Graph-Based Classification of Penetrating Arteries and Veins in Whole-Mouse Vasculature Datasets

داخل الدماغ، توجد شبكة واسعة ومعقدة من الأنابيب الصغيرة التي توصل الدم المغذي للحياة وتجلب الفضلات بعيداً. هذه الشبكة ليست تشابكاً عشوائياً؛ بل هي نظام منظم للغاية حيث تجلب الشرايين دماً غنياً بالأكسجين إلى عمق الأنسجة، بينما تعيد الأوردة الدم المستخدم إلى السطح. بالنسبة للعلماء الذين يدرسون كيفية عمل الدماغ، أو كيف تعطل أمراض مثل السكتة الدماغية أو الخرف هذا العمل، فإن معرفة أي أنبوب هو شريان وأي أنبوب هو وريد أمر ضروري. فبدون هذا التمييز، لا يستطيع الباحثون محاكاة تدفق الدم بدقة أو فهم الأدوار المحددة التي تلعبها أجزاء مختلفة من الشبكة. ومع ذلك، في حين أن تكنولوجيا التصوير الحديثة يمكنها الآن التقاط الخريطة الوعائية الكاملة لدماغ فأر بتفاصيل مذهلة، فإن معظم هذه الخرائط الرقمية الضخمة تأتي بدون تسميات. الأنابيب مرئية، لكن هويتها مخفية، مما يترك فجوة حرجة في قدرتنا على تحليلها.

يكمن التحدي في أن هذه الشبكات كبيرة ومعقدة للغاية بحيث لا يمكن للإنسان تسميتها يدوياً. يحتوي دماغ فأر واحد على ملايين القطع الوعائية، وغالباً ما تكون الأوعية السطحية، التي قد يحاول المرء تتبعها للعثور على المصدر، مشوهة بفعل عملية التصوير نفسها. ولحل هذه المشكلة، طور فريق من الباحثين طريقة جديدة لتصنيف الأوعية تلقائياً إلى شرايين وأوردة باستخدام شكل وهيكل الشبكة نفسها، بدلاً من الاعتماد على صبغات كيميائية خاصة ليست متوفرة دائماً. لقد ركزوا على "الأشجار النافذة" — وهي الفروع الرئيسية التي تغوص من سطح الدماغ إلى الأنسجة العميقة. ومن خلال التعامل مع هذه الهياكل المتفرعة كرسوم بيانية رياضية، علّم الفريق حاسوباً التعرف على البصمات المعمارية الفريدة للشرايين مقابل الأوردة.

درب الباحثون نظامهم الحاسوبي باستخدام بيانات من نوعين مختلفين من المجاهر عالية الدقة. جاءت مجموعة من البيانات من صور تم فيها إبراز الشرايين باستخدام صبغة محددة، وجاءت مجموعة أخرى من عينات أصغر تم تسميتها يدوياً. تعلم الحاسوب البحث عن أنماط محددة: كيف كانت طول القطع بين نقاط التفرع، ومدى عرض الأنابيب، وكيف التوت الفروع وانحنت. واكتشفوا أن الشرايين تميل إلى امتلاك قطع أطول وأكثر استقامة وأقطار أكبر، حيث تعمل كطرق سريعة فعالة مصممة لدفع الدم تحت الضغط إلى مناطق معينة. في المقابل، أظهرت الأوردة نمط تفرع أكثر تعقيداً وكثافة، يشبه نظام تجميع مصمم لجمع السوائل من منطقة واسعة بضغط منخفض.

لاختبار مدى نجاح هذه الطريقة، طبق الفريق منهجهم على مجموعة بيانات ضخمة غير معلمة لدماغ فأر كامل لم يتم صبغ شرايينه أو أوردته من قبل. نجح الحاسوب في تعيين التسميات للأوعية، مما خلق خريطة كاملة لإمدادات الدم في الدماغ. أثبت النظام دقة ملحوظة، حيث حدد نوع الوعاء بشكل صحيح في 96% من الحالات عند اختباره على بيانات مستقلة. والأهم من ذلك، وجد الباحثون أنهم لم يحتاجوا حتى إلى قياس عرض الأوعية للحصول على نتائج جيدة؛ إذ كان الطريقة التي تتصل بها الفروع والشكل العام للشجرة كافيين للتمييز بينهما. وهذا يعني أن الطريقة يمكن أن تعمل على بيانات من أنواع مختلفة من المجاهر وإعدادات التصوير دون الحاجة إلى إعادة تدريبها، مما يجعلها أداة متعددة الاستخدامات للبحوث المستقبلية.

كشفت الدراسة أيضاً أن الاختلافات بين الشرايين والأوردة لا تتعلق بالحجم فحسب، بل بالبنية الطوبولوجية الأساسية، أو ترتيب الاتصالات، للشبكة. تظهر الشرايين بنية حيث تستمر بعض الفروع الرئيسية الرئيسية عبر مسافات طويلة، بينما تمتلك الأوردة توزيعاً أكثر انتظاماً للفروع التي تنتشر بشكل متساوٍ. ظلت هذه البصمات الهيكلية ثابتة بغض النظر عن كيفية التقاط الصور، مما يشير إلى أنها سمة بيولوجية حقيقية لكيفية تنظيم الدماغ لتدفق الدم. ومن خلال التحقق من تنبؤاتهم مقابل المعالم التشريحية المعروفة، مثل الشريان الرئيسي الذي يغذي الدماغ، أكد الفريق أن تسمياتهم الآلية تطابق الواقع البيولوجي المتوقع.

يوفر هذا العمل أساساً قوياً لأبحاث الأوعية الدموية الدماغية. فهو يسمح للعلماء بأخذ مجموعات البيانات الموجودة وغير المعلمة من التجارب حول العالم وإضافة معلومات الشرايين والأوردة المفقودة إليها فوراً. تفتح هذه القدرة الباب أمام دراسات واسعة النطاق لكيفية تغير تدفق الدم في نماذج الأمراض المختلفة أو بين سلالات الفئران المختلفة، دون الحاجة إلى تجارب جديدة تستغرق وقتاً طويلاً. ويشير الباحثون إلى أنه بينما يعد نظامهم الحالي فعالاً للغاية، فإن التحسينات المستقبلية في جودة الصور والتقسيم يمكن أن تجعل التصنيف أكثر دقة. في نهاية المطاف، يحول هذا النهج الصور الخام غير المعلمة إلى خرائط غنية ومعلوماتية، مما يتيح فهماً أعمق للبنية الوعائية للدماغ ودورها في الصحة والمرض.