Generative 3D Spatial Reconstruction of Cellular Organization from Single Cell Expression
يُعد ORBIS إطار عمل توليدي يستخدم مطابقة التدفق لإعادة بناء عينات الأنسجة ثلاثية الأبعاد الكاملة بشكل مشترك، بما في ذلك هندستها الفيزيائية وأحيائها الخلوية، مباشرة من بيانات التعبير عن الحمض النووي الريبي (RNA) أحادي الخلية دون الحاجة إلى مراجع مكانية، محققاً بذلك دقة وسرعة فائقتين مقارنة بالطرق الحالية.
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
داخل كل جسد حي، لا تطفو الخلايا في عزلة؛ بل تترتب في أحياء ثلاثية الأبعاد دقيقة تحدد كيفية عمل الكائن الحي. يتشكل سلوك الخلية من خلال جيرانها، والحدود النسيجية التي تلامسها، والتدرجات الكيميائية التي تتدفق عبر العضو. ولفهم الحياة على هذا المستوى، اعتمد العلماء لفترة طويلة على تسلسل الحمض النووي الريبوزي أحادي الخلية (single-cell RNA sequencing)، وهي تقنية قوية تقرأ النشاط الجيني لآلاف الخلايا الفردية في آن واحد. ومع ذلك، لإجراء هذه القراءة، يجب إذابة النسيج وتحويله إلى "حساء سائل"، مما يجرد الخلايا من السياق المكاني الذي يمنح تلك الخلايا معناها. وبينما تستطيع تقنيات أخرى التقاط أين تقع الخلايا في شرائح رقيقة أو كتل صغيرة، إلا أنها غالبًا ما تفتقر إلى الحجم المستمر والكامل للعضو. وهذا يترك الباحثين أمام لغز هائل: فهم يمتلكون قائمة مفصلة بالهويات الخلوية، لكنهم يفتقرون إلى الخريطة التي توضح كيف تتناسب تلك الهويات مع بعضها البعض في الفضاء ثلاثي الأبعاد.
لقد طور فريق من الباحثين الآن طريقة حوسبية جديدة لحل هذا اللغز، وهي إعادة بناء البنية ثلاثية الأبعاد الكاملة للأنسجة من البيانات الجينية وحدها. يعامل نهجهم، المسمى ORBIS، عملية إعادة البناء ليس كمهمة لوضع نقاط فردية على خريطة، بل كتوليد لهيكل نسيجي كامل ومتماسك. ومن خلال التعلم من الخرائط المكانية الموجودة لأنسجة مماثلة، يمكن للنظام تخيل وتوليد مواقع ملايين الخلايا، مع الحفاظ على الحجم والشكل والكثافة الحقيقية للعضو. وهذا يسمح للعلماء بأخذ قائمة من الخلايا من عينة مذابة وإعادة بناء العضو الذي جاءت منه افتراضيًا، مما يكشف عن كيفية تنظيم أنواع الخلايا المختلفة وكيفية تفاعلها عبر الحجم بأكمله.
إن تحدي إعادة بناء نسيج من الصفر أمر صعب لأن التعبير الجيني لا يملي موقعًا واحدًا ثابتًا للخلية. فالخلايا ذات الملفات الجينية المتشابهة يمكن أن توجد في مواقع متعددة محتملة داخل العضو، ويختلف الترتيب الدقيق من فرد لآخر. حاولت الطرق السابقة غالبًا إيجاد الموقع الأكثر احتمالًا لكل خلية، وهي استراتيجية أدت دون قصد إلى ضغط النسيج المعاد بناؤه. ومن خلال حساب متوسط الاحتمالات، أنتجت هذه التقنيات القديمة نماذج أصغر وأكثر كثافة، مما أدى إلى ضغط المسافات الطبيعية بين مجموعات الخلايا وتشويه الهندسة الحقيقية للعضو. أدرك الباحثون أنه لالتقاط واقع النسيج الحي، كان عليهم توليد تكوين كامل ومحتمل لجميع الخلايا معًا، بدلًا من التنبؤ بأفضل تخمين لكل واحدة منها على حدة.
