Flow Orchestrated Regulatory Genomics Engine (FORGE): A Configurable Nextflow Pipeline for End-to-End snMultiome Analysis
تُعد FORGE مسار تحليل (pipeline) بنظام Nextflow، وهو قابل للتهيئة ومحوى في حاويات، يعمل على أتمتة التحليل الشامل لبيانات النواة المنفردة متعددة الأنماط من خلال دمج بيانات التعبير الجيني وإمكانية الوصول إلى الكروماتين لاستنتاج الشبكة التنظيمية والاختبار التفاضلي، مما يعزز القابلية للتوسع، وإعادة الإنتاج، والتفسير البيولوجي عبر مجموعات البيانات المتنوعة.
المؤلفون الأصليون:Solano, L. E., Rahimzadeh, N., Shi, Z., Swarup, V.
داخل كل خلية من خلايا أجسامنا، تجري محادثة معقدة باستمرار. أحد أجزاء الخلية، وهو النواة، يحمل دليل التعليمات الرئيسي، وهو الحمض النووي (DNA)، الذي يحتوي على الجينات التي تحدد ماهية الخلية وما تفعله. جزء آخر من النواة، وهو الكروماتين، يعمل كمجموعة من المفاتيح وأدوات التحكم في السطوع (الخافت والمضيء) التي تقرر أي من تلك التعليمات يتم تشغيلها أو إيقافها في أي لحظة معينة. في الجسم السليم، تعمل هذه المفاتيح في تناغم تام، مما يسمح لخلية الجلد بأن تظل خلية جلد، ولخلية الدماغ بأن تعمل كخلية دماغ. ومع ذلك، عندما يختل هذا النظام التنظيمي، يمكن أن يؤدي ذلك إلى أمراض مثل ألزهايمر، حيث تفقد خلايا الدماغ قدرتها على التواصل والعمل بشكل صحيح. لفترة طويلة، لم يكن بإمكان العلماء سوى النظر إلى دليل التعليمات أو المفاتما بشكل منفصل، مما جعل من الصعب رؤية كيف يعملان معاً للتحكم في سلوك الخلية.
تغير أداة جديدة تسمى "FORGE"، طورها باحثون في جامعة كاليفورنيا، إيرفين، طريقة دراسة هذه العلاقة. هذه الأداة عبارة عن برنامج حاسوبي متطور مصمم لتحليل نوع معين من البيانات البيولوجية يسمى بيانات "المتعدد الأشكال" (multiome). هذه البيانات مميزة لأنها تلتقط كلاً من نشاط الجينات ومفاتيح الكروماتين من نفس نواة الخلية الصغيرة في الوقت ذاته. قبل وجود هذه الأداة، كان على العلماء تجميع برامج حاسوبية مختلفة، وغالباً ما تكون غير متوافقة، لفهم هذه البيانات، وهي عملية كانت بطيئة، وعرضة للأخطاء، وصعبة التكرار. تقوم أداة FORGE بأتمتة هذه العملية بأكملها، حيث تأخذ البيانات الخام من الخلية وتقودها عبر سلسلة من الفحوصات والتحليلات للكشف عن القواعد الخفية التي تتحكم في كيفية تشغيل الجينات أو إيقافها. إنها تعمل كمترجم عالمي، يضمن أن القصة التي ترويها الجينات تتطابق مع القصة التي ترويها المفاتيح، وتفعل ذلك بطريقة موثوقة بما يكفي ليثق بها العلماء الآخرون ويستخدموها.
اختبر الباحثون هذه الأداة على أربع مجموعات مختلفة من البيانات البيولوجية، تتراوح من خلايا الدم البشرية إلى أنسجة الدماغ والكلى للفئران. أرادوا معرفة ما إذا كانت FORGE تستطيع التعامل مع أنواع مختلفة من الخلايا، وأنواع مختلفة من الكائنات، وإعدادات تجريبية مختلفة. في اختبار رئيسي واحد، طبقوها على مجموعة بيانات من خلايا الدم البشرية. نجحت الأداة في تحديد الأنواع المختلفة من الخلايا المناعية الموجودة، مثل الخلايا التائية والخلايا الوحيدة، ورسمت المخطط للبرامج الجينية المحددة التي تقود سلوكها. ووجدت أن الأداة يمكن أن تتفق مع الطرق الراسخة الأخرى حول ماهية هذه الخلايا، لكنها ذهبت إلى أبعد من ذلك من خلال الكشف عن تفاصيل جديدة حول كيفية ارتباط بروتينات معينة، تسمى عوامل النسخ، بالحمض النووي للتحكم في وظيفة الخلية. على سبيل المثال، سلطت الضوء على مجموعة محددة من البروتينات التي يبدو أنها تعمل معاً لتنظيم جين يسمى CD83، مما قدم صورة أوضح عن كيفية تواصل هذه الخلايا مما قدمته الطرق السابقة.
