Pycea: a scverse toolkit for single-cell lineage tracing analysis
تُعد Pycea مجموعة أدوات مفتوحة المصدر بلغة بايثون تُقدم تنسيق TreeData لدمج بيانات شجرة النسب بسلاسة مع قياسات الخلية الواحدة ضمن منظومة scverse، مما يتيح التحليل والتمثيل المرئي والاستدلال الإحصائي القابل للتوسع لتتبع نسب الخلايا.
المؤلفون الأصليون:Colgan, W. N., Weine, E., Koblan, L. W., Jones, M. G., Weissman, J. S., Yosef, N.
في العالم الحي، تحمل كل خلية تاريخاً. تماماً كما يسجل شجر العائلة من هو مرتبط بمن، فإن كل خلية في كائن نامٍ أو ورم متزايد تتذكر أسلافها وأشقاءها. لعقود من الزمن، كافح العلماء لربط هذا التاريخ العائلي بالسلوك الحالي للخلية. كان بإمكانهم رسم مخطط لنسل الخلايا، وتتبع كيف أصبح الانقسام الواحد اثنين، والاثنين أربعة، لكنهم لم يستطيعوا بسهولة دمج ذلك المخطط مع التعليمات الداخلية للخلية، مثل أي الجينات كانت نشطة في تلك اللحظة. هذا الفصل جعل من الصعب فهم كيف شكل ماضي الخلية حاضرها، سواء كانت تتحول إلى نوع معين من الأنسجة أو تتحول إلى مرض. لم يكن التحدي يكمن فقط في جمع البيانات، التي أصبحت وفيرة ومفصلة، بل في تنظيمها بطريقة تسمح للباحثين برؤية الصورة الكاملة دفعة واحدة.
قام فريق من الباحثين الآن ببناء أداة رقمية جديدة لحل هذه المشكلة، حيث أنشأوا نظاماً يعامل شجرة عائلة الخلية كجزء قياسي من سجلها البيولوجي. لقد قدموا حزمة برمجية تسمى Pycea، تعمل جنباً إلى جنب مع إطار عمل مستخدم على نطاق واسع لتحليل الخلايا المفردة. وفي قلب هذا النظام، توجد طريقة جديدة لتخزين البيانات تسمى TreeData. تخيل ملفاً رقمياً قياسياً يحمل معلومات عن خلية، مثل نشاط جيناتها وموقعها. الآن، تخيل أن الملف نفسه يحتوي على خانة مخصصة لاستيعاب شجرة العائلة الكاملة لتلك الخلية، بحيث تكون متوافقة تماماً بحيث يتوافق كل فرع وورقة مع قياس محدد. هذا الهيكل الجديد يسمح للعلماء باستخدام نفس الأدوات التي يعرفونها بالفعل لتحليل النسب، والتعبير الجيني، والموقع الفيزيائي جميعها في وقت واحد، دون الحاجة إلى الترجمة المستمرة للبيانات بين تنسيقات مختلفة.
أظهر الباحثون قوة هذا النهج من خلال تطبيقه على قصتين بيولوجيتين مختلفتين تماماً. أولاً، نظروا في جنين فأر في مرحلة محددة من النمو، يحتوي على أكثر من 260,000 خلية. وباستخدام أدواتهم الجديدة، تمكنوا من تتبع كيفية ارتباط المجموعات المختلفة من الخلايا ببعضها البعض ومدى تطابق تاريخها العائلي مع هوياتها الحالية. وجدوا أن الخلايا التي تنتمي إلى نفس الطبقة الرئيسية للجسم، مثل الجلد أو الأمعاء، تشترك في أسلاف قريبين، مما يؤكد أن شجرة العائلة يمكن أن تتنبأ بدور الخلية المستقبلي. كما حددوا جينات معينة تم توريثها عبر الخط العائلي، مما يعني أنه إذا كان لدى الخلية الأم نشاط عالٍ لجين معين، فمن المرجح أن يكون لدى أطفالها نشاط مماثل أيضاً. سمح لهم ذلك بتحديد التعليمات الجينية الدقيقة التي حددت أجزاء مختلفة من الجنين النامي.
بعد ذلك، طبق الفريق النظام على نموذج للسرطان، حيث درس ورماً يحتوي على ما يقرب من 146,000 خلية. هنا، كان الهدف هو فهم كيفية نمو وانتشار مجموعات مختلفة من الخلايا السرطانية. ومن خلال رسم شجرة عائلة خلايا الورم، استطاعوا رؤية أي المجموعات كانت تتوسع بسرعة وأيها كانت تبقى صغيرة. واكتشفوا أن المجموعات الأكثر نجاحاً، أو "الأكثر لياقة"، تميل إلى العيش في الحواف الخارجية للورم، بالقرب من أنسجة الرئة السليمة. علاوة على ذلك، وجدوا أن نشاط جين محدد، وهو Cldn4، كان مرتبطاً بقوة بهذا النجاح؛ حيث كانت الخلايا ذات المستويات العالية من هذا الجين أكثر عرضة للتواجد في هذه المناطق المزدهرة والطرفية. هذا الربط بين تاريخ عائلة الخلية، وموقعها، ونشاطها الجيني قدم رؤية واضحة لكيفية تطور الورم في الوقت الفعلي.
