A Benchmark of Unsupervised Circadian Phase Inference Methods for Bulk Transcriptomic Data
تقوم هذه الدراسة بالمقارنة المرجعية المنهجية لعشر طرق غير خاضعة للإشراف لاستنتاج الطور اليوماوي عبر 25 مجموعة بيانات، حيث حددت CHIRAL كأفضل أداء بأقل متوسط خطأ، مع إثبات أن دقة الطرق تتباين باختلاف خصائص مجموعة البيانات وأن أفضل الطرق تستعيد بفعالية أنماط الجينات الإيقاعية حتى عندما تكون أوقات جمع العينات غير معروفة.
المؤلفون الأصليون:Purohit, S., Grant, G. R., Brooks, T. G.
داخل كل خلية تقريبًا في جسم الإنسان، تدق ساعة داخلية صامتة، تنظم دورة يومية من النشاط تتكرر كل أربع وعشرين ساعة تقريبًا. هذا الإيقاع، المعروف باسم الدورة اليوماوية (circadian cycle)، يحدد متى تعمل الجينات وتتوقف، مما يؤثر على كل شيء من التمثيل الغذائي إلى توقيت العلاجات الدوائية. ولفهم كيفية عمل هذه الساعة في الأنسجة المختلفة أو كيف قد تضطرب في حالات المرض، يحتاج العلماء إلى معرفة الوقت الدقيق من اليوم الذي جُمعت فيه عينة من النسيج. ومع ذلك، في العديد من السجلات الطبية وقواعد البيانات العامة، تفتقر هذه المعلومة الجوهرية. وقد طور الباحثون برامج حاسوبية لتخمين وقت اليوم بناءً فقط على نمط الجينات الموجودة في العينة، ولكن حتى الآن، لم يقم أحد باختبار أي من أدوات التخمين هذه يعمل بشكل أفضل بشكل منهجي.
وضع فريق من الباحثين في جامعة بنسلفانيا حداً لهذه المشكلة عبر إخضاع عشرة برامج حاسوبية مختلفة لاختبار صارم. فقد جمعوا خمسة وعشرين مجموعة متميزة من البيانات، بما في ذلك عينات أنسجة حقيقية من البشر والفئران حيث كان وقت الجمع معروفًا بالفعل، بالإضافة إلى محاكاة حاسوبية تم إنشاؤها بدقة. كان الهدف هو معرفة مدى قدرة كل برنامج على النظر إلى قائمة الجينات وتحديد وقت اليوم الذي أُخذت فيه العينة بشكل صحيح. وقاس الباحثون النجاح من خلال حساب متوسط الفرق بالساعات بين تخمين البرنامج والوقت الفعلي. كما تحققوا مما إذا كانت البرامج قادرة على إعادة بناء الإيقاعات اليومية للجينات الفردية بشكل صحيح، وهي مهمة أساسية لفهم كيفية عمل ساعة الجسم.
كشفت النتائج عن وجود تسلسل هرمي واضح بين الأدوات. فقد برز برنامج واحد، يُدعى CHIRAL، كأكثر البرامج دقة، حيث خمن الوقت بمتوسط خطأ قدره 1.80 ساعة فقط. وهذا يعني أنه إذا أُخذت عينة في منتصف النهار، فإن CHIRAL سيقدر عادةً أن الوقت يتراوح بين 10:15 صباحًا و1:45 مساءً. أما أداء البرامج التالية في الترتيب، والتي تشمل برامج مثل TEMPO وCYCLOPS وCYCLOPS 2.0، فقد تراوح متوسط أخطائها بين 2.5 و2.8 ساعة تقريبًا. ورغم أنها كانت مفيدة، إلا أنها كانت أقل دقة من CHIRAL. وقد أدى أسلوب مرجعي بسيط، يعتمد فقط على السلوك المعروف لاثني عشر جينًا محددًا من جينات الساعة دون استخدام خوارزميات معقدة، أداءً يقارب أداء أفضل البرامج الحاسوبية، بخطأ قدره حوالي 2.15 ساعة. ويشير هذا الاكتشاف إلى أن المعرفة العميقة بجينات الساعة الأساسية هذه تعد أداة قوية في حد ذاتها. أما البرامج الستة المتبقية التي تم اختبارها، فقد كان أداؤها أسوأ بكثير، حيث تراوحت أخطاؤها بين ما يقرب من أربع إلى خمس ساعات، وهو مستوى من عدم الدقة يكاد لا يتجاوز الصدفة.