جاءت النتائج الأكثر أهمية من تطبيق FORGE على نموذج فأر مصاب بمرض ألزهايمر. كان الباحثون يبحثون عن البرامج الجينية المحددة التي تسير بشكل خاطئ في الدماغ مع تقدم المرض. حددت الأداة نمطاً متميزاً يتضمن بروتيناً يسمى Mef2c. في الفئران السليمة، يساعد هذا البروتين في تنظيم الجينات في خلايا الدعم الدماغية، المعروفة باسم الخلايا الدبقية (glia). وفي الفئران المصابة، وجدت الأداة أن نشاط Mef2c قد تغير بشكل كبير. فقد أظهرت أن المفاتيح التي تتحكم في أهداف Mef2c كانت تفتح وتغلق بطريقة تشير إلى انهيار في الشبكة التنظيمية الطبيعية. لم تكتفِ الأداة بالتخمين؛ بل وجدت دليلاً عبر طبقات متعددة من البيانات. فقد رأت تغيرات في نشاط الجينات، وتغيرات في إمكانية الوصول إلى مفاتيح الحمض النووي، وتغيرات في الارتباط الفيزيائي للبروتين بالحمض النووي. هذا التقارب في الأدلة من زوايا مختلفة منح الباحثين درجة عالية من الثقة بأن هذا البرنامج التنظيمي المحدد هو بالفعل جزء رئيسي من عملية المرض في هذه الفئران.
ومع ذلك، كان الباحثون حذرين من المبالغة في نتائجهم. فقد أدركوا أن النظر إلى الخلايا الفردية يمكن أن يخلق أحياناً وهماً بالتغيير ليس موجوداً في الواقع عند النظر إلى الحيوان ككل. وللتأكد من ذلك، أعادوا تحليل البيانات عن طريق تجميع الخلايا من نفس الفأر معاً، ومعاملة الفأر نفسه كوحدة قياس بدلاً من الخلية الفردية. وعندما فعلوا ذلك، أصبحت الإشارة الإحصائية لتغيرات المرض أضعف بكثير، ولم تعد العديد من الجينات المحددة التي بدت مختلفة على مستوى الخلية الواحدة تصل إلى عتبة الأهمية الإحصائية. لم يعني هذا أن البيولوجيا كانت خاطئة، بل يعني أن التغييرات كانت دقيقة وأن عدد الفئران في الدراسة كان صغيراً جداً لإثباتها بيقين مطلق. خلص الباحثون إلى أنه بينما يعد البرنامج التنظيمي المحدد المتعلق بـ Mef2c مرشحاً قوياً جداً لمزيد من الدراسة، إلا أنه يظل فرضية تحتاج إلى اختبار في تجارب أكبر وأكثر قوة.
تكمن قيمة FORGE ليس فقط في الإجابات المحددة التي وجدتها، بل في كيفية إيجادها لها. فهي توفر طريقة معيارية وشفافة للانتقال من البيانات الخام إلى الرؤية البيولوجية، مما يضمن أن تكون النتائج قابلة للتكرار وأن المسار الذي تم اتخذه للوصول إليها واضح. ومن خلال دمج أنواع مختلفة من الأدلة — التعبير الجيني، وإمكانية الوصول إلى الحمض النووي، وارتباط البروتين — فإنها تسمح للعلماء ببناء صورة أكثر اكتمالاً وقوة للتنظيم الخلوي. لقد تعاملت الأداة بنجاح مع بيانات من أنسجة بشرية وفئران، ومن الدم إلى الدماغ إلى الكلى، ومن تقنيتين مختبريتين مختلفتين، مما أثبت أنها مرنة بما يكفي لاستخدامها في العديد من بيئات البحث المختلفة. وعلى الرغم من أنها لم تحل لغز مرض ألزهايمر بمفردها، إلا أنها وفرت عدسة جديدة قوية يمكن من خلالها رؤية الشبكات التنظيمية المعقدة التي تحكم خلايانا، مما يوفر مساراً أوضح نحو فهم كيفية فشل هذه الأنظمة في حالات المرض.