تكمن أهمية هذا العمل في قدرته على توحيد مجالات الدراسة المنفصلة. قبل هذه الأداة، كان على الباحثين غالباً الاختيار بين دراسة شجرة عائلة الخلية أو نشاطها الجيني، لأن تنسيقات البيانات لم تكن تتحدث اللغة نفسها. ومن خلال إنشاء نظام يكون فيه الشجر جزءاً أصيلاً من ملف بيانات الخلية، أزال الباحثون الحواجز التي كانت تجبر العلماء سابقاً على التعامل مع برامج وهياكل بيانات متعددة. وهذا يعني أنه يمكن الآن تحليل التاريخ المعقد للخلية بنفس سهولة حالتها الراهنة. البرنامج مفتوح للاستخدام من قبل أي شخص، ويخطط الباحثون لتوسيع نطاقه بشكل أكبر، آملين أن يصبح هذا المعيار الجديد أساساً لمجتمع متنامٍ من الأدوات المخصصة لفهم التاريخ العميق للحياة داخل خلية واحدة.
ملخص تقني: Pycea و TreeData لتحليل تتبع السلالات في الخلية الواحدة
بيان المشكلة بينما مكنت التطورات التكنولوجية من الحصول على بيانات تتبع سلالات الخلية الواحدة بمقاييس تتجاوز مليون خلية، لا يزال دمج معلومات السلالة هذه في سير عمل تحليل الخلية الواحدة القياسي يمثل عقبة كبيرة. تركز الأدوات الحالية بشكل أساسًا على إعادة بناء شجرة السلالة (مثل LinTIMaT، وDCLEAR، وCassiopeia) أو التحليل الفيلوجيني (مثل ETE)، لكنها تفتقر إلى بنية بيانات معيارية لتخزين أشجار السلالة جنبًا إلى جنب مع القياسات الخلوية مثل التعبير الجيني. نتيجة لذلك، يضطر المستخدمون إلى نقل التوصيفات يدويًا (مثل عناقيد Leiden) بين تنسيقات بيانات متباينة (على سبيل المثال، من AnnData إلى كائنات ETE Tree)، مما يمنع التحليل المتكامل والسلس ضمن منظومة scverse القائمة على لغة بايثون.
المنهجية يقدم المؤلفون Pycea، وهي مجموعة أدوات بايثون مصممة للعمل ضمن منظومة scverse، وتتمحور حول بنية بيانات جديدة تسمى TreeData.
TreeData: هي فئة فرعية من AnnData تعمل على توسيع بنية بيانات الخلية الواحدة القياسية لتخزين أشجار السلالة بشكل أصلي. وهي تقدم حقلين جديدين:
obst: يخزن الأشجار المحاذية للملاحظات (الخلايا) كرسوم بيانية موجهة من نوع networkx.
vart: يخزن الأشجار المحاذية للمتغيرات (الجينات).
تدعم البنية ثلاثة أوضاع للمحاذاة: "الأوراق" (الأوراق فقط هي الملحوظة، وهو أمر شائع في التسجيل الجزيئي)، و"العقد" (الأوراق والعقد الداخلية ملحوظة، وهو أمر شائع في تتبع الخلايا الحية)، و"المجموعة الفرعية" (جزء فقط من العقد ملحوظ).
تدعم TreeData أشجارًا متعددة لكل كائن (على سبيل المثال، طرق إعادة بناء مختلفة أو مستعمرات منفصلة) وتقوم بتقليم الأشجار تلقائيًا عند تقطيع الكائن للحفاظ على اتساق البيانات.
تحافظ على التوافق الكامل مع أدوات scverse الحالية (Scanpy، وSquidpy) دون الحاجة إلى تحويل التنسيق.
مجموعة أدوات Pycea: منظمة بشكل مشابه لـ Scanpy، توفر Pycea وحدات لـ:
المعالجة المسبقة (pycea.pp): معالجة البيانات وإعداد الأشجار.
الأدوات (pycea.tl): خوارزميات لتحليل السلالة، بما في ذلك تحديد العشائر (clade identification)، واستنتاج الحالة السلفية، ومقارنات مسافة السلالة، وتقدير اللياقة البدنية.
الرسم البياني (pycea.pl): وظائف تصور قابلة للتوسع لأغصان الأشجار، والعقد، والتوصيفات في تخطيطات مستطيلة أو قطبية.
الوصول إلى البيانات (pycea.get): استرجاع البيانات الخاصة بالسلالة.
