Ab initio CryoEM maps minimizing preferred orientation problems in heterogeneous mixtures: ReconSIREN
يُعد ReconSIREN إطار عمل جديداً للتعلم العميق يستخدم بنية "خليط من الخبراء" (Mixture-of-Experts) لإجراء تحليل كامل من المبادئ الأولية (ab initio) للجسيمات المفردة في المجهر الإلكتروني بالتبريد (CryoEM)، مما يحل في آن واحد عيوب التوجه المفضل، والتباين في الجسيمات، والمرونة التشكيلية دون الاعتماد على طرق التحسين التقليدية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
لرؤية الآلات المعقدة للحياة، يلجأ العلماء غالباً إلى تقنية تسمى المجهر الإلكتروني بالتبريد (cryo-electron microscopy). تخيل أنك تحاول تصوير آلة صغيرة وهشة تتغير وتتحول في شكلها باستمرار. لالتقاط صورتها، يقوم الباحثون بتجميد الآلة بشكل فوري في طبقة رقيقة من الجليد، مما يحفظها في حالة تكون أقرب ما يكون إلى الحياة. ثم يطلقون إلكترونات عبر الجليد لإنشاء آلاف الظلال ثنائية الأبعاد للآلة من كل زاوية ممكنة. ويكمن التحدي في حقيقة أن هذه الظلال باهتة للغاية ومليئة بالضجيج، تماماً مثل محاولة التعرف على وجه في عاصفة ثلجية كثيفة. علاوة على ذلك، غالباً ما تعتاد هذه الآلات على الاستلقاء في الجليد بطريقتين أو اتجاهين محددين فقط، مما يجعل من الصعب الحصول على رؤية كاملة من جميع الجوانب. ولبناء صورة ثلاثية الأبعاد واضحة، يجب على الحواسيب تحديد كيفية توجيه كل ظل بدقة ثم تجميعها معاً. وإذا أخطأ الحاسوب في تخمين الزوايا، تصبح الصورة النهائية مشوشة ومشوهة، مما يخفي التفاصيل ذاتها التي يحتاجها العلماء لفهم كيفية عمل هذه الآلات البيولوجية.
قام فريق من الباحثين في المركز الوطني للتكنولوجيا الحيوية (Centro Nacional de Biotecnología) في مدريد بتطوير أداة جديدة تسمى ReconSIREN لحل هذه المشكلات المحددة. يعالج عملهم أكبر عقبتين في هذه العملية: ميل الجسيمات للالتصاق بالجليد في اتجاهات مفضلة، وصعوبة تحديد الزوايا الصحيحة دون الضياع في الضجيج. في الماضي، عندما كانت الحواسيب تحاول محاذاة هذه الصور، كانت تقع غالباً في فخ يُعرف باسم "مشكلة الجذب" (attraction problem). نظرًا لأن بعض زوايا رؤية الجسيم تكون أوضح من غيرها، كان الحاسوب يسحب جميع الصور خطأً نحو تلك الرؤى الأكثر وضوحاً، متجاهلاً الرؤى التي كانت مختلفة بالفعل. نتج عن ذلك نموذج ثلاثي الأبعاد يبدو مثل "بانكيك" مسطح، مفتقراً لأجزاء حيوية من البنية. يتجنب ReconSIREN ذلك باستخدام نظام تعلم عميق لا يعتمد على تخمين واحد؛ بل يوظف فريقاً من الخبراء المستقلين، حيث يبدأ كل منهم بفكرة مختلفة حول الاتجاه الذي قد تشير إليه الصورة. ومن خلال مقارنة هذه الاحتمالات المختلفة، يمكن للنظام العثين على التوجيه الحقيقي دون أن يخدعه الضجيج أو نقص بعض الرؤى.
اختبر الباحثون هذا النظام الجديد على مجموعة متنوعة من العينات البيولوجية الصعبة، بما في ذلك بروتين يشارك في عملية التمثيل الغذائي الخلوي، وبروتين "سبايك" (spike) في فيروس معقد، وبروتين غشائي يصعب دراسته بشكل ملحوظ. وفي كل حالة، تمكن النظام من بناء خريطة ثلاثية الأبعاد عالية الجودة من الصفر، دون الحاجة إلى أي معلومات مسبقة حول كيفية ترتيب الجسيمات. وبالنسبة للعينات التي عانت من اتجاهات مفضلة قوية، نجحت الطريقة الجديدة حيث فشلت التقنيات القديمة. وبينما أنتجت البرمجيات التقليدية نماذج تفتقر إلى أقسام كاملة من البروتين، استعاد ReconSIREN الشكل الكامل، بما في ذلك الأجزاء التي كانت غير مرئية سابقاً. كما أثبت النظام قدرته على اكتشاف متى كانت الآلات البيولوجية تنثني أو تغير شكلها، حيث قام بفصل الحالات المختلفة للجزيء لإظهار مشهد كامل لتحركاتها. وتعد هذه خطوة كبيرة للأمام لأنها تسمح للعلماء برؤية الطبيعة الديناميكية لهذه البروتينات منذ بداية تحليلهم، بدلاً من الاضطرار إلى التخمين أو تنقيح البيانات لاحقاً.
