HIDE-Deconv: A hierarchical deconvolution framework for multiscale characterization of cellular remodeling

داخل جسم الإنسان، لا تُعد الأنسجة كتلًا متجانسة من مادة واحدة، بل هي فسيفساء معقدة مكونة من أنواع عديدة ومختلفة من الخلايا التي تعمل معًا. وعندما يدرس العلماء هذه الأنسجة، فإنهم غالبًا ما يواجهون تحديًا: العينات التي يحللونها تحتوي على مزيج من الخلايا، والأدوات المستخدمة لقراءتها توفر عادةً نظرة عامة واسعة، حيث تجمع أنواع الخلايا المتميزة في فئات عامة كبيرة. يشبه هذا الأمر النظر إلى غابة من فوق تلة عالية ورؤية مظلة خضراء فقط، دون القدرة على تمييز الأشجار الفردية أو الأنواع المحددة التي تنمو تحتها. لعقود من الزمن، اعتمد الباحثون على طرق لتقدير تكوين هذه المزيجات الخلوية، لكن هذه التقنيات تتوقف عادةً عند هذا المستوى العام من الدقة. يمكنها أن تخبر العالم أن النسيج يحتوي على خلايا مناعية، لكنها غالبًا لا تستطيع الكشف عن أي مجموعات فرعية محددة من تلك الخلايا المناعية الموجودة أو كيف تتغير أثناء المرض. هذا القصور أمر بالغ الأهمية لأن العمليات البيولوجية تتكشف غالبًا داخل هذه المجموعات الفرعية دقيقة التفاصيل، مما يعني أن التفاصيل الهامة حول كيفية استجابة الجسم للمرض يمكن أن تظل مخفية عندما تكون الرؤية واسعة للغاية.

لقد طور فريق من الباحثين نهجًا جديدًا يسمى HIDE-Deconv لحل مشكلة "الرؤية الضبابية" هذه. فبدلاً من تقدير تكوين النسيج عند مستوى واحد فقط من التفاصيل، يقوم هذا الإطار الجديد بتنظيم التحليل في هيكل هرمي، مما يسمح له بالنظر إلى المزيج الخلوي من منظورات متعددة في آن واحد. ويعمل الإطار من خلال تحسين التقديرات بشكل مشترك عبر هذه المستويات المختلفة، مما يضمن بقاء الرؤية التفصيلية للمجموعات الخلوية الفرعية متسقة مع الرؤية الأوسع لأنواع الخلايا الرئيسية. وبهذه الطريقة، لا يكتفي المنهج بالتخمين بشأن الأجزاء، بل يبني صورة متماسكة حيث تتناسب التفاصيل الصغيرة منطقيًا مع الهيكل الأكبر. ومن خلال القيام بذلك، يحافظ المنهج على علاقة ثابتة بين المستويات المختلفة للملاحظة، مما يمنع التناقضات التي قد تنشأ عندما تُجرى تحليلات منفصلة لمستويات مختلفة من التفاصيل.

اختبر الباحثون هذا الإطار مقابل الطرق الموجودة باستخدام تجارب معيارية مصممة لقياس دقة التنبؤ. وأظهرت النتائج أن HIDE-Deconv حقق أعلى أداء إجمالي بين الطرق التي تم تقييمها، مما يشير إلى أنه يوفر تقديرًا أكثر موثوقية للتكوين الخلوي. ولرؤية كيف يعمل هذا في بيئة واقعية، طبق الفريق الإطار على بيانات من أربع حالات طبية متميزة: سرطان الغدة في الرئة، وتسمم الدم (الإنتان)، ومرض كوفيد-19، والذئبة الحمامية الجهازية. وفي كل حالة من هذه الحالات، كشف التحليل عن أنماط محددة من إعادة تشكيل الخلايا — وهي تغيرات في أنواع الخلايا ونسبها — لم تكن مرئية عندما فُحصت البيانات عند مستويات أدق من الدقة. وتشير هذه النتائج إلى أن تحولات بيولوجية كبيرة كانت تحدث داخل المجموعات الفرعية دقيقة التفاصيل، وهي تحولات فاتتها الطرق السابقة تمامًا لأنها كانت تنظر إلى النسيج من خلال عدسة أوسع.

يُظهر هذا العمل أن الطريقة التي نحلل بها المزيج الخلوي يمكن أن تغير جذريًا ما نراه في المرض. فمن خلال الانتقال لما وراء التقديرات أحادية المستوى وتبني هيكل هرمي، قدم الباحثون أداة تكشف عن الطبقات المخفية للنشاط الخلوي. ولا يعتمد هذا النهج على اختصارات رياضية معقدة، بل على طريقة منظمة للتفكير في كيفية ارتباط الخلايا ببعضها البعض عبر مستويات تنظيم مختلفة. الإطار متاح الآن كأداة مفتوحة المصدر للعلماء الآخرين لاستخدامها، مما يوفر مسارًا للكشف عن التغيرات الدقيقة والمحددة في المشهد الخلوي للجسم والتي تحدد الصحة والمرض.