ملخص تقني: محرك فوري لتدفق الجينوميات التنظيمية (FORGE)
بيان المشكلة تقدم فحوصات تعدد الأشكال في النواة الواحدة (snMultiome)، والتي تقوم ببروفايل التعبير الجيني (snRNA-seq) وإمكانية الوصول إلى الكروماتين (snATAC-seq) في نفس النواة في آن واحد، فرصاً فريدة لربط الحالات النسخية الخاصة بنوع الخلية بالبنية التنظيمية. ومع ذلك، فإن تحليل هذه البيانات يفتقر حالياً إلى حلول معيارية، قابلة للتكرار، وقابلة للتوسع. تتطلب سير العمل الحالية عادةً ربطاً مخصصاً لأدوات متباينة (Bash، R، Python) مع تباين كبير في إصدارات البرمجيات، وتمثيلات البيانات الوسيطة، وقرارات مراقبة الجودة (QC). وبينما توجد مدراء لسير العمل مثل Nextflow وSnakemake، إلا أن الموارد المجتمعية ناضجة لتحليل snRNA-seq أو snATAC-seq بشكل مستقل، لكنها تظل مجزأة بالنسبة لتحليل الـ multiome المقترن. والأهم من ذلك، أن الأدوات المتكاملة الموجودة (مثل MAESTRO) غالباً ما تفتقر إلى الآليات اللازمة للاستدلال التنظيمي التقاربي في مرحلة ما بعد التكامل، مما يجعل الجانب الأكثر قوة من بيانات snMultiome غير مستغل بالقدر الكافي. هناك حاجة ماسة إلى مسار عمل شامل ومؤتمت يمتد من مراقبة جودة النمط المستقل وصولاً إلى النمذجة المشتركة، والتحليل التفاضلي، والاستدلال على الشبكة التنظيمية.
المنهجية FORGE (محرك فوري لتدفق الجينوميات التنظيمية) هو مسار عمل (pipeline) قابل للتهيئة يعتمد على Nextflow، مصمم لأتمتة تحليل snRNA-seq المستقل، وsnATAC-seq المستقل، وتحليل snMultiome المقترن (RNA-ATAC) لبيانات الإنسان والفأر. تم بناء المسار بناءً على قيدين أساسيين: (1) تستخدم كل عملية نقل بين المراحل تنسيق كائن AnnData/.h5ad ، و(2) يجب أن تكون أذرع RNA وATAC قادرة على العمل بشكل مستقل.
تدمج البنية أدوات راسخة ضمن سير عمل محكوم بالإصدارات، ومحوى في حاويات (Singularity/Apptainer)، وقابل للاستئناف مع تتبع صريح للمصدر (provenance tracking). تشمل المكونات المنهجية الرئيسية ما يلي:
المعالجة المستقلة:
RNA: يستخدم CellBender لإزالة الـ RNA المحيط، وscVI/scANVI لتصحيح الدفعات ونقل العلامات (label transfer)، وCellTypist للتوصيف (annotation). يتم إجراء التعبير التفاضلي (DGE) عبر MAST (على مستوى الخلية) وedgeR (على مستوى العينة pseudobulk). وتشمل التحليلات اللاحقة الإثراء الوظيفي (enrichR)، وشبكات التعبير المشترك (hdWGCNA)، والتواصل بين الخلايا (CellChat).
ATAC: يستخدم SnapATAC2 لمراقبة الجودة (QC)، ومصفوفات البلاطات/القمم (tile/peak matrices)، وإمكانية الوصول التفاضلية. تتم معالجة استدعاء القمم عبر MACS3. يتم التوصيف عبر scATAnno (مستقل عن RNA). يتم حساب إمكانية الوصول التفاضلية عبر snapATAC2.
تكامل الـ Multiome:
الخطي (Linear): يوفر MOFA+ أدلة تقاربية متعامدة من خلال تحليل العوامل الخطية، مما يحدد التباين المنسق عبر الأنماط دون الحاجة إلى اللاخطية في التعلم العميق.
