Integration of proteomic data from cell lines and tumors
يقدم المؤلفون ProtInt، وهو إطار عمل للتعلم العميق يدمج بنجاح البيانات البروتينية من الخطوط الخلوية السرطانية وأورام المرضى من خلال التغلب على تحديات القيم المفقودة، متفوقاً بذلك على الأساليب الحالية وكاشفاً عن التحولات البيولوجية الرئيسية اللازمة لمواءمة النماذج قبل السريرية بشكل أفضل مع الواقع السريري.
المؤلفون الأصليون:Ta, C. Q., Auth, J. M., Schilling, M., Klingmüller, U., Raue, A.
تعتمد أبحاث السرطان بشكل كبير على أداة بسيطة وقوية: الخطوط الخلوية السرطانية. وهي عبارة عن مجموعات من الخلا السرطانية التي تُزرع في أطباق مختبرية، وتُبقى حية لعقود، ويستخدمها العلماء لدراسة كيفية سلوك الأورم واختبار الأدوية الجديدة. ولأنها سهلة النمو والمشاركة، فإنها تشكل العمود الفقري للدراسات قبل السريرية. ومع ذلك، لطالما واجه هذا المجال مشكلة مستعصية: فغالباً ما تفشل النتائج المستخلصة من هذه الخلايا المزروعة في الأطباق في التحول إلى علاجات ناجحة للمرضى الفعليين. فالخلايا في طبق "بتري" تفتقر إلى البيئة المعقدة لجسم الإنسان، ومع مرور الوقت، يمكن أن تنحرف جينياً وكيميائياً بعيداً عن الأورام التي أُخذت منها في الأصل. ولتجسير هذه الفجوة، يحتاج الباحثون إلى وسيلة لمقارنة التركيب الجزيئي لهذه الخلايا المزروعة مخبرياً مباشرة مع التركيب الجزيئي لأورام المرضى الحقيقيين. وبينما نجح العلماء في مقارنة التعليمات الجينية، أو الحمض النووي الريبوزي (RNA)، بين هاتين المجموعتين، إلا أن مقارنة مماثلة للبروتينات — وهي الجزيئات العاملة الفعلية التي تستهدفها الأدوية عادةً — ظلت بعيدة المنال. ويرجع ذلك إلى أن بيانات البروتين معروفة بكونها "فوضوية"، حيث تفتقر غالباً إلى أجزاء كبيرة من المعلومات بسبب القيود المفروضة على الأجهزة المستخدمة في قياسها.
لقد طور فريق من الباحثين الآن طريقة جديدة تسمى "ProtInt" لحل هذا اللغز تحديداً. طبقوا هذا النهج على مجموعة ضخمة من البيانات، حيث جمعوا بين قياسات البروتين من 771 خطاً خلوياً سرطانياً مختلفاً وبيانات من 550 ورماً من مرضى لم يتلقوا علاجاً سابقاً عبر 13 نوعاً مختلفاً من الأنسجة. كان الهدف هو إنشاء خريطة موحدة حيث يمكن رؤية المجموعتين المختلفتين جنباً إلى جنب، ليس كجزيرتين منفصلتين، بل كأجزاء من مشهد واحد. ووجد الباحثون أن الطرق القياسية المستخدمة لتنظيف البيانات أو محاذاة المعلومات الجينية لم تستطع ببساطة التعامل مع الفجوات الفريدة والقيم المفقودة الموجودة في مجموعات بيانات البروتين. وعندما حاولوا إجبار هذه الطرق القديمة على العمل، ظلت الخطوط الخلوية والأورام منفصلة بعناد. ومع ذلك، يستخدم "ProtInt" نظام تعلم متطور يفهم كيفية قياس البروتينات ولماذا تضيع البيانات. فهو يتعلم كيفية ملء الفراغات بطريقة واقعية مع تعديل البيانات في الوقت نفسه بحيث يمكن مقارنة الخطوط الخلوية والأورم مباشرة.
