن خلايا الدم لدى الرضع لديها موضوع "JAK-STAT" عالي الصوت (وهو إشارة محددة للنمو والدفاع) يتلاشى مع تقدمنا في العمر. كما رأوا أنه مع تقدمنا في السن، يغير قسم "الخلايا البائية" (B-cell) في الأوركسترا نغمته تمامًا، متحولاً من أغنية "التوسع السريع" إلى أغنية "التنوع".
لماذا يهم هذا: يساعدنا هذا في فهم كيف يتغير جهازنا المناعي أثناء نمونا وشيخوختنا، وهو أمر بالغ الأهمية لعلاج الأمراض لدى الأطفال مقابل كبار السن.
البروفة المعطلة (الخلايا المستزرعة مخبريًا): غالبًا ما يزرع العلماء الخلايا الجذعية في المختبر لدراستها، لكن هذه الخلايا غالبًا ما تنسى كيف تتصرف مثل الخلايا الجذعية الحقيقية. إنه يشبه بروفة حيث يعزف الموسيقيون النوتات الخاطئة.
الاكتشاف: قارن Tripso بين "البروفة المخبرية" و"الحفل الحقيقي" (الخلايا داخل جسم الإنسان). لاحظ أن جزءًا معينًا من آلات الخلية (يسمى SEC61 translocon) كان يعزف بصوت عالٍ جدًا في الخلايا المخبرية، مما تسبب في فقدانها لـ "صفتها كخلايا جذعية".
الحل: اختبر الفريق هذا عن طريق إضافة مادة كيميائية "لخفض مستوى الصوت" في تلك الآلية المحددة. وقد نجح الأمر! ظلت الخلايا المستزرعة مخبريًا صحية وتصرفت مثل الخلايا الجذعية الحقيقية تمامًا. وهذا يعد فوزًا كبيرًا لصنع أدوية وعلاجات أفضل.
أحياء الجلد السرية (مرض الجلد): نظروا إلى جلد الأشخاص المصابين بالإكزيما (التهاب الجلد التأتبي).
الاكتشاف: وجد Tripso "موضوعًا" خفيًا في خلايا الجلد لم يكن موجودًا في أي قاعدة بيانات حالية. كان هذا الموضوع نشطًا في حي محدد من الجلد بجوار الغدد الدهنية مباشرة. وتبين أن هذه المجموعة كانت عبارة عن خلايا مناعية خاصة (خلايا T الذاكرة) تختبئ هناك، منتظرة للتسبب في نوبة تهيج حتى بعد أن يبدو الجلد معافى.
لماذا يهم هذا: يفسر هذا سبب عودة الإكزيما باستمرار. "العناصر السيئة" تختبئ في مكان محدد، ونحن نعرف الآن بالضبط كيف تبدو حتى يمكن استهدافها بشكل أفضل.
الصورة الكبيرة قبل Tripso، كان العلماء يحاولون فهم قصة معقدة من خلال قراءة ملخص مكون من كلمة واحدة. Tripso يسمح لهم بقراءة الفصل بأكمله، فقرة بفقرة، مع تسليط الضال على الموضوعات المحددة التي تهمهم.
من خلال التركيز على هذه البرامج الجينية بدلاً من مجرد الخلية ككل، يساعد Tripso الأطباء والعلماء على:
فهم كيفية تطور الأمراض على مدار العمر.
إصلاح التجارب المخبرية لتعمل بشكل أفضل لصنع الأدوية.
العثو على الأسباب الخفية للأمراض المزمنة التي كانت غير مرئية سابقًا.
باخت مختصر، يحول Tripso الضجيج الفوضوي للبيولوجيا إلى نوتة موسيقية واضحة وسهلة القراءة، مما يسمح لنا بقيادة أوركسترا الحياة بشكل أكثر فعالية.
إليك ملخص تقني مفصل لورقة البحث بعنوان "التعلم ذاتي الإشراف لرؤية قائمة على برامج الجينات لحالات الخلايا" (Tripso).