غير الخطي (Non-linear): يقوم MultiVI (scvi-tools) بنمذجة متغيرات مشتركة، مما يوفر تضمينات كامنة (latent embeddings) والقدرة على استكمال الأنماط المفقودة (إنقاذ الخلايا ذات التساقط/dropout).
الاستدلال التنظيمي (تقارب الأدلة): يقيم FORGE العلاقات التنظيمية المرشحة عبر طبقات مستقلة بدلاً من الاعتماد على مخرج واحد. وتشمل هذه الطبقات:
eRegulons: يستنتج SCENIC+ (pycisTopic، pycistarget، pySCENIC) تنظيمات عوامل النسخ (TF regulons) التي تضم عوامل النسخ، والمعززات المرتبطة، والجينات المستهدفة.
نطاقات الكروماتين التنظيمية (DORCs): يتم حسابها عبر scPrinter، لربط القمم بالجينات بناءً على الارتباط.
البصمة (Footprinting): بصمة متعددة المقاييس (MSFP) عبر scPrinter وchromVAR لنشاط وتواجد موتيفات عوامل النسخ (TF motif activity and binding scores).
الوصول المشترك (Co-accessibility): يحدد Cicero (عبر monocle3) شبكات الوصول المشترك في موقع cis (CCANs).
استراتيجية التحليل التفاضلي: يميز المسار صراحةً بين الاختبارات على مستوى الخلية (وصفية، اكتشاف العلامات) والاختبارات المدركة للمكررات (pseudobulk) (استدلالية). بالنسبة للتصاميم المقارنة، يقوم FORGE بتجميع العدات حسب (نوع الخلية، العينة) ويطبق اختبارات quasi-likelihood F-tests من edgeR للتحكم في التكرار البيولوجي، مما يعالج تضخم أخطاء النوع الأول (Type I errors) الشائع في الاختبارات على مستوى الخلية.
المساهمات الرئيسية
الأتمتة الشاملة: FORGE هو أول مسار عمل مؤتمت ومراجع علمياً يوفر بنية قابلة للتكرار من العدات الخام/القطع (raw counts/fragments) وصولاً إلى الاستدلال على الشبكة التنظيمية، مغطياً مراقبة الجودة، التكامل، الاختبار التفاضلي، والتحليل التنظيمي متعدد الطبقات.
تقارب الأدلة: لا يختزل المسار الاستدلال التنظيمي في شبكة واحدة. بدلاً من ذلك، يقدم توافقاً وتعارضاً عبر طبقات أدلة متعامدة (التعبير، إمكانية الوصول، نشاط الموتيف، البصمة، الوصول المشترك، eRegulons)، مما يسمح للمستخدمين بتقييم متانة الفرضيات التنظيمية.
المرونة التركيبية: يدعم سير العمل تحليل RNA أو ATAC بشكل مستقل، أو تحليل multiome مقترن، ومدخلات متنوعة (مثل ملفات .h5ad المعالجة مسبقاً)، بما يتناسب مع احتياجات المستخدمين وحالات البيانات المختلفة.
الصرامة الحسابية: ينفذ FORGE اختبارات تفاضلية مدركة للمكررات لكل من أنماط RNA وATAC، مما يوفر إطاراً مستنداً إلى أسس إحصائية للمقارنات، ويتجنب عيوب معاملة الخلايا كمكررات مستقلة.
النتائج تم تقييم FORGE على أربع مجموعات بيانات تغطي نوعين من الكائنات (إنسان، فأر)، وثلاثة أنسجة (دم، دماغ، كلية)، وتقنيتين كيميائيتين (10x Genomics، BD/Waters)، وتصاميم فردية ومتعددة العينات مقارنة.
الخلايع الدموية البشرية (PBMC) (10x): نجح FORGE في تحديد أنواع الخلاوة الأساسية بتوافق عالٍ مع مرجع Azimuth (توافق بنسبة 98.4% على مستوى السلالة). أكد التحليل التنظيمي العلاقات المعروفة بين SPI1-NCF2 في الخلايا الوحيدة (monocytes). وبينما لوحظ بعض التباين مع scGLUE فيما يتعلق بتنظيم CD83 (حيث أشار scGLUE إلى عوامل نسخ لمفاوية؛ بينما دعم FORGE وحدة مرتبطة بالخلايا النخاعية)، فقد احتفظ FORGE بالأدلة على مكونات الإشارة المنشورة مع اقتراح بنيات بديلة بناءً على نموذج الأدلة متعدد الطبقات الخاص به.