كما كشفت الدراسة أن نجاح هذه البرامج يعتمد بشكل كبير على جودة البيانات المقدمة لها. فقد عملت البرامج بشكل أفضل عندما أظهرت الجينات في النسيج إيقاعات يومية قوية وواضحة. وفي مجموعات البيانات التي كانت فيها هذه الإيقاعات ضعيفة أو مشوشة، كما في بعض أنسجة الدماغ البشرية، عانت حتى أفضل البرامج، حيث ارتفعت الأخطاء إلى ما يقرب من ثلاث ساعات. ووجد الباحثون أن دقة الأدوات الرائدة ظلت ثابتة عبر أنواع مختلفة من الأنسجة والأنواع، لكنهم اكتشفوا أيضًا أن بعض البرامج كانت حساسة لكيفية إعداد البيانات. فعلى سبيل المثال، ساعد تصحيح الاختلافات التقنية بين دفعات العينات بعض البرامج على تحسين تخميناتها، بينما جعلها في الواقع أقل دقة لبرامج أخرى. علاوة على ذلك، اختبر الباحثون مدى استقرار النتائج من خلال تشغيل البرامج عدة مرات باستخدام نقاط بداية عشوائية مختلفة، ووجدوا أنه بينما أنتجت بعض الأدوات نفس النتيجة في كل مرة، تباينت أدوات أخرى بشكل كبير اعتمادًا على البذرة العشوائية (random seed) المستخدمة، مما يعني أن التشغيل الواحد لتلك الأدوات قد لا يكون موثوقًا.
ولرؤية ما إذا كانت هذه النتائج ستصمد في العالم الحقيقي، طبق الفريق البرامج على مجموعتين كبيرتين من البيانات من الفئران حيث كانت أوقات الجمع غير معروفة تمامًا. وقارنوا تخمينات البرامج بالمرجعيات الراسخة للأوقات التي تبلغ فيها الجينات ذروتها في الكبد والأنسجة الدهنية. كان CHIRAL هو البرنامج الوحيد الذي طابق باستمرار الأنماط المعروفة لأنسجة الكبد، بينما لم يتمكن أي برنامج من مطابقة الأنماط في الأنسجة الدهنية بشكل موثوق، مما يشير إلى أن الساعة في الدهون قد تكون أصعب في القراءة أو أن البيانات المرجعية كانت غير كافية. وتخلص الدراسة إلى أنه على الرغم من عدم وجود أداة واحدة مثالية، فإن CHIRAL هو الخيار الأكثر موثوقية حاليًا لتقدير الوقت من عينات الأنسجة الكلية. ومع ذلك، يحذر الباحثون من أن دقة أي تقدير تعتمد على قوة الإيقاعات البيولوجية في النسيج المحدد قيد الدراسة، ومن أجل التطبيقات الأكثر أهمية، قد يوفر استخدام طرق متعددة أو قواعد بيانات جينات الساعة البسيطة فحصًا ضروريًا ضد الخطأ.
ملخص تقني: تقييم مرجعي لطرق الاستدلال غير الخاضعة للإشراف لطور الساعة البيولوجية في بيانات النسخ الجزيئي للكتلة (Bulk Transcriptomic Data)
بيان المشكلة تعد إيقاعات الساعة البيولوجية في التعبير الجيني أمراً حاسماً لفهم التوقيت البيولوجي، واستقلاب الأدوية، وآليات الأمراض. ومع ذلك، تفتقر العديد من مجموعات البيانات النسخية الجزيئية العامة إلى أوقات جمع العينات، مما يمنع التحليل المباشر للأنماط الزمنية. وبينما توجد طرق غير خاضعة للإشراف لاستنتاج طور الساعة البيولوجية من مصفوفات التعبير الجيني دون الحاجة لأوقات الجمع، إلا أنها لم تخضع لمقارنة منهجية. كانت التقييمات السابقة غالباً ما تُجرى من قبل مطوري الطرق على مجموعات البيانات الخاصة بهم باستخدام معالجة مسبقة ومقاييس متفاوتة، مما قد يؤدي إلى حدوث انحياز. علاوة على ذلك، لا يزال من غير الواضح مدى دقة هذه الطرق في إعادة بناء أطوار العينات أو الأنماط الإيقاعية على مستوى الجينات (الذروة، السعة، والإيقاعية) عبر سياقات بيولوجية متنوعة.