أظهرت النتائج أن "ProtInt" نجح في دمج مجموعتي البيانات. وفي الرؤية الجديدة الموحدة، اختفى الانفصال الاصطناعي بين الخلا السرطانية المخبرية وأورام المرضى. وبدلاً من وجود مجموعتين متميزتين، بدأت العينات تتجمع بناءً على نوع النسيج الذي جاءت منه، مثل الرئة أو الثدي أو الدم. لم تكن هذه المحاذاة مثالية لكل نوع من أنواع الأنسجة؛ فعلى سبيل المثال، لا تزال الخطوط الخلوية من الجهاز العصبي المركزي والعضلات الملساء تواجه صعوبة في المطابقة مع نظيراتها من الأورام، ومن المرجح أن هذه الخلايا المحددة تتغير بشكل كبير عند زراعتها في طبق. ومع ذلك، نجحت الطريقة بشكل ملحوظ في العديد من الأنسجة الأخرى. وعندما نظر الباحثون عن كثب فيما تغير أثناء هذه المحاذاة، رأوا قصة بيولوجية واضحة تبرز؛ فمع تعديل الخطوط الخلوية لتبدو أكثر شبهاً بالأورام الحقيقية، تحولت ملفات البروتين الخاصة بها بطرق يمكن التنبؤ بها. فقد أظهرت زيادة في البروتينات المتعلقة بالجهاز المناعي، والتواصل بين الخلايا، والتفاعل مع بنية الأنسجة المحيطة. وفي الوقت نفسه، انخفضت البروتينات المشاركة في الآلات الخلوية الأساسية، مثل نسخ التعليمات الجينية وتوليد الطاقة. ويعكس هذا التحول واقع أن الأورام الحقيقية توجد داخل بيئة جسم معقدة، بينما تكون الخلايا المخبرية غالباً معزولة وتركز فقط على النمو السريع.
اختبرت الدراسة أيضاً ما إذا كانت الاستراتيجيات الرياضية المختلفة يمكن أن تحقق نفس النتيجة. قارن الباحثون طريقتهم مع طرق أخرى تعتمد على تقنيات تعلم مختلفة، مثل تلك التي تحاول إجبار البيانات على العودة إلى حالتها الأصلية. ووجدوا أن هذه المقاربات البديلة لم تؤدِ أداءً جيداً؛ فإما فشلت في خلط البيانات بفعالية أو تسببت في الكثير من الأخطاء. وقد أثبت "ProtInt" تفوقه لأنه أخذ في الاعتبار تحديداً الطريقة التي تسلكها البيانات المفقودة في تجارب البروتين، حيث عامل الفجوات ليس كضجيج عشوائي بل كنمط مرتبط بوفرة البروتين. سمح هذا للنظام بإعادة بناء القيم المفقودة بدقة عالية، مما يضمن أن المقارنة النهائية تستند إلى صورة كاملة. وأشار الباحثون إلى أنه بينما تعمل الطريقة بشكل جيد مع النوع المحدد من بيانات البروتين التي استخدموها، إلا أنها ليست جاهزة بعد للتقنيات المختبرية الأخرى التي تصنف البروتينات بشكل مختلف.
في نهاية المطاف، يوفر هذا العمل إطاراً جديداً لفهم البيانات البيولوجية المعقدة. فمن خلال النجاح في دمج "البروتيوم" (المجموعات البروتينية) للخطوط الخلوية والأورام، يوفر "ProtInt" وسيلة لتحديد أي الخطوط الخلوية المخبرية هي الأفضل لمطابقة سرطانات معينة لدى المرضى. ويمكن أن يساعد هذا العلماء في اختيار النماذج الأكثر ملاءمة لتجاربهم، مما قد يقلل من عدد التجارب السريرية الفاشلة. لا تدعي هذه الطريقة أنها حلت مشكلة علاج السرطان بأكملها، ولا تضمن أن كل دواء يتم اختباره على هذه الخلايا المتوافقة سيعمل لدى المرضى. بدلاً من ذلك، فهي تقدم عدسة أكثر وضوحاً ودقة لرؤية الاختلافات بين المختبر والعيادة. لقد جعل الباحثون الكود الخاص بهم متاحاً للمجتمع العلمي، داعين الآخرين لاستخدام هذه الأداة لاستكشاف عوالم بيولوجيا الخطوط الخلوية والأورام الشاسعة والتي كانت منفصلة سابقاً.
