vFLIM: Machine Learning-enabled Light Sheet Fluorescence Lifetime Imaging

في عالم التصوير البيولوجي، اعتمد العلماء لفترة طويلة على سطوع جزيء متوهج لفهم ما يحدث داخل الخلية الحية. يخبرهم هذا الشدة عن كمية المادة الموجودة، لكنه يفتقر إلى طبقة أعمق من المعلومات. فتماماً كما يمكن للنوتة الموسيقية أن تغير حدتها اعتماداً على ضغط الهواء أو درجة الحرارة المحيطة بها، يتغير الجزيء الفلوري في السرعة التي يتوقف بها عن التوهج بعد تعرضه للضوء. هذه السرعة، المعروفة باسم "عمر الفلورة"، تعمل كتقرير حساس عن البيئة المحلية للجزيء. إذ يمكنها الكشف عن التحولات الطفيفة في البيئة المحلية، أو التوتر الفيزيائي داخل الأنسجة، أو الحالة الأيضية للخلية. ولأن هذه الظروف ديناميكية وهشة، فإن أثمن الرؤى تأتي من مراقبة تطورها في الوقت الفعلي داخل الكائنات الحية، بدلاً من دراسة العينات المجمدة في المختبر.

ومع ذلك، كان التقاط هذه المعلومات العابرة في نظام حي تحدياً هائلاً. فالطرق التقليدية لقياس هذه الأعمار غالباً ما تكون بطيئة جداً لمواكبة الحركات السريعة للحياة، أو تتطلب الكثير من الضوء مما يؤدي إلى إتلاف أو قتل العينات الدقيقة التي يُفترض بها مراقبتها. علاوة على ذلك، فإن الحجم الهائل من البيانات الناتج عن هذه القياسات يخلق عقبة، مما يجعل من الصعب معالجة الصور بسرعة كافية لتكون مفيدة للدراسات طويلة الأمد. وكانت النتيجة فجوة بين إمكانات هذه التقنية وتطبيقها العملي في العالم الحي.

لقد نجح فريق من الباحثين الآن في جسر هذه الفجوة عبر تقديم سير عمل متكامل يجمع بين مجهر متخصص وطريقة جديدة لمعالجة البيانات. فقد طوروا نظاماً يسمى vFLIM، وهو اختصار لـ "تصوير عمر الفلورة الحجمي". يستخدم هذا النهج مجهر الورقة الضوئية (light sheet microscope)، وهو جهاز يضيء شريحة رقيقة من العينة في كل مرة، مما يسمح بتصوير سريع ولطيف لأحجام كاملة دون الآثار القاسية لطرق المسح التقليدية. وللتعامل مع الكمية الهائلة من المعلومات التي ينتجها هذا المجهر، قرن الفريق الأجهزة بنموذج تعلم آلي، وهو نوع من البرامج الحاسوبية المدربة على التعرف على الأنماط واستخراج بيانات العمر مباشرة من الصور الخام. يتيح هذا الجمع للنظام إنتاج خرائط ثلاثية الأبعاد مفصلة للأعمار الجزيئية بسرعات وبمستوى من اللطف لم يكن ممكناً في السابق للأنظمة الحية.

اختبر الباحثون هذا المسار عبر مجموعة واسعة من السيناريوهات البيولوجية لإثبات تنوعه. فقد طبقوا الطريقة على أنواع مختلفة من النماذج الحية، مع تغيير الجزيئات المحددة التي يتم تتبعها ونطاق الملاحظة من الهياكل الخلوية الصغيرة إلى أحجام الأنسجة الأكبر. وفي كل حالة، نجح النظام في تقديم بيانات حجمية واضحة وعالية السرعة، مما أثبت أن سير العمل قوي بما يكفي للتعامل مع الاحتياجات التجريبية المتنوعة. ومن خلال التحقق من الطريقة عبر هذه الظروف المختلفة، أظهر الفريق أن هذا المسار ليس مجرد مفهوم نظري، بل هو أداة عملية جاهزة للاستخدام على نطاق أوسع.

يمثل هذا العمل خطوة كبيرة للأمام في جعل تصوير العمر ثلاثي الأبعاد الحي متاحاً لمجتمع علماء الأحياء الأوسع. فمن خلال حل مشكلتي السرعة وتعقيد البيانات، يزيل المسار الجديد الحواجز التي حالت دون وصول العديد من الباحثين إلى هذه التقنية القوية. والنتيجة هي نظام قابل للنقل يُمكّن العلماء من مراقبة البيئات المتغيرة والدقيقة للكائنات الحية على فترات طويلة، مما يفتح الباب أمام اكتشافات جديدة حول كيفية عمل الحياة على المستوى الجزيئي دون تدخل عملية المراقبة نفسها.