تشمل الطرق التحليلية الرئيسية ما يلي:
الارتباط السلفي (Ancestral Linkage): يقيس مدى القرابة بين المجموعات الخلوية عن طريق حساب وقت السلف المشترك الأحدث (LCA) مع مجموعة مستهدفة، مع المعايرة مقابل التبديلات العشوائية لمراعاة طوبولوجيا الشجرة وحجم المجتمع.
وراثة الجينات (Gene Heritability): يستخدم إحصاءات الارتباط الذاتي لـ Moran's I لقياس تشابه التعبير الجيني بين الأقارب عبر شجرة السلالة.
تقدير اللياقة (Fitness Estimation): يقدر اللياقة النسبية للخلايا باستخدام خوارزمية الانتشار المنحاز للاختيار بناءً على طوبولوجيا الشجرة وأطوال الأغصان.
تحديد العشائر (Clade Identification): يجمع الخلايا في عشائر بناءً على سلف مشترك في نقاط زمنية محددة.
المساهمات الرئيسية
بنية بيانات معيارية: يوفر تقديم TreeData أول توسعة معيارية لـ AnnData لتخزين أشجار السلالة، مما يتيح التوافق التشغيلي بين تتبع السلالة والبيانات النسخية/المكانية.
سير عمل متكامل: تلغي Pycea الحاجة إلى المناورة اليدوية بالبيانات، مما يسمح للمستخدمين بإجراء إعادة بناء السلالة، والتجميع، والتصور، والتحليل الإحصائي ضمن إطار عمل واحد وموحد.
القابلية للتوسع: تم تصميم مجموعة الأدوات للتعامل مع مجموعات البيانات الكبيرة، مع قدرات مثبتة لتصور أشجار تحتوي على 100,000 خلية في ثوانٍ، وإجراء عمليات إحصائية (مثل الارتباط السلفي، وتقدير اللياقة) في أوقات تشغيل تتراوح بين 1 إلى 20 ثانية.
توسيع المنظومة: يضع المؤلفون TreeData كأساس لـ "lineageverse" من الأدوات القابلة للتشغيل البيني، مشيرين إلى أن نسخة Cassiopeia v3.0.0 القادمة ستعتمد TreeData لاستبدال كائن CassiopeiaTree الحالي.
النتائج يستعرض المؤلفون قدرات مجموعة الأدوات باستخدام مجموعتي بيانات متميزتين:
تطور جنين الفأر (E9.5):
تم تحليل 262,534 خلية متتبعة للسلالة.
تم تصور أشجار السلالة مع أوراق موصفة حسب طبقات الجنين وفئات السلالة.
استخدم الارتباط السلفي للكشف عن أن خلايا الظهارة العصبية الظهرية وظهارة السطح تشتركان في سلف حديث مع العرف العصبي.
تم حساب مصفوفات الارتباط الزوجي، مما حدد الارتباطات بين العرف العصبي والميزود المتوسط.
تم تطبيق Moran's I لتحديد الجينات الموروثة، حيث وجد أن Hoxb9 وMeox1 وOtx2 وSox2 (عوامل النسخ المحددة للسلالة) أظهرت وراثة تعبير عالية.
نموذج الورم النقيلي (4T1):
تم تحليل 145,954 خلية من تجربة تتبع سلالة ذات دقة مكانية.
تم تجميع الخلايا في عشائر بناءً على سلف مشترك في اليوم الخامس وتصور توزيعها المكاني، مما أكد أن الخلايا المتقاربة مكانيًا تشترك في سلف حديث.
تم تقدير اللياقة النسبية لكل خلية، مما كشف أن عشائر محددة (الزرقاء والأرجوانية) تمتلك لياقة أعلى وتقع عند محيط الورم بالقرب من أنسجة الرئة الطبيعية.
تم ربط التعبير الجيني باللياقة، مما حدد الجين Cldn4 كأكثر الجينات ارتباطًا، والمرتبط بحالة شبيهة بالخلايا الطلائية في المنطقة المتاخمة للرئة.
الأهمية والادعاءات يزعم البحث أن Pycea وTreeData يبسطان سير العمل الذي كان يتطلب سابقًا هياكل بيانات وأدوات متعددة، مما يتيح التحليل الموحد للسلالة، والتعبير الجيني، والبيانات المكانية. ومن خلال دمج تتبع السلالة في منظومة scverse ، يهدف المؤلفون إلى تسهيل اعتماد تحليل السلالة من قبل مجتمع الخلية الواحدة الأوسع. يتم تقديم العمل كقاعدة مفتوحة المصدر (ترخيص BSD 3-Clause) تهدف إلى تعزيز منظومة متنامية من الأدوات القابلة للتشغيل البيني، مع إنشاء توافق فوري بين Cassiopeia (لإعادة بناء الشجرة)، وScanpy (للنسخ الوراثي)، وPycea (لتحليل السلالة). ويؤكد المؤلفون أن هذه الأدوات جاهزة للاستخدام الفوري، مع توفر الوثائق والدروس التعليمية لإعادة إنتاج التحليلات المقدمة.