نموذج مرض الزهايمر للفئران (CRND8, 10x): في مجموعة مكونة من 12 عينة (معدلة وراثياً مقابل النوع البري)، حدد FORGE برنامجاً تنظيمياً مرتبطاً بـ Mef2c في الخلايا الدبقية. تم دعم هذا البرنامج بأدلة تقاربية: التعبير التفاضلي، إمكانية الوصول للمستهدف، تحميلات عوامل MultiVI، الوصول المشترك لـ Cicero، نشاط موتيف chromVAR، وبصمة scPrinter.
التحقق الإحصائي: عند إعادة التحليل باستخدام طرق pseudobulk المدركة للمكررات (edgeR)، لم يصمد إشارة Mef2c أمام تصحيح FDR الصارم على مستوى الجين أو البرنامج، وهو ما يتوافق مع القدرة المحدودة للمجموعة (n=6 لكل مجموعة). ومع ذلك، ظلت أحجام التأثير (log2FC) متوافقة للغاية بين تحليلات مستوى الخلية وpseudobulk (معامل ارتباط بيرسون r = 0.92 لأهداف Mef2c في الخلايا النجمية)، مما يدعم اتجاه وحجم التغييرات كظواهر غير اصطناعية.
مجموعات بيانات BD/Waters (دماغ وفأر وكلية): أظهر FORGE قدرة على النقل عبر كيمياء تحضير المكتبات، حيث استعاد هياكل أنواع الخلايا المتسقة والمنظمات النوعية للسلالات (مثل Spi1/Irf8 في الخلايا الدبقية الصغيرة، وSox10 في الخلايا الدبقية قليلة التغصن) دون الحاجة لضبط خاص بكل عضو.
إعادة البناء عبر الأنماط (Cross-Modal Reconstruction): أعاد FORGE قدرة MultiVI على استكمال الأنماط المفقودة بدقة عالية عبر حالات عدم الاقتران الاصطناعي بنسب 25%، 50%، و75%، مما يؤكد قدراته التكاملية.
الأهمية والادعاءات يضع البحث FORGE ليس كبديل للطرق الإحصائية التي ينظمها، بل كبنية تحتية ضرورية لربط الأدوات القائمة ضمن إطار عمل موثوق، ومحدد الإصدار، وقابل للتدقيق. تكمن أهميته الأساسية في:
التقييس: توفير سير عمل موحد ومؤتمت يقلل من الطبيعة "المخصصة" لتحليل الـ multiome، مما يحسن من قابلية التكرار والتوسع.
الاستدلال القوي: من خلال كشف طبقات تنظيمية متعددة ومستقلة، يسمح FORHE للباحثين بالتمييز بين الإشارات البيولوجية القوية والآثار الناتجة عن المنهجية، وهي ميزة حاسمة نظراً لغياب الحقيقة الأرضية (ground truth) في الاستدلال التنظيمي.
الحذر الإحصائي: يقر المؤلفون صراحةً بمحدودية نتائجهم في المجموعات ذات القدرة المنخفضة (مثل نموذج فأر الزهايمر)، حيث يصنفون برنامج Mef2c كفرضية مدعومة بأدلة حوسبية تقاربية بدلاً من كونها نتيجة بيولوجية حاسمة. ويؤكدون أن التحقق التجريبي يظل ضرورياً للادعاءات السببية.
القابلية للتوسع: تم تحسين المسار لبيئات الحوسبة عالية الأداء (HPC)، مع تقديم حسابات مفصلة للتكاليف الحسابية (ساعات الحوسبة والذاكرة) لتوجيه المستخدمين في توسيع نطاق التحليلات.
باخت lõ خلاصة القول، يعالج FORGE التجزئة في تحليل snMultiome من خلال تقديم محرك قابل للتهيئة، شامل، ومنتهي الأطراف، يعطي الأولوية لإعادة الإنتاج، والصرامة الإحصائية في الاختبار التفاضلي، وتقارب الأدلة المتعامدة للاستدلال التنظيمي.