ملخص تقني: ProtInt – دمج البيانات البروتينية من الخطوط الخلوية والأورام
بيان المشكلة تُعد الخطوط الخلوية السرطانية ضرورية للبحوث قبل السريرية، ومع ذلك، غالبًا ما تفشل النتائج المستمدة من هذه النماذج في الترجمة إلى نجاح سريري بسبب التباينات البيولوجية بين المزارع المختبرية (in vitro) وأورام المرضى. وبينما توجد طرق لدمج البيانات النسخية (الترانسكريبتومية) لمواءمة الخطوط الخلوية والأورام، إلا أن الأساليب المماثلة للبيانات البروتينية (البروتيومية) لا تزال مفقودة. ويتمثل العائق الرئيسي أمام دمج البيانات البروتينية في انتشار القيم المفقودة، والتي تنشأ من آليات "المفقود عشوائيًا" (MAR) و"المفقود ليس عشوائيًا" (MNAR). إن طرق تصحيح الدفعات القياسية (مثل ComBat وHarmony) مصممة لإزالة التباين التقني بين مجموعات البيانات المتشابهة بيولوجيًا، وتفشل في معالجة الاختلافات البيولوجية والتقنية العميقة التي تفصل بين الخطوط الخلوية والأورام. علاوة على ذلك، فإن أدوات التكامل النسخي الحالية (مثل Celligner وMOBER) لا تقوم بنمذجة أنماط الفقد المعتمدة على الكثافة التي تميز البروتينات غير المصنفة (label-free)، وغالبًا ما تعيد بناء القيم المفقودة كأصفار بدلاً من تقديرات منطقية للقيم المنخفضة الوفرة.
المنهجية: إطار عمل ProtInt يقدم المؤلفون ProtInt، وهو إطار عمل للتعلم العميق مصمم لدمج البيانات البروتينية غير المصنفة من الخطوط الخلوية وأورام المرضى من خلال إجراء الدمج والتعويض (imputation) في آن واحد. يجمع ProtInt بين ثلاثة مكونات أساسية:
المشفر التلقائي المتغير الشرطي (cVAE): يقوم النموذج بتشفير شدة البروتين المحولة لوغاريتميًا (x) ومتغير مصدر البيانات (c، الذي يشير إلى خط خلوي أو ورم) إلى تمثيل كامن (z). ثم يقوم فك التشفيد بإعادة بناء توزيع تعبير البروتين. وخلافًا لعمليات التعويض القياسية، يتبع ProtInt نهج PIMMS عبر إعادة بناء الكثافات الملحوظة فقط، مما يتجنب إدخال الضجيج في البيانات غير المفقودة.
نموذج التساقط الاحتمالي (Probabilistic Dropout Model): لمعالجة أنماط MNAR، يدمج ProtInt دالة تساقط احتمالية (Φ) مشتقة من msBayesImpute. تقوم هذه الدالة بنمذجة احتمال كون البروتين مفقودًا كدالة لشدته. يعمل النموذج على تقليل خسارة الإنتروبيا المتقاطعة الثنائية (Ldropout) لمواءمة القيم المفقودة المقدرة بواسطة فك التشفيد مع أنماط الفقد الملحوظة، مما يسمح بتوليد تقديرات منطقية للقيم المفقودة بدلاً من الاكتفاء بالصفر.
التدريب التنافسي (Adversarial Training): لإزالة انحياز مصدر البيانات (التمييز بين الخطوط الخلوية والأورام) مع الحفاظ على التباين البيولوجي (الأصل النسيجي)، يستخدم ProtInt شبكة عصبية تنافسية. تحاول هذه الشبكة (المميز) التنبؤ بمصدر البيانات من التمثيل الكامن، بينما يتم تدريب المشفر على تعظيم خطأ التنبؤ هذا، مما يؤدي إلى تعلم فضاء كامن غير متأثر بمصدر البيانات.
قام المؤلفون بتقييم بنيات بديلة، بما في ذلك الاتساق الدوري (المستوحى من تكامل البيانات النسخية وحيدة الخلية)، ووجدوا أن التدريب التنافسي تفوق على الاتساق الدوري في دمج البيانات البروتينية، خاصة عند معاملات الوزن العالية، دون المساس بالحفاظ على الإشارة البيولوجية.
المساهمات الرئيسية
أول إطار عمل للتعلم العميق للدمج البروتيني: يعد ProtInt أول طريقة تم تطويرها خصيصًا لدمج البيانات البروتينية عبر سياقات بيولوجية متميزة (الخطوط الخلوية مقابل الأورام) مع نمذجة صريحة لفقدان البيانات من نوع MNAR.
التعويض والدمج المتزامن: من خلال دمج عملية التعويض ضمن حلقة التدريب التنافسي، يتجنب ProtInt انتشار الخطأ المرتبط بعمليات التعويض المتتالية التي تليها عملية الدمج.
