A Bioinformatic Pipeline for Consensus Taxonomic Classification of Long-Read Amplicons

تخيل أنك تحاول تحديد أنواع الأشجار المختلفة في غابة كثيفة وهائلة. في الماضي، كان العلماء يستطيعون فقط التقاط لقطات ضبابية وقصيرة للأوراق (تسلسل القراءات القصيرة - short-read sequencing). كان بإمكانهم التمييز بين الأشجار، لكن كان من الصعب غالباً معرفة أي نوع بالضبط هم بصدد النظر إليه.

الآن، وبفضل تقنية جديدة تسمى "أكسفورد نانوبور" (Oxford Nanopore)، يمكن للعلماء التقاط مقاطع فيديو عالية الدقة وطويلة المدى للشجرة بأكملها من الجذور حتى القمة (الأمبليكونات طويلة المدى - long-read amplicons). ومن المفترض أن يجعل هذا عملية التحديد أسهل بكثير. ومع ذلك، كانت هناك مشكلة: الأدوات (سلاسل البرمجيات - software pipelines) المستخدمة لتحليل مقاطع الفيديو الجديدة عالية الدقة لم تكن جاهزة تماماً بعد؛ فإما كانت صارمة للغاية، أو فوضوية، أو عرضة لارتكاب الأخطاء.

الحل: فريق "ACT"
لإصلاح ذلك، قام الباحثون ببناء أداة جديدة تسمى مسار "تصنيف أمبليكون الكونسنسس" (ACT - Amplicon Consensus Taxonomy). فكر في ACT ليس كـ محقق واحد، بل كـ لجنة من ثلاثة قضاة خبراء.

بدلاً من الاعتماد على طريقة واحدة فقط، يستمع ACT إلى آراء ثلاث أدوات موجودة (تسمى Emu وSintax وLACA).

• الاستراتيجية: إذا كان أحد القضاة غير متأكد ولكن القاضيين الآخرين واثقان، يتبع ACT رأي الأغلبية. ومن خلال دمج نقاط قوتهم وتغطية نقاط ضعف بعضهم البعض، يتخذ ACT قراراً نهائياً أكثر ذكاءً وموثوقية مما يمكن لأي أداة بمفردها أن تفعله.

المكتبة المرجعية: "ACT-DB"
لمساعدة هؤلاء القضاة، بنى الفريق مكتبة مرجعية خاصة تسمى ACT-DB.

تخيل مكتبة حيث يتم فرز الكتب بناءً على تصميم الغلاف. إذا كان لديك 50 كتاباً تبدو متطابقة بنسبة 99%، فقد تحاول المكتبة العادية إعطاء كل منها عنواناً فريداً، حتى لو كانت في الأساس نفس القصة. هذا يؤدي إلى الارتباك و"الإفراط في التصنيف" (أي تسمية شيئين متشابهين جداً كأنهما شيئان مختلفان تماماً).

إن ACT-DB أكثر ذكاءً. فهو يجمع تلك الكتب المتطابقة تقريباً في "حاوية متعددة التصنيف" (multi-taxa bin) واحدة.

• الفائدة: إذا تطابقت لقطات الفيديو الجديدة مع هذه المجموعة، يقول ACT: "هذه بالتأكيد واحدة من هذه الأشجار"، بدلاً من التخمين باسم محدد قد يكون خاطئاً. هذا يمنع النظام من اختلاق دقة وهمية ويحافظ على نزاهة النتائج.

النتائج: من كان الأفضل؟
اختبر الفريق ACT مقابل الأدوات الأخرى باستخدام ثلاثة سيناريوهات:

1. مجموعة معروفة وبسيطة من "الأشجار" (مجتمع محاكى - mock community).
2. بيانات مزيفة تم إنشاؤها بواسطة الكمبيوتر (مجموعات بيانات محاكات - simulated datasets).
3. عينة تربة حقيقية معقدة مليئة بالأنواع غير المعروفة (مجتمع ريزوسفير - rhizosphere community).

ما وجدوه:

• تأثير "المستضعف" (The Underdog Effect): كان ACT بارعاً بشكل خاص في رصد الأشجار "النادرة" أو "الجديدة" التي أغفلتها الأدوات الأخرى. فبينما كانت الأدوات الأخرى غالباً ما تتجاهل الأنواع ذات الوفرة المنخفضة أو الأنواع الجديدة التي لا تتعرف عليها، حافظ ACT عليها في العدّ.
• الدقة: من حيث تحديد الأنواع المعروفة، كان أداء ACT يضاهي أفضل الأدوات الموجودة حالياً.
• الفوز الكبير: لأن ACT لم يتخلص من الأنواع النادرة أو غير المعروفة، فقد قدم عدداً أكثر دقة لكيفية اختلاف أنواع الأشجار الموجودة فعلياً في الغابة. وقد تطابق هذا بشكل أكبر مع ما رآه العلماء في الدراسات القديمة ذات القراءات القصيرة.

باختاًصر
يعمل مسار ACT وقاعدة بياناته الخاصة مثل فريق تعاوني فائق الذكاء من حراس الغابات. فهم يستخدمون أفضل تقنية فيديو كاملة الطول متاحة، ويجمعون حكمة ثلاثة خبراء مختلفين، ويستخدمون نظام أرشفة ذكي لتجنب التخمين. والنتيجة هي طريقة تحدد الأنواع المعروفة بثقة مع ضمان عدم مسح الأنواع النادرة أو غير المعروفة من الخريطة عن طريق الخطأ.