ولتحقيق ذلك، درب الفريق نظامهم على مجموعة من الأنسجة الحقيقية ذات التوزيع المكاني المحدد، مثل أدمغة الفئران الكاملة وأجنة ذبابة الفاكهة، حيث كانت مواقع الخلايا معروفة بالفعل. تعلم النظام قواعد التنظيم النسيجي من خلال مراقبة كيفية ترتيب الخلايا في هذه العينات المرجعية، مع إعطاء اهتمام وثيق للمقياس الفيزيائي، والمسافات بين الطبقات، والمواقع النسبية لأنواع الخلايا المختلفة. وعند تقديمه لعينة مذابة جديدة، لا يقوم النظام ببساطة بحساب إحداثيات لكل خلية، بل يبدأ بسحابة من الضوضاء العشوائية ويقوم بصقل مواقع ملايين الخلايا معًا بشكل متكرر، مما يضمن أن الترتيب النهائي يحافظ على الأبعاد الفيزيائية والعلاقات الداخلية الصحيحة. تسمح هذه العملية للنظام بالتعامل مع عينات تحتوي على ما يصل إلى 3.7 مليون خلية، وهو مقياس كان مستحيلاً في السابق إعادة بنائه في نموذج واحد موحد.
نتائج هذه الطريقة الجديدة مذهلة. فعند اختبارها على أدمغة فئران كاملة وكتل نسيجية سميكة، حافظت النماذج المعاد بناؤها على الحجم والشكل الفيزيائي للأعضاء بشكل أفضل بكثير من أي تقنية سابقة. وبينما كانت الطرق القديمة غالبًا ما تقلص حجم النسيج بنسبة تصل إلى 29 بالمائة على طول محاور معينة، مما يؤدي فعليًا إلى حشر الخلايا بقوة شديدة، حافظ النظام الجديد على الحجم والكثافة بالقرب من الواقع. كما نجح أيضًا في الحفاظ على الترتيب الصحيح للخلايا على طول أمعاء ذبابة الفاكهة ووضع الخلايا من أطلس الدماغ المشتت بدقة في مناطقها التشريحية الأصلية. وفي الاختبارات التي شملت مجموعة كبيرة من خلايا الدماغ من متبرعين مختلفين، أعاد النظام ما يقرب من 38 بالمائة من الخلايا إلى منطقة منشئها الصحيحة، وهو تحسن كبير مقارنة بـ 28.5 بالمائة التي حققتها الطريقة التالية الأفضل.
وبعيدًا عن مجرد وضع الخلايا، أثبت النظام قدرته على استعادة الأنماط المكانية المعقدة للتعبير الجيني التي لم تكن جزءًا من البيانات المدخلة الأصلية. فمن خلال تحديد مواقع الخلايا بشكل صحيح، استطاع النموذج إعادة بناء الخرائط ثلاثية الأبعاد لمئات الجينات غير المرئية، مما كشف عن مكان نشاطها داخل النسيج. يشير هذا إلى أن النظام قد تعلم المنطق الكامن وراء التنظيم النسيجي بما يكفي للتعميم على بيانات جديدة، ملتقطًا التدرجات والحدود الدقيقة التي تحدد بنية العضو. كما أن العملية برمتها سريعة بشكل ملحوظ، حيث تولد نموذجًا لدماغ فأر كامل في أقل من ثلاث دقائق باستخدام معالج كمبيوتر واحد، وهي مهمة كانت تستغرق ساعات باستخدام النهج السابق.
يمثل هذا العمل تحولًا في كيفية مقاربة العلماء لمشكلة البيولوجيا المكانية، من تجميع الأجزما المبعثرة إلى توليد أنسجة كاملة ومتماسكة. فمن خلال التركيز على الهندسة الجماعية للعضو بدلاً من الدقة الفردية لكل خلية، يتجنب الأسلوب عيوب الضغط والتشويه التي عصفت بالمحاولات السابقة. إنه يوفر وسيلة لتصور العالم ثلاثي الأبعاد للخلايا من بيانات فقدت سياقها المكاني، مما يقدم رؤية أوضح لكيفية بناء الأنسجة وكيفية عملها. ومع توفر المزيد من الأطالس المكانية التفصيلية، يمكن أن يكون هذا النهج بمثابة أساس لفهم البنية المعقدة للكائنات الحية، من أصغر الأجنة إلى أكبر الأعضاء، دون الحاجة إلى التقطيع الفيزيائي التدخلي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.