Unsupervised machine-learning identifies latent pyrenoid states linked to mitotic remodeling defects and CO2-dependent growth

داخل العالم المجهري للطحالب وحيدة الخلية، تعتمد الحياة على آلات دقيقة وغير مرئية تلتقط ثاني أكسيد الكربون من الهواء وتحوله إلى غذاء. هذه العملية، المعروفة باسم التمثيل الضوئي، تعتمد على إنزيم محدد يعمل مثل عامل مصنع جزيئي، حيث يلتقط ذرات الكربون لبناء السكريات. ومع ذلك، غالبًا ما يكون هذا العامل غير كفء، ولجعله يعمل بشكل أفضل، طورت بعض الطحالب مقصورة خاصة، وهي عبارة عن تجمع كثيف من البروتينات يعمل على تركيز ثاني أكسيد الكربون في المكان الذي تشتد الحاجة إليه فيه. هذا الهيكل، المسمى "بيرينويد" (pyrenoid)، يتصرف مثل قطرة سائلة تطفو داخل الخلية، وتتحرك وتتشكل باستمرار. ويتمثل التحدي لهذه الكائنات الدقيقة في ضرورة صمود هذا الهيكل السائل أمام الحدث العنيف المتمثل في انقسام الخلية. فعندما تنقسم الخلية إلى اثنتين لإنتاج نسل جديد، يجب تفكيك البيرينويد، وفرزه، وإعادة بنائه في كل خلية ابنة جديدة. وإذا ساءت عملية إعادة التنظيم هذه، ولو بطرق طفيفة يصعب رؤيتها، فقد تعاني الخلايا الجديدة في النمو أو البقاء، خاصة عندما يكون ثاني أكسيد الكربون شحيحًا.

لطال- العلماء في التساؤل عما إذا كانت العيوب الصغيرة والمخفية في كيفية إعادة بناء هذه الهياكل أثناء انقسام الخلية يمكن أن تؤدي إلى مشاكل أكبر لاحقًا. وللإجابة على ذلك، لجأ الباحثون إلى نوع شائع من الطحالب الخضراء، وهو Chlamydomonas reinhardtii، وطوروا طريقة جديدة للنظر إلى هياكلها الداخلية. وبدلاً من الاعتماد على العيون البشرية لرصد الاختلافات، والتي قد تغفل عن أدق التباينات، علموا الحاسوب كيف يتعرف على شكل البيرينويد السليم. بدأوا بأخذ الآلاف من الصور للخلايا الطبيعية السليمة واستخدموا نوعًا من الذكاء الاصطناعي لتعلم النطاق الكامل لما هو "طبيعي". هذا النظام الحاسوبي، الذي تم تدريبه على ما يقرب من خمسة آلاف صورة من الخلايا البرية، تعلم تحديد الشكل والنسيج المعياري للبيرينويد. ولجعل هذا التدريب أكثر قوة، وسع الباحثون مجموعة البيانات الخاصة بهم، فأنشأوا أكثر من مائة ألف تنويع صوري لضمان فهم الحاسوب لكل حالة طبيعية ممكنة.

ومع وجود هذا المعيار الرقمي، بدأ الفريق عملية بحث هائلة عبر مكتبة تضم واحد وعشرين ألف سلالة من الطحالب الطافرة، والتي تحمل كل منها تغيرًا جينيًا عشوائيًا. قاموا بتغذية صور هذه الطفرات في النظام الحاسوبي، الذي قارنها بالمعيار المتعلم للطبيعية. رصد الحاسوب سبع عشرة سلالة محددة أظهرت أنماطًا غير عادية، وحددها على أنها تعاني من عيوب في بنية البيرينويد. وما جعل هذا النهج قويًا هو قدرته على اكتشاف الانحرافات الدقيقة التي قد يغفل عنها المراقب البشري. ومن خلال تحليل المكان الذي رأى فيه الحاسوب اختلافًا بالضبط، استطاع الباحثون رسم خريطة للعيوب الموضعية المحددة في البيرينويد، مما كشف عن عدم انتظام كان من الصعب تصنيفه بالعين المجردة وحدها.

وعندما شاهد الباحثون هذه الخلايا الطافرة في الوقت الفعلي، رأوا عواقب هذه العيوب المخفية. ففي عدة سلالات محددة، فشل البيرينويد في التفكك بشكل صحيح أثناء انقسام الخلية، أو لم يتم توزيع الأجزاء التي تحتوي على الإنزيم الأساسي بالتساوي إلى الخلايا الجديدة. وفي حالات أخرى، فشل الهيكل في إعادة التجمع بشكل صحيح بعد انقسام الخلية. هذه الإخفاقات الميكانيكية في عملية انقسام الخلية تُرجمت مباشرة إلى مشاكل في النمو. فقد نمت الطحالب الطافرة بشكل طبيعي عندما كان ثاني أكسيد الكربون وفيرًا، ولكن مع انخفاض إمدادات ثاني أكسيد الكربون، تباطأ نموها بشكل ملحوظ. وقد أكد هذا أن العيوب الهيكلية الدقيقة في البيرينويد جعلت الخلايا أكثر عرضة للخطر عندما تكون الموارد شحيحة.

كما أشارت الدراسة إلى جينات محددة مسؤولة عن هذه المشكلات. ومن خلال رسم خريطة لمكان حدوث التغيرات الجينية العشوائية، حدد الباحثون جينًا يُدعى STT7، والذي ينتج بروتينًا يُعرف بقدرته على تنظيم كيفية التقاط الطحالب للضوء. وللتأكد من هذا الارتباط، أنشأوا خطوطًا جديدة من الطحالب تم فيها إيقاف تشغيل هذا الجين عمدًا. وأظهرت هذه الطحالب المعدلة نفس الأنماط الغريبة في بنية البيرينويد الخاصة بها كما في الطفرات الأصلية، وكانت تفتقر تمامًا إلى بروتين STT7. وتشير هذه الأدلة إلى أن بروتين STT7 يلعب دورًا مباشرًا في الحفاظ على شكل ووظيفة البيرينويد، مما يربط تنظيم حصاد الضوء بالسلامة الفيزيائية لهيكل تركيز الكربون.

يُظهر هذا العمل أن التعلم الآلي غير الخاضع للإشراف يمكن أن يكشف عن العيوب البيولوجية التي تكون أدق من أن تدركها الملاحظة التقليدية. فمن خلال ترك الحاسوب يحدد حدود "الطبيعي" ثم البحث عن أي شيء يقع خارج تلك الحدود، يمكن للعلماء العثور على لاعبين جينيين جدد يشاركون في العمليات الخلوية المعقدة. وتظهر النتائج أن صحة نمو الخلية وقدرتها على الازدهار في بيئات منخفضة الكربون مرتبطة ارتباطًا وثيقًا بالميكانيكا الدقيقة، وغير المرئية غالبًا، لكيفية إعادة بناء هياكلها الداخلية أثناء الانقسام. إن القدرة على اكتشاف هذه الحالات الكامنة تفتح نافذة جديدة لفهم كيفية حفاظ الحياة على آلاتها الأساسية من خلال فوضى التكاثر.