المنهجية أجرى المؤلفون تقييماً مرجعياً منهجياً لعشر طرق استدلال طور غير خاضعة للإشراف وطريقتين كخطوط أساس تعتمد على جينات الساعة.
مجموعات البيانات: استخدم التقييم 25 مجموعة بيانات ذات أوقات مرجعية معروفة (16 مجموعة بيانات حقيقية من خمس دراسات عبر أنسجة بشرية وفئران، و9 مجموعات بيانات محاكاة) ومجموعتي بيانات من الفئران (كبد ودهون من فئرون Diversity Outbred) بدون أوقات جمع. تم تقسيم مجموعات البيانات إلى ست "عائلات" لمراعاة التبعيات بين الدراسات.
الطرق التي تم تقييمها:
الطرق غير الخاضعة للإشراف: تشمل CHIRAL، وTEMPO، وCYCLOPS، وCYCLOPS 2.0، وCOFE، وDCPR، وPENN، وPROTECT، وCyclum، وreCAT. وتستخدم هذه الطرق استراتيجيات متنوعة بما في ذلك النمذجة الاحتمالية، والشبكات العصبية/المشفرات التلقائية، وتحليل المصفوفات، والترتيب الهندسي.
خطوط الأساس (Baselines): طريقتان بسيطتان لتخصيص الأطوار بناءً على تحليل المكونات الرئيسية (PCA) إما لـ 12 جيناً من جينات الساعة المعيارية أو لجينين فقط (ARNTL وNR1D1).
مقاييس التقييم:
المقياس الأساسي: متوسط الخطأ المطلق الدائري المحاذي (Aligned Circular MAE)، والذي يقيس أقصر مسافة دائرية بين الأطوار المستنتجة والمرجعية بعد تحسين الدوران والانعكاس العالمي.
المقاييس الثانوية: معامل الارتباط الدائري لـ Fisher–Lee المطلق، وجزء العينات ضمن نطار ساعة واحدة من المرجع، وإعادة بناء ذروة (acrophase) وسعة (amplitude) الجينات، واكتشاف الإيقاعية (ROC AUC).
اختبارات المتانة: اختبارات التبديل (Permutation tests) لتحديد مستوى الأداء الناتج عن الصدفة، وتحليلات الحساسية فيما يتعلق بالبذور العشوائية (random seeds)، وتعديلات الدفعة/المتغيرات المصاحبة (ComBat-seq، والانحدار)، وتغيرات المحاكاة (تصميم أخذ العينات، حجم العينة، وشكل الموجة).
إعادة الإنتاج (Reproducibility): حاول المؤلفون تكرار النتائج المنشورة لجميع الطرق؛ حيث نجحوا في إعادة إنتاج نتائج ثماني طرق، لكنهم لم يتمكنوا من إعادة إنتاج نتائج PENN وPROTECT باستخدام الكود المتاح.
النتائج الرئيسية
ترتيب الأداء: حققت طريقة CHIRAL أدنى متوسط خطأ مطلق محاذٍ (1.80 ساعة)، متفوقة على خطي الأساس لجينات الساعة (2.15 ساعة و2.20 ساعة). تلتها طرق TEMPO وCYCLOPS وCYCLOPS 2.0 بمتوسط أخطاء يتراطح بين 2.49 و2.80 ساعة. أما الطرق الست المتبقية (COFE, DCPR, PENN, PROTECT, Cyclum, reCAT) فقد سجلت متوسط أخطاء تتراوح بين 3.91 و4.86 ساعة، وهي أفضل بقليل فقط من مستوى الصدفة (5.08–5.23 ساعة).
الدلالة الإحصائية: رغم أن CHIRAL سجلت أدنى متوسط خطأ، إلا أن فترات الثقة لأفضل الطرق تداخلت بشكل كبير. وأكدت المقارنات البعدية (Post-hoc comparisons) أن CHIRAL كانت متفوقة إحصائياً على المجموعة الأقل أداءً (COFE, PENN, PROTECT)، لكنها لم تستطع التمايز إحصائياً عن TEMPO أو CYCLOPS أو CYCLOPS 2.0.
إعادة بناء مستوى الجينات: نجحت الطرق الأربع الأولى (CHIRAL, TEMPO, CYCLOPS, CYCLOPS 2.0) وخطوط الأساس في إعادة بناء ذروات الجينات بمتوسط أخطاء يتراوح بين 0.18 و0.64 ساعة، وحددت الجينات الإيقاعية بمتوسط قيم ROC AUC تتراوح بين 0.64 و0.70.