1. بيان المشكلة
لقد مكنت تقنيات الأوميكس أحادية الخلية (Single-cell omics) من توصيف عشرات الآلاف من الجينات لكل خلية، ومع ذلك لا يزال استخراج الرؤى البيولوجية من هذه البيانات عالية الأبعاد يمثل تحديًا.
محدودية الطرق الحالية: غالبًا ما تقوم سير العمل التقليدية بضغط حالات الخلايا في تمثيل كامن واحد (على سبيل المثال، عبر PCA أو المشفرات التلقائية المتغيرة VAEs) أو اختزال برامج الجينات (GPs) إلى درجات عددية (scalar scores).
المشكلة الجوهرية: هذه النهج تؤدي إلى "تشابك" مصادر متعددة للتباين البيولوجي. فالتمثيل الكامن الواحد يحجب بنية مجموعات الجينات المنسقة (GPs) الكامنة، مثل مسارات الإشارات أو أهداف عوامل النسخ. وهذا يجعل من الصعب:
فك تشابك العمليات البيولوجية المتزامنة داخل نفس الخلية.
مقارنة حالات الخلايا عبر ظروف متنوعة (مثل: داخل الجسم مقابل خارج الجسم، أو أعمار مختلفة، أو حالات مرضية مختلفة) بطريقة منهجية.
توليد فرضيات ميكانيكية قابلة للتفسير للتحقق التجريبي منها.
الهدف: تطوير إطار عمل يمثل حالات الخلايا كتركيبة من تمثيلات برامج جينية متعددة الأبعاد وقابلة للتفسير، بدلاً من متجه واحد متشابك أو قيمة عددية بسيطة.
2. المنهجية: Tripso
قدم المؤلفون Tripso (المحولات لتعلم تمثيلات برامج الجينات القابلة للتفسير في بيانات النسخ المتماثل أحادية الخلية)، وهو إطار عمل للتعلم العميق يعتمد على التعلم ذاتي الإشراف وبنية المحولات (Transformer).
نظرة عامة على البنية
يقوم Tripso بنمذجة حالات الخلايا بشكل هرمي من خلال ثلاث مراحل:
مشفر الجينات (النموذج الأساسي):
المدخلات: بيانات تعداد scRNA-seq المرمزة (ترميز قائم على الرتبة).
الآلية: يقوم مشفر المحول (Transformer encoder) بتوليد تمثيلات جينية سياقية عبر آلية الانتباه الذاتي (self-attention) بين الجينات داخل الخلايا الفردية.
التدريب: يستخدم هدف نمذجة اللغة المقنعة (MLom - Masked Language Modeling) (التنبؤ برموز الجينات المقنعة) لتعلم العلاقات المعتمدة على السياق بين الجينات.
التهيئة: يتم تهيئة تمثيلات الجينات باستخدام أوزان مدربة مسبقًا من نموذج Geneformer.
محولات برامج الجينات (GP Transformers):
المدخلات: مجموعات محددة مسبقًا من الجينات المرتبطة بيولوجيًا (مثل PROGENy أو CollecTRI) يتم توجيهها إلى كتل محولات مستقلة ومحددة.
الآلية: تحتوي كل كتلة GP على رمز CLS خاص يتفاعل (attends) مع تمثيلات الجينات المكونة له. يعمل رمز CLS هذا كملخص غير خطي ومعتمد على السياق لنشاط البرنامج الجيني في خلية معينة.
التدريب: يتم التدريب عبر القناع ثنائي الاتجاه (على غرار BERT) للتنبؤ بالجينات المقنعة داخل البرنامج المحدد.
ملاحظة: يسمح هذا للنموذج بالتقاط أنماط التنظيم التصاعدي والتنازلي والوزن المعتمد على السياق للجينات داخل البرنامج.
التمثيل العالمي للخلية:
المدخلات: يتم تجميع تمثيلات CLS من جميع كتل الـ GP.
الآلية: تقوم كتلة محول خلوية عالمية بالتفاعل مع تمثيلات الـ GP لإنتاج تمثيل موحد على مستوى الخلية.
التدريب: يقوم وحدة فك التشفير (decoder) بإعادة بناء تعدادات الجينات الأصلية باستخدام فقدان التوزيع البيطري السالب (Negative Binomial loss)، مما يضمن احتفاظ تمثيل الخلية بالأمانة البيولوجية.
