Spectral Unmixing: A modular and reproducible Python package for directed and blind spectral unmixing in multidimensional microscopy stacks

في عالم التصوير البيولوجي، يستخدم العلماء مجاهر قوية للنظر في الآلات المتوهجة والمتناهية الصغر داخل الخلايا الحية. ولجعل هذه الهياكل غير المرئية مرئية، يقوم الباحثون بوسمها بصبغات خاصة تسمى "الفلوروفورات" (fluorophores)، والتي تضيء بألوان محددة عند تعرضها لليزر. ومن خلال استخدام عدة صبغات مختلفة في آن واحد، يمكنهم مراقبة تفاعل أجزاء متعددة من الخلية في الوقت الفعلي. ومع ذلك، ثمة مشكلة مستمرة لطالما حجبت هذه الملاحظات: فالألوان غالباً ما تتداخل مع بعضها البعض. تماماً كما قد يلقي ضوء أحمر ظلاً وردياً باهتًا على جدار أبيض قريب، يمكن لتوهج صبغة ما أن يفيض إلى القناة المخصصة لصبغة أخرى. هذا التلوث يخلق إشارة كاذبة، مما يجعل من الصعب تحديد مكان الجزيء بدقة أو معرفة مقدار وجوده. ولعقود من الزمن، كان إصلاح هذه المشكلة جهداً مجزأً، يعتمد على مجموعة من التعديلات اليدوية، أو برامج نصية مخصصة كتبتها المختبرات الفردية، أو أدوات متخصصة يصعب مشاركتها أو التحقق منها. وبدون طريقة معيارية لتنقية هذه الإشارات المختلطة، تظل البيانات من الدراسات المختلفة صعبة المقارنة، وتظل الصورة الحقيقية للحياة الخلوية خارج نطاق التركيز قليلاً.

يهدف حزمة برمجية جديدة مفتوحة المصدر تسمى spectral-unmixing إلى إرساء النظام وسط هذه الفوضى عبر تقديم أداة واحدة موثوقة لتصحيح اختلاط الألوان هذا. لقد بنى الباحثون وراء هذا العمل نظاماً نموذجياً يمكنه التعامل مع الواقع الفوضوي لبيانات المجهر، بغض النظر عن تنسيق الملف الذي ينتجه الجهاز. وبدلاً من إجبار العلماء على إعادة تنظيم بياناتهم يدوياً قبل التحليل، تقوم البرمجية بترتيب المعلومات تلقائياً وفق ترتيب معياري، مما يسمح ببدء عملية التصحيح فوراً. تم تصميم الحزمة لتكون مرنة وشفافة في آن واحد؛ إذ يمكنها إجراء تصحيحات موجهة، حيث يعرف المستخدم بالضبط أي الصبغات تتداخل مع بعضها البعض، كما يمكنها أيضاً محاولة إجراء "فك خلط أعمى" (blind unmixing)، حيث تستنتج البرمجية أنماط الخلط من تلقاء نفسها دون تعليمات مسبقة. والأهم من ذلك، أنه في كل مرة تعمل فيها البرمجية، فإنها تنشئ سجلاً رقمياً للإعدادات المستخدمة والأرقاء التي تم حسابها بالضبط. يضمن ملف "الجانب المرفق" (sidecar file) هذا أنه يمكن لأي شخص العودة إلى العمل لاحقاً ورؤية كيفية اشتقاق الصورة النهائية بدقة، مما يزيل حالة التخمين التي غالباً ما تشوب التحليل العلمي.

اختبر الفريق أداة البحث باستخدام كل من المحاكاة الحاسوبية والبيانات الحقيقية من تجارب مجهرية فعلية لمعرفة مدى كفاءتها. وفي عمليات المحاكاة حيث كانت الإجابة الحقيقية معروفة، أثبتت البرمجية فاعلية عالية في تنقية الضجيج. وعند تصحيح قناة محددة في إعداد ثنائي اللون، انخفض الخطأ في الصورة النهائية بشكل كبير، حيث انتقل من قيمة معيارية تبلغ حوالي 0.029 إلى حوالي 0.003. كما أظهرت البرمجية وعداً كبيراً عند التعامل مع البيانات التي تتغير بمرور الوقت؛ ففي هذه السيناريوهات، ثبت أن حساب التصحيح لكل لحظة على حدة كان أفضل بكثير من استخدام إعداد متوسط واحد للتجربة بأكملها. وقد قلل هذا النهج من الخطأ في تقدير مستويات الخلط من حوالي 0.099 إلى 0.003 فقط. علاوة على ذلك، أظهرت الأداة قدرة فريدة على التعامل مع التصحيحات ثنائية الاتجاه، حيث تتداخل صبغتان مع بعضهما البعض في آن واحد. ومن خلال عكس نموذج الخلط رياضياً، خفضت البرمجية الأخطاء في القنوات المتبادلة من نطاق يتراوح بين 0.022 و0.037 إلى حوالي 0.004.

أما بالنسبة للحالات الأكثر تعقيداً التي تتضمن العديد من الألوان المختلفة في وقت واحد، فتستخدم البرمجية طريقة تُعرف باسم "فك الخلط الأعمى"، والتي تفصل الإشارات المختلطة دون الحاجة إلى معرفة الخصائص الدقيقة للصبغات مسبقاً. وأظهرت الاختبارات المرجعية على البيانات متعددة القنوات أن هذه الطريقة نجحت في تقليل الاعتماد غير المرغوب فيه بين القنوات مع الحفاظ على هوية كل فلوروفور أصلي. ووجد الباحثون أيضاً أنه إذا عرف العالم المسار المحتمل للتلوث — على سبيل المثال، معرفة أن الصبغة (أ) غالباً ما تتسرب إلى قناة الصبغة (ب) — فيمكنه استخدام قيود محددة لتوجيه البرمجية، مما يوفر بديلاً قابلاً للتحكم عندما تكون مسارات الخلط مفهومة. وتشير النتائج إلى أن هذه الحزمة توفر منصة قوية لتوحيد كيفية تنقية العلماء لصورهم. ومن خلال جعل العملية قابلة للبرمجة، وقابلة للتكرار، وسهلة الوصول، تخفض هذه الأداة حاجز الدخول إلى التحليل عالي الجودة، مما يسمح للباحثين بالثقة في أن الأنماز المتوهجة التي يرونها في مجاهرهم هي انعكاس حقيقي للبيولوجيا، وليست مجرد أثر ناتج عن المعدات.