Imputing relative abundances via Gaussian random fields

إن البيولوجيا البشرية نادراً ما تكون مجرد لقطة ثابتة؛ بل هي قصة تتكشف فصولها عبر الزمن. في مجالات مثل أبحاث الميكروبيوم، يتتبع العلماء المجتمعات الصغيرة من البكتيريا التي تعيش بداخلنا، ويراقبون كيف تتحول وتتغير من أسبوع لآخر، ومن شهر لآخر، أو من سنة لأخرى. لا تُقاس هذه المجتمعات بعدّ البكتيريا الفردية، بل بالنظر إلى النسب النسبية لأنواع مختلفة، تماماً كما نرى كيف تتغير مكونات الحساء بينما يغلي في القدر. هذا النهج قوي لأنه يكشف عن الصحة الديناميكية للنظام البيئي الداخلي للإنسان. ومع ذلك، فإن هذا النوع من التتبع طويل الأمد يصعب الحفاظ على مثاليته. فالناس قد يتغيبون عن المواعيد، أو تضيع العينات أثناء النقل، أو تفشل الأجهزة في قراءة البيانات بشكل صحيح. وعندما يغيب قياس واحد من خط زمني طويل، تنكسر القصة؛ حيث ينقطع التدفق المستمر للبيانات، مما يجعل من الصعب رؤية الأنماط الحقيقية للصحة أو المرض، وغالباً ما يضطر الباحثون للتخلص من معلومات قيمة لمجرد وجود قطعة مفقودة.

ولحل هذه المشكلة، طور الباحثون أندري شتيرنشيس، براشانت سينغ، ولويزا دبليو. هوغر، طريقة جديدة لملء تلك القطع المفقودة من اللغز البيولوجي. لقد ابتكروا إطاراً رياضياً يعمل كراوٍ ماهر، قادر على تخيل الشكل الذي كان من المرجح أن تبدو عليه العينة المفقودة بناءً على كل ما تم تسجيله غيرها. وبدلاً من مجرد تخمين الإجابة الأكثر وضوحاً أو نسخ قياس سابق، تستخدم طريقتهم نهجاً إحصائياً متطوراً يسمى "الحقل العشوائي الغاوسي". تتيح هذه التقنية للنموذج فهم العلاقات المعقدة بين أنواع البكتيريا المختلفة داخل عينة واحدة، وكيف تتطور هذه العلاقات بمرور الوقت لشخص معين. وقد صُممت لتعمل حتى عندما تكون البيانات شحيحة، باستخدام عدد معتدل من المعلمات (parameters) حتى لا يرتبك بسبب الضجيج، وهي مشكلة شائعة في نماذج الذكاء الاصطناعي الأكثر تعقيداً والتي تتطلب كميات هائلة من البيانات للتعلم.

يكمن جوهر هذه الطريقة الجديدة في قدرتها على التعامل مع البيانات "التركيبية"، مما يعني أنها تحترم القاعدة التي تقضي بأن جميع أجزاء العينة يجب أن تشكل كلاً واحداً. فإذا ظهر نوع من البكتيريا في حالة زيادة، يفهم النموذج أن النسب النسبية للأنواع الأخرى يجب أن تنخفض تبعاً لذلك. علاوة على ذلك، يأخذ النموذج في الاعتبار حقيقة أن بعض البكتيريا قد تكون موجودة بأعداد ضئيلة جداً لدرجة تجعل اكتشافها مستحيلاً، فيعاملها كقيم صغيرة جداً بدلاً من الصفر، مما يحافظ على المنطق الرياضي سليماً. ومن خلال توليد ليس مجرد تخمين واحد، بل العديد من النسخ المحتملة للبيانات المفقودة، يلتقط النموذج حالة عدم اليقين الطبيعية في البيولوجيا. وهذا يسمح للعلماء بإجراء تحليلاتهم على مجموعات كاملة من البيانات، مما يضمن أن استنتاجاتهم النهائية حول الاتجاهات الصحية قوية وتأخذ في الاعسب التباينات في السجلات الأصلية.

اختبر الباحثون هذا الإطار على بيانات واقعية من ثلاث درسات مختلفة شملت مشاركين بشريين. في إحدى الدراسات، نظروا في بكتيريا الأمعاء لدى مئات النساء الحوامل لمعرفة ما إذا كان بإمكانهم التنبؤ بمن ستصاب باكتئاب ما بعد الولادة. وفي دراسة أخرى، فحصوا الرضع للتنبؤ بالأطفال الذين سيصابون بحساسية غذائية معينة. وفي دراسة ثالثة، حللوا عينات من أمعاء البالغين في منتصف العمر لمعرفة مدى قدرة النموذج على إعادة بناء البيانات للأنواع التي تتباين أكثر في مجموعاتها السكانية. كانت النتائج واعدة؛ فعندما ملأ النموذج العينات المفقودة، أنتج بيانات قريبة بشكل ملحوظ من القياسات الحقيقية، متفوقاً بذلك على الطرق القديمة والأبسط التي تكتفي بنقل آخر قيمة معروفة. والأهم من ذلك، عندما استخدموا هذه البيانات المعاد بناؤها للتنبؤ بالنتائج الصحية، تحسنت الدقة بشكل كبير. فبالنسبة للرضع، ساعد النموذج في تحديد الحساسية الغذائية بدقة متوازنة بلغت 0.72، وهو تحسن ملحوظ عن المحاولات السابقة. وبالنسبة للحوامل، ساعد في التنبؤ باكتئاب ما بعد الولادة بدقة متوازنة بلغت 0.64.

إن ما يجعل هذا العمل قيماً بشكل خاص هو أنه لا يعتمد على خوارزميات "الصندوق الأسود" المستعصية على التفسير. فالنموذج شفاف، مما يعني أن الباحثين يمكنهم رؤية بالضبط كيف يستخدم المعلومات المتاحة — مثل وقت العينة والخصائص المحددة للمشارك — لاتخاذ توقعاته. لقد نجح في سد الفجوة بين الواقع الفوضوي للدراسات البشرية، حيث تكون البيانات المفقودة هي القاعدة وليست الاستثناء، وبين الحاجة إلى مجموعات بيانات كاملة وعالية الجودة لفهم الاتجاهات البيولوجية. ومن خلال توفير وسيلة لإعادة بناء هذه الخطوط الزمنية المكسورة بدقة إحصائية، يقدم هذا الإطار أداة عملية للعلماء لاستعادة الرؤى المفقودة وتقديم تنبؤات أكثر موثوقية حول صحة الإنسان، محولاً السجلات المجزأة إلى سرد متماسك للتغير البيولوجي.