Beyond the Default: Optimizing Molecular Networking with arteMIS

في العالم المجهري للكائنات الحية، تعمل الجزيئات الكيميائية الصغيرة كلغة للبيولوجيا؛ فهي ترسل إشارات النمو، وتدافع ضد الغزاة، وتنسق الآلات المعقدة للحياة. ولفهم كيفية عمل هذه الجزيئات، يستخدم العلماء أداة قوية تسمى "مطياف الكتلة"، والتي تعمل مثل كاميرا عالية السرعة للمواد الكيميائية؛ حيث تقوم هذه الآلة بتفكيك الجزيئات وقياس أجزائها، مما ينشئ بصمة فريدة لكل منها. ومع ذلك، يمكن لتجربة واحدة أن تولد آلافاً من هذه البصمات، مما يخلق كومة هائلة وفوضوية من البيانات التي يكاد يكون من المستحيل قراءتها بالعين المجردة. ولإضفاء معنى على هذا، يستخدم الباحثون طريقة تسمى "الترابط الجزيئي" (molecular networking). يأخذ هذا النهج البصمات الكيميائية ويرسم خطوطاً بين تلك التي تبدو متشابهة، ويجمعها في عائلات. إنها طريقة لتنظيم مكتبة لا تُصنف فيها الكتب حسب عناوينها، بل حسب مدى تشابه قصصها مع بعضها البعض.

لسنوات عديدة، اعتمد العلماء على مجموعة قياسية من القواعد لرسم هذه الخطوط وبناء هذه الشبكات. تحدد هذه القواعد مدى التشابه الذي يجب أن تتوفر في بصمتين كيميائيتين قبل ربطهما، ومدى كبر حجم العائلة قبل تقسيمها. تكمن المشكلة في أن هذه القواعد غالباً ما تُترك على "إعدادات المصنع"، التي يختارها مطورو البرامج بدلاً من العلماء الذين يقومون بالعمل الفعلي. وعندما يطبق الباحثون هذه الإعدادات الافتراضية على بياناتهم الخاصة، يمكن أن تكون النتائج مضللة. فأحياناً تصبح الشبكة كتلة متشابكة حيث يتصل كل شيء بكل شيء آخر، مما يخفي المجموعات المتميزة. وفي أحيان أخرى، تكون الشبكة صارمة للغاية لدرجة أنها تتفكك، تاركةً عائلات ذات معنى مشتتة كنقاط منفردة معزولة. وبدون وسيلة لمعرفة الإجابة الحقيقية، لم تكن هناك طريقة معيارية للتحقق مما إذا كانت الروابط التي يتم إنشاؤها حقيقية أم أنها مجرد نتاج للإعدادات المختارة.

قدم فريق من الباحثين الآن إطار عمل جديداً يسمى "arteMIS" لحل هذه المشكلة. فبدلاً من قبول الإعدادات الافتراضية، يقوم هذا النظام باختبار آلاف التوليفات المختلفة من القواعد بشكل منهجي للعثور على التوليفة التي تعمل بشكل أفضل لمجموعة بيانات معينة. وهو يستخدم طريقة أخذ عينات ذكية لاستكشاف المساحة الشاسعة من الإعدادات الممكنة دون الحاجة إلى اختبار كل واحدة منها. وبالنسبة لكل توليفة يجربها، يقوم النظام بتقييم الشبكة الناتجة بناءً على مدى تنظيم المجموعات ومدى منطقية الروابط كيميائياً. ثم يقوم بترتيب هذه الشبكات، مما يسمح للمستخدم باختيار التكوين الذي يقدم الهيكل الأكثر موثوقية. كما أن النظام مرن بما يكفي للعمل بثلاث طرق مختلفة: يمكنه التحسين لمجموعة بيانات غير معروفة تماماً، أو التركيز على مجموعة محددة من المواد الكيميائية المعروفة، أو استهداف فئة معينة من الجزيئات التي يهتم بها الباحث.

ولإثبات فعالية هذا النهج، اختبر الباحثون نظامه مقابل مجموعة متنوعة من البيانات الواقعية. فقد أجروا نظامهم على أربع مجموعات مختلفة من البصمات الكيميائية، تتراوح أحجامها من حوالي 600 إلى ما يقرب من 13,000 طيف. كما اختبروه باستخدام أربع طرق مختلفة لحساب مدى تشابه مادتين كيميائيتين. وأظهرت النتائج أن أفضل الإعدادات لنوع واحد من البيانات أو لطريقة تشابه واحدة لم تكن صالحة للأنواع الأخرى؛ فما يصلح لمجموعة بيانات صغيرة يفشل في مجموعة كبيرة، وما يصلح لطريقة تسجيل واحدة يفشل في أخرى. وعندما استخدم الباحثون أفضل الإعدادات المرتبة التي وجدها نظام "arteMIS"، كانت الشبكات الناتجة أفضل بكثير من تلك التي تم إنشاؤها باستخدام القواعد الافتراضية القياسية. أظهرت هذه الشبكات المحسنة روابط أكثر استقراراً صمدت حتى عند إزالة أجزاء من البيانات، وجمعت المواد الكيميائية بطرق أكثر منطقية من الناحية الكيميائية.

وقد تجلت قوة هذا النهج الجديد عندما طبقه الباحثون على عينات من بكتيريا وفطريات التربة. ففي هذه العينات البيولوجية المعقدة، تركت الإعدادات الافتاسية القياسية العديد من العائلات الكيميائية المهمة مجزأة، مما جعل دراستها صعبة. وفي المقابل، نجح إطار عمل "arteMIS" في إعادة ربط هذه الأجزاء، منقذاً عائلات ذات معنى كانت قد ضاعت في الضجيج. وتخلص الدراسة إلى أن بناء شبكة جزيئية لا ينبغي أن يكون خطوة سلبية يكتفي فيها المرء بقبول الإعدادات الافتراضية للبرنامج، بل يجب أن يكون عملية ضبط نشطة، حيث يتم تعديل الإعدادات بعناية لتناسب البيانات المتاحة. ومن خلال القيام بذلك، يمكن للعلماء ضمان أن الخرائط التي يرسمونها للعالم الكيميائي هي الأكثر دقة وفائدة قدر الإمكان.