القدرات الرئيسية
اكتشاف برامج الجينات (GP Discovery): يتضمن Tripso وحدة لاكتشاف برامج جينية جديدة تعتمد على البيانات دون الحاجة لتوصيفات مسبقة. حيث يقوم بتجميع الجينات بناءً على أنماط الانتباه (العلاقات بين الجينات) التي تعلمها المحول، مما يحدد وحدات سياقية محددة.
المقاييس الكمية:
أهمية الجين: تقيس تشابه جيب التمام (Cosine similarity) بين تمثيل الجين ورمز CLS الخاص بالبرنامج الجيني، مما يحدد مساهمة الجين في برنامج معين.
أهمية البرنامج الجيني (GP Importance): يقيس الاستئصال المنهجي (بوضع تمثيل الـ GP إلى الصفر) مدى مساهمة برنامج جيني معين في الهوية الإجمالية للخلية.
التحليل اللاحق: تتوافق تمثيلات الـ GP مع الأدوات القياسية أحادية الخلية (مثل UMAP، والنقل الأمثل - Optimal Transport - لرسم مسارات من داخل الجسم إلى خارج الجسم، واختبار الوفرة التفاضلية).
3. المساهمات الرئيسية
بنية مبتكرة: أول إطار عمل للمحولات ذاتي الإشراف الذي ينمذج حالات الخلايا صراحةً كـ هرم من تمثيلات خاصة ببرامج الجينات (GP-specific embeddings)، متجاوزًا بذلك درجات المسارات العددية البسيطة.
التقييم المعياري: أظهر أداءً فائقًا على الطرق الموجودة (مثل Spectra و Expimap و DeepGSEA) في التمييز بين حالات الخلايا بناءً على نشاط المسارات والاضطرابات الجينية.
الاكتشاف البيولوجي:
حلل التحولات المرتبطة بالعمر في تمايز الخلايا المكونة للدم.
حدد أهدافًا قابلة للتنفيذ لتحسين صيانة الخلايا الجذعية خارج الجسم.
اكتشف برنامجًا جديدًا محدودًا مكانيًا لخلايا الذاكرة التائية المقيمة في الأنسجة (TRM) في حالات التهاب الجلد التأتبي.
4. النتائج الرئيسية
أ. أداء التقييم المعياري
مجموعة بيانات Perturb-seq: تفوق Tripso على تحليل المصفوفات (Spectra) والمشفرات التلقائية المتغيرة القابلة للتفسير (Expimap) في التمييز بين الخلايا بناءً على تحفيز السيتوكينات (TGFβ مقابل TNFα) والتعطيل الجيني.
استعادة البصمات: في مهام اكتشاف الـ GP، استعاد Tripso عددًا أكبر بكما من جينات استجابة المسارات الحقيقية (تحسن نسبي بنسبة 48% عن Spectra) وأنتج مجموعات جينية ذات بنية بيولوجية بدلاً من عوامل كامنة ضخمة وغير قابلة للتفسير.
الأنسجة الواقعية: عند تطبيقه على أطلس بطانة الرحم البشرية، استطاع Tripso التمييز بشكل أفضل بين حالات الخلايا المدفوعة بإشارات WNT و TGFβ مقارنة بالنماذج المرجعية.
ب. التطبيق 1: الأنماط المرتبطة بالعمر في تكوين الدم البشري
مجموعة البيانات: دمج أكثر من 498 ألف خلية من مرحلة التطور الجنيني حتى الشيخوخة (كيس المح، الكبد الجنيني، نخاع العظم) والمزارع خارج الجسم.
النتائج:
نشاط JAK-STAT: يرتفع في الخلايا السلفية/الجذعية المكونة للدم (HSPCs) في مرحلة الطفولة، مما يتداخل مع جينات استجابة الإنترفيرون من النوع الأول، مما يشير إلى آلية محفوظة للتوسع بعد الولادة.
