scPyviewer: a Python-native interactive viewer from AnnData single-cell data

في العقد الأخير، حدثت ثورة داخل المختبرات البيولوجية. أصبح بإمكان العلماء الآن النظر إلى الخلايا الفردية، واحدة تلو الأخرى، وقراءة التعليمات الجينية التي تخبر كل خلية بما يجب أن تفعله. لقد حول هذا دراسة الحياة إلى مشكلة بيانات ضخمة. يمكن لتجربة واحدة أن تولد معلومات عن مئات الآلاف من الخلايا، مما يخلق خريطة رقمية لكيفية بناء الأنسجة وكيفية تغيرها أثناء المرض. لكن هذا الفيض من البيانات خلق مشكلة جديدة: من يحق له النظر إلى الخريطة؟ إن الأشخاص الذين يجرون التجارب، وهم علماء البيولوجيا الذين يزرعون الخلايا ويعالجون المرضى، غالبًا لا يعرفون كيفية كتابة كود الحاسوب اللازم لاستكشاف هذه الخرائط. لسنوات، كان الحل هو عملية تسليم؛ حيث ينهي خبراء الحوسبة عملهم، ويجهزون النتائج في تنسيق محدد، ثم يسلمونها لأداة برمجية منفصلة صممها مجموعة أخرى من المبرمجين. تسمح هذه الأداة لعالم البيولوجيا بالنقر والتنقل، وتقريب الرؤية لمجموعات من الخلايا، وطرح أسئلة مثل "أي الخلايا تنتج هذا البروتين؟" دون كتابة سطر واحد من الكود.

ومع ذلك، نما حاجز لغوي بهدوء بين المجموعتين. فالبرنامج المهيمن لتحليل خرائط الخلايا مكتوب بلغة برمجة تسمى "بايثون" (Python)، والتي أصبحت المعيار للبيولوجيا الحديثة. ومع ذلك، فإن الأدوات التفاعلية التي تتيح لغير المبرمجين استكشاف النتائج مبنية على لغة مختلفة وهي "آر" (R). لاستخدام هذه الأدوات، يجب على المختبر الذي يعمل بلغة بايثون أولاً ترجمة مجموعة بياناته بالكامل إلى تنسيق لغة "آر". خطوة الترجمة هذه بطيئة، وعرضة للأخطاء، وغالبًا ما تكون مستحيلة بالنسبة لأحدث وأعقد أنواع البيانات. الأمر يشبه امتلاك مكتبة من الكتب المكتوبة باللغة الإنجليزية، ولكن يُقال لك إنه يجب عليك ترجمة كل كتاب منها إلى اللغة الفرنسية قبل أن تتمكن من قراءة الملخص. بالنسبة للعديد من المختبرات، يعني هذا إما أنهم لا يستطيعون مشاركة نتائجهم بسهولة أو يتعين عليهم الاعتماد على مبرمج لتشغيل عملية الاستكشاف نيابة عنهم.

قام فريق من الباحثين الآن ببناء أداة جديدة لسد هذه الفجوة. لقد أنشأوا تطبيقًا برمجيًا يسمى "scPyviewer"، مصممًا للسماح للعلماء باستكشاف خرائط الخلايا المعقدة هذه مباشرة، دون مغادرة بيئة بايثون أو ترجمة بياناتهم. اختبر الباحثون هذه الأداة الجديدة مقابل ثلاث من أكثر الأدوات الموجودة حاليًا استخدامًا في المختبرات. ووجدوا أن الأداة الجديدة يمكنها القيام بكل ما تستطيع الأدوات القديمة فعله، ولكنها تفعل ذلك بشكل أسرع وبجهد أقل بكثير على ذاكرة الحاسوب. في الاختبارات التي شملت مجموعات بيانات تتراوح من 22,000 خلية إلى أكثر من 300,000 خلية، ظلت الأداة الجديدة سريعة وسلسة الاستجابة. في المقابل، تعطلت الأدوات القديمة، التي تعتمد على خطوة الترجمة، بسبب نفاد ذاكرة الحاسوب عند مواجهة أكبر مجموعة بيانات. لا تتعامل الأداة الجديدة مع البيانات محليًا فحسب، بل توفر أيضًا ميزة لمقارنة التجارب المختلفة جنبًا إلى جنب، وهي قدرة تفتقر إليها الأدوات القديمة، رغم أن المؤلفين يشيرون إلى أن اختبار الإجهاد المخصص لهذه المقارنة بين الأنواع المختلفة على مدخلات متباينة حقًا يظل عملاً مستقبليًا.