العوامل المؤثرة على الدقة:
قوة الإيقاع: ارتبطت الدقة بقوة إيقاعات جينات الساعة في مجموعة البيانات (معامل سبيرمان ρ=−0.58). فالمجموعات ذات الإيقاعات الضعيفة (مثل المخطط البشري/human striatum) سجلت أخطاء أعلى لجميع الطرق.
تعديل الدفعة/المتغيرات المصاحبة: اختلف تأثير التعديل باختلاف الطريقة. أدى تصحيح ComBat-seq إلى تحسين أداء CYCLOPS وCYCLOPS 2.0 بشكل ملحوظ، بينما أدى إلى تدهور أداء TEMPO. ومن الجدير بالذكر أن حذف المتغيرات المصاحبة (مثل فترة ما بعد الوفاة) التي ترتبط بالوقت أدى إلى إزالة إشارات الساعة، مما زاد من الأخطاء لطرق CHIRAL وخطوط الأساس بما يتجاوز مستوى الصدفة.
حساسية المحاكاة: في عمليات المحاكاة، قدمت طريقتَا CYCLOPS وCOFE أداءً استثنائياً (خطأ 0.3–0.4 ساعة)، لكن هذا لم يترجم في البيانات الحقيقية، مما يشير إلى أن النماذج المحاكات قد تفضل افتراضات معينة للطرق.
البذور العشوائية (Random Seeds): أظهرت نتائج DCPR وTEMPO وPENN وPROTECT وCyclum حساسية عالية للبذور العشوائية (الانحراف المعياري 0.27–0.49 ساعة)، بينما كانت CHIRAL وCYCLOPS مستقرة للغاية.
مجموعات البيانات بدون أوقات جمع: في مجموعات بيانات فئرون (Diversity Outbred)، كانت CHIRAL هي الطريقة الوحيدة المتوافقة مع الأطوار المرجعية الخارجية لأنسجة الكبد. ومع ذلك، لم تتفق أي طريقة مع مراجع الأنسجة الدهنية، وكان الاتفاق بين الأنسجة منخفضاً حتى بالنسبة لأفضل طريقة (الارتباط 0.47).
الأهمية والادعاءات تقدم هذه الورقة أول مقارنة منهجية مستقلة لطرق استدلال طور الساعة البيولوجية غير الخاضعة للإشراف باستخدام بروتوكول موحد. ويدعي المؤلفون ما يلي:
تعد CHIRAL هي الطريقة الرائدة حالياً لبيانات RNA-seq للكتلة، حيث تقدم أدنى متوسط خطأ وأداءً ثابتاً عبر مجموعات البيانات، وإن ظلت طرق TEMPO وCYCLOPS وCYCLOPS 2.0 بدائل معقولة.
المعرفة المسبقة بجينات الساعة مفيدة ولكنها ليست كافية. بينما قدمت خطوط الأساس التي تستخدم جينات الساعة أداءً جيداً، إلا أن CHIRAL تفوقت عليها. ومع ذلك، فإن الطرق التي تعتمد فقط على مقدمات الساعة (مثل DCPR) لم تتفوق بالضرورة على تلك التي لا تعتمد عليها، مما يشير إلى أن بنية النموذج ومعالجة البيانات لا تقل أهمية عن بعضهما البعض.
السياق مهم. تعتمد دقة هذه الطرق بشكل كبير على قوة إيقاع مجموعة البيانات وخطوات المعالجة المسبقة (مثل تصحيح الدفعة) المطبقة.
الحذر في التفسير. يؤكد المؤلفون أن التصنيف يعكس أداء هذه الأدوات في ظل التكوينات المحددة التي تم اختبارها، وقد لا يعمم على جميع أنواع البيانات (مثل البيانات أحادية الخلية أو البروتومية التي صُممت بعض هذه الأدوات لها أصلاً). كما يشيرون إلى أن عدم القدرة على إعادة إنتاج نتائج PENN وPROTECT يحد من الاستنتاجات المتعلقة بتلك الأدوات تحديداً.
تخلص الدراسة إلى أنه بينما يعد استدلال الطور غير الخاضع للإشراف أداة قابلة للتطبيق لتحليل البيانات النسخية غير الموصوفة، يجب على المستخدمين مراعاة الخصائص المحددة لمجموعات البيانات الخاصة بهم واستقرار الطريقة المختارة بعناية.