تحول IKZF1: حدد تحولًا تطوريًا في تمايز الخلايا البائية. حيث فضلت خلايا Pro-B قبل الولادة التكاثر (ارتفاع DTx1 و BCL2L1)، بينما ركزت خلايا ما بعد الولادة على تنوع مستقبلات الخلايا البائية (ارتفاع IGLL1 و DNTT). لم يكن هذا التباين مرئيًا إلا في فضاء تمثيل IKZF1 GP، وليس في التمثيلات العالمية أو البرامج الأخرى (مثل WNT).
ج. التطبيق 2: تحسين صيانة الخلايا الجذعية المكونة للدم (HSC) خارج الجسم
الفرضية: قام Tripso برسم خرائط للخلايا الجذعية المكونة للدم (HSCs) خارج الجسم إلى مراجع داخل الجسم للعثور على الجينات التي يمكن تعديلها لتحسين القدرة على الحفاظ على الحالة الجذعية.
الاكتشاف: تم تحديد آلية SEC61 translocon (تحديدًا SSR1 و SEC61G) كآلية ترتفع في الحالات المتمايزة ضمن مسار PI3K.
التحقق: أدت معالجة خلايا CD34+ المشتقة من دم الحبل السري باستخدام مثبط SEC61 (SEC61-IN-1) إلى زيادة كبيرة في تردد الخلايا الجذعية ذات النمط الظاهفي المناعي (CD34+ CD45RA− CD90+ EPCR+) في المزرعة، خاصة في الأوساط التي تحتوي على UM171 و SR-1. وقد أثبت هذا قدرة النموذج على توجيه تحسين البروتوكولات التجريبية.
د. التطبيق 3: برامج الجينات المرتبطة بالأمراض في التهاب الجلد
مجموعة البيانات: 1.7 مليون خلية من خزعات جلد بشرية (سليمة، التهاب جلد تأتبي [AD]، صدفية) مدمجة مع بيانات النسخ المكاني (Xenium) والبروتينات.
الاكتشاف: اكتشف Tripso البرنامج GP23، وهو برنامج جديد غني في خلايا الذاكرة التائية المقيمة في الأنسجة (TRM) الموجبة لـ IL13 تحديدًا في حالات التهاب الجلد التأتبي.
التحقق المكاني: تزامن نشاط GP23 مكانيًا مع النيشات المناعية المرتبطة بالغدد الدهنية وتجمعات الخلايا التائية في آفات التهاب الجلد التأتبي.
الاستمرارية: استمرت النيشات عالية النشاط لـ GP23 في عينات الجلد حتى بعد زوال الأعراض السريرية (عينات الانتكاس)، مما يشير إلى أن هذه البرامج النسخية هي التي تقود تكرار المرض.
5. الأهمية والأثر
القابلية للتفسير: يجسّر Tripso الفجوة بين القوة التنبؤية للنماذج التأسيسية وبين التفسير البيولوجي. فمن خلال ربط التمثيلات ببرامج الجينات (GPs)، فإنه يسمح للباحثين بتتبع التغييرات وصولاً إلى برامج بيولوجية وجينات محددة.
توليد الفرضيات: نجح الإطار في توليد فرضيات قابلة للاختبار (مثل تثبيط SEC61) أدت إلى تحقق تجريبي، مما يثبت فائدته في اكتشاف الأدوية وتحسين البروتوكولات.
السياق المكاني: كشف دمج Tripso مع البيانات المكانية أن البرامج المرتبطة بالأمراض ليست نوعية لنوع الخلية فحسب، بل هي مقيدة بالنيش (Niche-restricted)، مما يوفر فهمًا أعمق لاعتلالات الأنسجة.
الاتجاهات المستقبلية: يقترح المؤلفون توسيع نطاق Tripso ليشمل البيانات متعددة الوسائط (الكروماتين، البروتين) والمقارنات بين الأنواع، مما يضع النمذجة القائمة على برامج الجينات كخطوة تأسيسية نحو نماذج "الخلية الافتراضية".
باختصار، يمثل Tripso تحولًا جذريًا من تمثيلات الخلايا "الصندوق الأسود" إلى تمثيلات شفافة قائمة على البرامج، مما يتيح تشريحًا أكثر دقة لحالات الخلايا عبر مراحل النمو، المرض، والأنظمة الهندسية.