جوهر هذا العمل هو فكرة بسيطة ولكنها قوية: يجب أن تتحدث الأداة نفس لغة البيانات. بنى الباحثون تطبيقهم ليقرأ تنسيق ملف محدد يسمى "AnnData"، وهو الحاوية القياسية لبيانات الخلية الواحدة في بايثون. ولأن الأداة تقرأ هذا التنسيق مباشرة، فلا داع هناك لخطوة الترجمة. التطبيق مبني على إطار عمل ويب يسمى "Streamlit"، مما يسم يسمح له بالعمل في متصفح الويب. وهذا يعني أن عالم البيولوجيا يمكنه فتح رابط، وتحميل مجموعة بياناته، والبدء في الاستكشاف فورًا. يمكنه النقر على تجمع من الخلايا لرؤية الجينات النشطة، أو تصفية العرض للنظر في ظروف محددة، أو مقارنة تجربتين مختلفتين لمعرفة كيف تتطابق أنواع الخلايا. تتضمن الأداة جميع الميزات القياسية التي يتوقعها العلماء، مثل خرائط مواقع الخلايا، والرسوم البيانية التي توضح نشاط الجينات، والجداول التي تسرد أهم العلامات لكل نوع من أنواع الخلايا.

لإثبات نجاح هذا النهج، أخضع الباحثون الأداة لاختبار صارم. استخدموا ثلاث مجموعات بيانات حقيقية من أنواع وأنسجة مختلفة. كانت الأولى عبارة عن خريطة لقلب دجاجة في طور النمو، تحتوي على حوالي 22,000 خلية. والثانية كانت خريطة لرئة وعقد ليمفاوية لقرد أخضر، تضم حوالي 78,000 خلية. والثالثة كانت مسحًا هائلًا لأمراض الرئة البشرية، يحتوي على ما يقرب من 313,000 خلية. قاموا بقياس الوقت المستغرق لتحميل البيانات ووقت رسم كل عرض، ومقارنة أداتهم الجديدة مباشرة بالمحرك الأساسي الذي تشغل به الأدوات القديمة القائمة على لغة "آر". في أصغر مجموعة بيانات، قامت الأدا الجديدة بتحميل البيانات في أقل من ثانية، بينما استغرق المحرك القديم أكثر من ثلاثة أضعاف هذا الوقت. كما قامت برسم العروض بشكل أسرع بكثير، غالبًا بمعامل يصل إلى مرتين أو ثلاث مرات.

أصبح الفرق أكثر دراماتيكية مع زيادة حجم البيانات. في مجموعة بيانات القرد، كانت الأدا الجديدة لا تزال أسرع بثلاث مرات في التحميل وأسرع باستمرار في رسم كل نوع من الرسوم البيانية. ولكن في مجموعة بيانات الرئة البشرية، التي تضم 313,000 خلية، فشل المحرك القديم تمامًا؛ فقد نفدت ذاكرة الحاسوب المتاحة ولم يتمكن من إكمال عرض واحد. ومع ذلك، تمكنت الأدا الجديدة من تحميل مجموعة البيانات بأكملها ورسم كل عرض في أقل من ثانيتين لكل رسم بياني. لاحظ الباحثون أن الأدوات القديمة تطلبت حاسوبًا بذاكرة 8 جيجابايت للتعامل مع مجموعات البيانات الأصغر، لكنها ببساطة لم تستطع التعامل مع المجموعة الأكبر. أما الأدا الجديدة فقد أدارت أكبر مجموعة بيانات على نفس الجهاز، باستخدام جزء ضئيل من الذاكرة المطلوبة من النهج القديم.

بعيدًا عن السرعة، توفر الأدا الجديدة قدرات لا تمتلكها الأدوات القديمة. نظرًا لأنها تعمل بشكل أصيل مع بيانات بايثون، يمكنها مقارنة تجربتين مختلفتين مباشرة، حتى لو جاءتا من أنواع مختلفة أو استخدمتا تصميمات تجريبية مختلفة. أظهر الباحثون قدرة الأدا على التعامل مع هذه المجموعات الثلاث من البيانات، لكنهم ذكروا صراحةً أن اختبار الإجهاد المخصص لوحدة المقارنة بين الأنواع -على مدخلات متباينة حقًا مثل مجموعات الجينات المختلفة، ومفردات التوصيف، ومعايير التطبيع- لم يتم إجراؤه بعد ويظل عملاً مستقبليًا. كما أظهروا أن الأدا يمكنها التعامل مع الملفات التي تفوق سعتها ذاكرة الحاسوب بالكامل من خلال قراءتها مباشرة من القرص الصلب، وهي ميزة سمحت لهم بمعالجة ملف الرئة البشرية الضخم دون تعطل. وهذا يعني أن الأدا يمكنها النمو مع البيانات، والتعامل مع مجموعات بيانات أكبر بكيد من تلك التي تنتجها المختبرات الحالية.

