EMITS: expectation-maximization abundance estimation for fungal ITS communities from long-read sequencing
تُعد EMITS أداة عالية الأداء مبنية بلغة Rust، تستخدم خوارزمية التوقع والتعظيم (expectation-maximization) لحل مشكلات خرائط القراءات الغامضة وتحسين تقدير الوفرة على مستوى الأنواع في مجتمعات الـ ITS الفطرية من تسلسل القراءات الطويلة، متفوقةً بذلك بشكل كبير على طرق العد الساذجة في الدقة وتقليل الأخطاء.
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
تخيل أنك محقق يحاول معرفة من كان في غرفة مزدحمة بناءً على سلسلة من آثار أقدام كاميرات المراقبة الضبابية والمتداخلة.
في عالم البيولوجيا الفطرية، يستخدم العلماء "بصمة" محددة في الحمض النووي تسمى ITS لتحديد أنواع مختلفة من الفطريات أو العفن. مؤخرًا، بدأ العلماء في استخدام أجهزة تسلسل "القراءة الطويلة" (مثل Oxford Nanopore أو PacBio) والتي تتميز بقدرتها على قراءة هذه البصمات دفعة واحدة. ومع ذلك، هناك مشكلة؛ فالعديد من الفطريات تشبه أبناء العمومة الذين يبدون متطابقين تقريبًا. بصمات الحمض النووي الخاصة بهم متشابهة جدًا لدرجة أن الكمبيوتر يصاب بالارتباك.
الطريقة القديمة: خطأ "التخمين الأفضل"
تقليديًا، عندما يرى الكمبيوتر بصمة ضبابية، فإنه يختار ببساطة أفضل تطابق واحد يمكنه العثور عليه ويقول: "هذا بالتأكيد هو النوع (أ)".
هذا يشبه محققًا ينظر إلى صورة ضبابية ويقول: "هذا يبدو مثل جون، إذًا لا بد أنه جون"، رغم أن توأم أخيه "مايك" يشبهه بنسبة 99%.
- المشكلة: إذا أخطأ الكمبيوتر، فإنه يخطئ في عدّ الحشد. قد يعتقد أن هناك 100 شخص من "جون" بينما هم في الواقع 50 "جون" و50 "مايك".
- فوضى قاعدة البيانات: علاوة على على ذلك، فإن المكتبة المرجعية (UNITE) تحتوي على مدخلات متعددة لنفس النوع (مثل امتلاك 20 بطاقة هوية مختلفة لـ "جون"). الطريقة القديمة تقسم عدد "جون" عبر الـ 20 بطاقة، مما يجعل الأمر يبدو وكأن هناك العديد من الأشخاص المختلفين بينما هو في الواقع شخص واحد فقط.
الحل الجديد: EMITS (المحقق الذي يعتمد على "تفكير المجموعة")
قام مؤلفو هذه الورقة البحثية ببناء أداة جديدة تسمى EMITS. بدلًا من اتخاذ قرار سريع، تستخدم EMITS عملية تكرارية ذكية تسمى توقع التعظيم (Expectation-Maximization - EM).
فكر في EMITS كمحقق لا يكتفي باختيار مشتبه به واحد، بل يقوم بـ:
- وضع تخمين: "حسنًا، لنفترض أن 50% من هذه الآثار تعود لجون و50% لمايك".
- التحقق من الأدلة: ينظر إلى الآثار مرة أخرى. "إذا كانت النسبة 50/50، فهل تبدو هذه البصمة الضبابية أقرب لجون أم لمايك؟".
- تعديل التخمين: "في الواقع، هذه البصمة تبدو أقرب لجون قليلاً، لذا دعونا نرفع الاحتمالات لتصبح 60% لجون".
- التكرار: يقومون بهذا مرارًا وتكرارًا، ويقومون بتنقيح الأرقام حتى تستقر الرياضيات على الحقيقة الأكثر احتمالًا.
يسمح هذا للأداة بأن تقول: "لا يمكننا التأكد بنسبة 100% من هذه البصمة المحددة، ولكن إحصائيًا، من المرجح أن يكون جون أكثر من مايك"، وهي توزع "الائتمان" بشكل عادل بين الاثنين.
كيف اختبروا ذلك؟
اختبر الفريق EMITS بثلاث طرق:
- المحاكاة: أنشأوا حشدًا رقميًا وهميًا حيث يعرفون بالضبط من كان هناك. أضافوا "ضجيجًا" (ضبابية) للبيانات. الطريقة القديمة ارتبكت ووقعت في أخطاء فادحة، بينما ظلت EMITS هادئة ودقيقة، مما قلل الأخطاء بنسبة تصل إلى 92%.
- المجتمع "النموذجي": أخذوا جرة حقيقية تحتوي على 10 أنواع معروفة من الفطريات، وقاموا بتسلسلها، وتركوا الأدوات تخمن. نجحت EMITS في تحديد الأنواع المحددة في المجموعات الصعبة (مثل Trichophyton و Penicillium)، بينما خلطت الطريقة القديمة بينهم.
- الحشد الاصطناعي: أنشأوا خليطًا معقدًا من 21 نوعًا. لم تكتفِ EMITS بإيجاد الأنواع الصحيحة فحسب، بل منعت الكمبيوتر أيضًا من ابتكار أنواع "شبحية" لم تكن موجودة (مما قلل الإنذارات الكاذبة بنسبة 54%).
لماذا هذا مهم؟
- إنها سريعة: الأداة مكتوبة بلغة Rust، وهي لغة برمجة معروفة بسرعتها الفائقة وكفاءتها.
- إنها ذكية: هي تعرف أن الكاميرات المختلفة (أجهزة التسلسل) لديها أنواع مختلفة من الضبابية، لذا لديها "إعدادات مسبقة" لضبط عملها التحقيقي.
- إنها تنظف الفوضى: تقوم تلقائيًا بدمج بطاقات الهوية المتعددة لنفس النوع بحيث تحصل على عدد واضح للأنواع الفعلية، وليس لمجرد مدخلات قاعدة البيانات.
الخلاصة
EMITS هي حاسبة ذكية للغاية للحمض النووي الفطري. إنها تمنعنا من الخطأ في تحديد الأنواع الفطرية المتشابهة وتمنعنا من الازدواجية في عدّ نفس النوع. ومن خلال استخدام نهج "تفكير المجموعة" بدلًا من نهج "التخمين الأفضل"، فإنها تمنح العلماء صورة أكثر وضوحًا ودقة للعالم الفطري، وهو أمر بالغ الأهمية للطب والزراعة وعلم البيئة.
تعمل الأداة بأفضل شكل عند اقترانها بأداة أخرى تسمى ITSxRust، مما يخلق مسارًا كاملًا عالي السرعة لتحليل المجتمعات الفطرية من تسلسل القراءة الطويلة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.