أحد أكثر الجوانب إثارة في هذا العمل هو أن النظام يعمل بمفرده تماماً، حيث يتعلم من الصور الخام دون الحاجة إلى تدخل بشري لتصحيح الزوايا أو توسيط الجسيمات. وقد أظهر الباحثون أنه حتى عندما قدموا للنظام صوراً تم تبسيطها لتسريع العملية، كانت النتائج النهائية دقيقة بما يكفي لاستخدامها كنقطة انطلاق لمزيد من التحليل التفصيلي. وفي بعض الاختبارات، أنتج النظام خرائط دقيقة للغاية لدرجة أنه يمكن تنقيحها أكثر للكشف عن تفاصيل هيكلية تضاهي تلك التي يتم الحصول عليها بعد ساعات من المعالجة التقليدية. كما أظهر الفريق أن الطريقة تعمل حتى عندما لا تكون المدخلات هي الصور الخام، بل مجموعات مسبقة المتوسط (pre-averaged) من الصور المتشابهة، مما يوفر طريقاً أسرع للوصول إلى الحل عندما يكون الوقت حرجاً. ومن خلال توزيع عبء العمل على عدة خبراء مستقلين داخل البرنامج، يتجنب النظام الفخ الشائع المتمثل في الوقوع في "الحد الأدنى المحلي" (local minimum)، وهي حالة يعتقد فيها الحاسوب أنه وجد الإجابة بينما هو في الواقع قد استقر عند تقريب ضعيف.
تمتد آثار هذا العمل إلى ما هو أبعد من مجرد صنع صور أفضل. فمن خلال حل مشكلة الاتجاهات المفضلة وآثار الجذب، يفتح ReconSIREN الباب لدراسة العينات البيولوجية التي كانت تُعتبر سابقاً صعبة التحليل للغاية. فالعديد من البروتينات المهمة، مثل تلك المنغرسة في أغشية الخلايا، تستلقي بشكل طبيعي في الجليد، مما يجعل من المستحيل تقريباً الحصول على رؤية ثلاثية الأبعاد كاملة باستخدام الطرق القديمة. ومع هذا النهج الجديد، يمكن للعلماء الآن استعادة البنية الكاملة لهذه الجزيئات المراوغة، بما في ذلك الأجزاء التي كانت مخفية سابقاً. كما يوفر النظام رؤية واضية لكيفية تحرك هذه الجزيئات وتغيرها، وهو أمر ضروري لفهم كيفية عملها وكيف يمكن استهدافها بالأدوية. لقد جعل الباحثون البرنامج متاحاً مجاناً، مما يسمح للعلماء الآخرين بتطبيق هذه الأداة القوية على مجموعات البيانات الصعبة الخاصة بهم. وهذا التوزيع لتقنية الابتكار يعني أن حاجز الدخول إلى علم الأحياء الهيكلي عالي الدقة ينخفض، مما قد يسرع الاكتشافات عبر هذا المجال.
في النهاية، يمثل ReconSIREN تحولاً في كيفية تعاملنا مع إعادة بناء العالم المجهري. إنه ينتقل من التحسين الصارم والخطوات المتتالية التي سادت في الماضي نحو نظام أكثر مرونة وذكاءً يمكنه التنقل عبر تعقيدات البيانات الصاخبة والتوزيعات غير المتساوية. لم يقم الباحثون بتحسين دقة الخرائط فحسب، بل غيروا بشكل جذري الطريقة التي يتم بها تحديد الزوايا، مما يضمن أن الصورة النهائية تعكس الشكل الحقيقي للجزيء بدلاً من الانحيازات الناتجة عن جمع البيانات. ومع استمرار مجال علم الأحياء الهيكلي في السعي نحو فهم الأنظمة الأكثر تعقيداً وديناميكية، ستكون أدوات مثل هذه ضرورية لتحويل الظلال الباهتة والمبعثرة للمجهر الإلكتروني إلى رؤى واضحة وقابلة للتطبيق في فهم آليات الحياة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.