بنى الباحثون أيضًا واجهة عامة للأداة، مما يسمح بتثبيتها بسهء واستخدامها من قبل أي شخص لديه إعداد بايثون. لقد وفروا طريقة للعلماء لإنشاء صور وجداول جاهزة للنشر مباشرة من الأداة، مما يضمن أن الاستكشاف التفاعلي يمكن أن يؤدي إلى نتائج قابلة لإعادة الإنتاج. الكود مفتوح ومتاح لأي شخص لاستخدامه أو تحسينه. أكد الفريق أنه بينما تم بناء الأداة لتكون سريعة وخفيفة الوزن، فقد صُممت لتكون قوية بما يكفي للتعامل مع أكبر مجموعات البيانات المستخدمة حاليًا. لقد اختبروها على حاسوب قياسي بدون أجهزة رسومات خاصة، مما أثبت أن الاستكشاف عالي الأداء لا يتطلب معدات باهظة الثمن.

يمثل هذا العمل تحولًا في كيفية مشاركة البيانات البيولوجية واستكشافها. لسنوات، كان الحاجز بين التحليل الحسابي والتفسير البيولوجي هو الحاجة لترجمة البيانات بين اللغات. ومن خلال إزالة خطوة الترجمة هذه، تسمح الأدا الجديدة للبيانات بالتدفق مباشرة من التحليل إلى عالم البيولوجيا. فهي لا تتطلب من عالم البيولوجيا تعلم لغة جديدة ولا تتطلب من الخبير الحسابي تغيير سير عمله. بدلاً من ذلك، هي تلتقي بهم حيث هم، في بيئة بايثون التي أصبحت المعيار للبيولوجيا الحديثة. والنتيجة هي نظام ليس فقط أسرع وأكثر كفاءة، بل وأكثر شمولاً أيضًا، مما يسمح لغير المبرمجين باستكشاف مجموعات البيانات المعقدة بنفس السهولة التي يستخدمها الخبراء الذين أنشأوها.

يوحي نجاح هذه الأداة بأن مستقبل استكشاف البيانات البيولوجية قد يكمن في التكامل الأصيل بدلاً من الترجمة. ومع استمرار نمو مجموعات البيانات في الحجم والتعقيد، تصبح القدرة على التعامل معها دون تعطل أو تباطؤ أمرًا بالغ الأهمية. أظهر الباحثون أنه من خلال الالتزام بالتنسيق الأصلي، استطاعوا تحقيق أداء لم يستطع النهج القديم المعتمد على الترجمة مضاهاته. هذا لا يعني أن الأدوات القديمة عديمة الفائدة، ولكنه يوضح أنه بالنسبة للمختبرات التي تعمل بلغة بايثون، هناك الآن مسار أفضل وأكثر مباشرة لفهم بياناتها. الأدا متاحة بالفعل للاستخدام، وقد جعل الباحثون الكود مفتوحًا حتى يتمكن الآخرون من البناء عليه. وفي مجال تنمو فيه البيانات بشكل أسرع من الأجهزة القادرة على معالجتها، فإن وجود أداة يمكنها تحمل الحمل دون انكسار يعد خطوة كبيرة للأمام.

تمتد آثار هذا العمل إلى ما هو أبعد من مجرد السرعة. فمن خلال تسهيل استكشاف البيانات، تشجع الأدا العلماء على التفاعل مع نتائجهم. عندما يتمكن عالم البيولوجيا من النقر عبر مجموعة بيانات ورؤية الأنماط بنفسه، فإنه يكون أكثر عرضة لطرح أسئلة جديدة وإيجاد روابط غير متوقعة. إن القدرة على مقارنة التجارب المختلفة جنبًا إلى جنب تفتح آفاقًا جديدة للبحث، مما يسم يسمح للعلماء برؤية كيفية سلوك أنواع الخلايا عبر الأنواع المختلفة أو حالات المرض المختلفة. وبينما تقدم الأدا هذه القدرة، يشير المؤلفون إلى أن كامل إمكاناتها لمقارنة المدخلات المتباينة تتطلب مزيدًا من الاختبار المخصص. هذا النوع من المقارنة كان صعبًا مع الأدوات القديمة، التي كانت محدودة بمجموعات بيانات فردية. تزيل الأدا الجديدة هذا القيد، مما يسمح برؤية أوسع للأنظمة البيولوجية.

في النهاية، تقدم الورقة حلاً لمشكلة عملية أعاقت العديد من المختبرات. لقد كانت الحاجة لترجمة البيانات بين اللغات مصدرًا للاحتكاك، مما أدى إلى إبطاء البحث والحد من المشاركة في الاستكشاف. ومن خلال بناء أداة تتحدث نفس لغة البيانات، أزال الباحثون هذا الاحتكاك. والنتيجة هي نظام أسرع، وأكثر موثوقية، وأكثر قدرة على التعامل مع مجموعات البيانات الضخمة التي تحدد معالم البيولوجيا الحديثة. إنها تذكير بأن أفضل طريقة للمضي قدمًا ليست دائمًا بناء شيء جديد من الصفر، بل بناء شيء يتناسب مع الطريقة التي يعمل بها الناس بالفعل. الأدا جاهزة، والبيانات موجودة، والمسار نحو الفهم أصبح الآن أوضح من أي وقت مضى.