المقارنة المرجعية: توفر الدراسة مقارنة مرجعية شاملة لـ ProtInt مقابل تصحيح الدفعات التقليدي (ComBat وlimma وHarmony) وطرق التكامل النسخي (Celligner وMOBER) باستخدام مجموعة بيانات بروتينية شاملة للسرطان.
النتائج طبق المؤلفون ProtInt لدمج ملفات البروتين غير المصنفة من 771 خطًا خلويًا سرطانيًا و550 عينة ورم غير معالجة عبر 13 نوعًا من الأنسجة.
أداء التكامل: نجح ProtInt في إزالة الانفصال بين الخطوط الخلوية والأورام في الفضاء الكامن المشترك، وهو إنجاز لم تحققه طرق تصحيح الدفعات أو الطرق القائمة على البيانات النسخية. أكدت المقاييس الكمية (graph iLISI) أن ProtInt حقق أعلى مستوى من تكامل مجموعات البيانات. وبينما كان هناك انخفاض طفيف في الحفاظ على الإشارة البيولوجية (graph cLISI) مقارنة بالبيانات الأصلية، فقد عزي ذلك إلى النجاح في خلط مجموعات البيانات وليس فقدان التجميع النوعي للأنسجة.
جودة التعويض: ولد النموذج تقديرات منطقية للقيم المفقودة، حيث قام عمومًا بتعويض كثافات أقل من القيم المكتشفة، وهو ما يتوافق مع التوقع البيولوجي بأن البروتينات منخفضة الوفرة هي الأكثر عرضة لعدم الكشف عنها.
الرؤى البيولوجية:
المواءمة النوعية للأنسجة: بعد التكامل، أظهرت الخطوط الخلوية من الأنسجة المكونة للدم/اللمفاوية، والأمعاء الغليظة، والثدي، والنسيج العصبي الظهاري، تشابهًا بروتينيًا أكبر مع نظائرها من الأورام مقارنة بالخطوط الخلوية من الجهاز العصبي المركزي أو العضلات الملساء.
التحولات البروتينية: كشف التحليل التفاضلي للخطوط الخلوية قبل وبعد "إسقاط الورم" عن تغيرات متكررة. فقد زادت وفرة البروتينات المرتبطة بـ التفاعل المناعي، والتواصل بين الخلايا، والتفاعل مع المصفوفة خارج الخلية، مما يعكس اكتساب سمات تشبه البيئة الدقيقة. وفي المقابل، انخفضت البروتينات المشاركة في النسخ، والمعالجة ما بعد النسخ، والتعبير الجيني للميتوكوندريا، مما يعكس على الأرجح انخفاض معدلات التكاثر وتغير الحالات الأيضية للأورام مقارنة بالخطوط الخلوية سريعة الانقسام.
التصنيف: عند تصنيف عينات الأورام بناءً على أقرب جيرانها من الخطوط الخلوية في تمثيل ProtInt، تم تعيين 38% منها بشكل صحيح لأصل نسيجها، مع ملاحظة دقة أعلى لأنواع معينة من الأنسجة (مثل الرئة والثدي).
الأهمية والادعاءات تضع الورقة البحثية ProtInt كإطار عمل لتسهيل التحليل المشترك للبيانات البروتينية عبر إعدادات بيولوجية متميزة. ويدعي المؤلفون أن ProtInt يمكّن من تحديد الخطوط الخلوية التي تشبه أورام المرضى بشكل أفضل، وهو أمر بالغ الأهمية لاختيار النماذج ذات الصلة سريريًا للدراسات قبل السرجيرية.
أشار المؤلفون بتواضع إلى أنه بينما يحسن ProtInt مواءمة البروتومات، فإن نقص بيانات الاستجابة الدوائية المتطابقة في مجموعتهم الحالية يمنعهم من إثبات أن الخطوط الخلوية المتوافقة تظهر حساسية دوائية مماثلة لأورامها المجاورة بشكل قاطع. واقترحوا ذلك كاتجاه للتحقق المستقبلي. بالإضافة إلى ذلك، أقروا بالقيود الحالية، مشيرين إلى أن ProtInt مصمم للبيانات غير المصنفة (label-free) وقد يتطلب تكييفًا للنهج القائمة على العلامات (مثل TMT) حيث يغير التقييس العلاقة بين الكثافة والفقد. ويؤكد المؤلفون أن ProtInt يوفر أساسًا لعمليات التوسع المستقبلية، مثل دمج بيانات البروتينات وحيدة الخلية أو نمذجة أنماط الفقد عبر نماذج بيانات مختلفة.