UNIPRO enables protein inference and panel expansion across single-cell and spatial transcriptomics
يُعد UNIPRO إطار عمل موحداً قائماً على الرسوم البيانية يستفيد من موارد CITE-seq الحالية لنمذجة التشابه النسخي والسياق المكاني بشكل مشترك، مما يتيح استنتاج البروتين بدقة، وإعادة البناء المكاني، وتوسيع اللوحات عبر مجموعات بيانات متنوعة من علم النسخ وحيدة الخلية والنسخ المكاني.
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
تخيل أنك تحاول فهم مدينة صاخبة. لديك قائمة هائلة بكل أفكមាន وخطط كل شخص (النسخ الوراثي "transcriptome")، والتي تخبرك من يفترض بهم أن يكونوا. لكن الأفكار لا تتطابق دائمًا مع الأفعال. أحيانًا يخطط شخص ما ليكون طباخًا، لكنه ينتهي به الأمر كعامل ميكانيكي. لكي تعرف حقًا ما يحدث في المدينة، تحتاج إلى رؤية الأدوات التي يحملونها بالفعل (البروتيوم "proteome"). في علم الأحياء، البروتينات هي تلك الأدوات؛ فهي التي تقوم بالمهام الشاقة، وترسل الإشارات، وتبني هياكل الحياة. وبينما أصبح العلماء بارعين جدًا في قراءة "الأفكار" (RNA) للخلايا الفردية، فإن قياس "الأدوات" (البروتينات) فعليًا يشبه محاولة إجراء مقابلة مع كل مواطن في مدينة ضخمة: إنه أمر مكلف، بطيء، وغالبًا ما يمكنك طرح عدد قليل فقط من الأسئلة في المرة الواحدة. وهذا يترك الباحثين مع خريطة ضخمة من الأفكار، ولكن مع تفاصيل مفقودة حول ما تفعله تلك الخلايا حقًا.
الآن، تخيل أن لديك محققًا فائق الذكاء يمكنه النظر في مذكرات مفصلة لشخص ما (الـ RNA) وتخمين الأدوات التي يحملها بدقة، حتى لو لم ترَ الأدوات نفسها أبدًا. هذا هو بالضبط ما يقدمه هذا البحث. لقد بنى الباحثون برنامجًا حاسوبيًا جديدًا يسمى UNIPRO. فكر فيه كمترجم بارع لا يكتفي بقراءة الكلمات فحسب، بل يفهم الحي الذي يعيش فيه؛ فهو يعلم أن الأشخاص الذين يعيشون بجوار بعضهم البعض غالبًا ما يكون لديهم وظائف متشابهة أو يرتدون زيًا موحدًا متشابهًا. ومن خلال الجمع بين "أفكار" الخلية وموقعها الفيزيائي وجيرانها، يستطيع UNIPRO التنبؤ ببيانات البروتين المفقودة بدقة مذهلة. هذا أمر بالغ الأهمية لأنه يسمح للعلماء بأخذ الخرائط الموجودة لأفكار الخلايا وتحويلها إلى أطلس غني بالبروتينات للأنسجة، مما يكشف عن الأنماط الخفية في كيفية تنظيم أجسامنا وكيفية بناء أمراض مثل السرطان لدفاعاتها.
المحقق مع خريطة الحي
لفترة طويلة، كان لدى العلماء طريقتان رئيسيتان لدراسة الخلايا. إحدى الطريقتين هي النظر إلى الـ RNA، وهو يشبه قراءة قائمة المهام الخاصة بالخلية. والطريقة الأخرى هي قياس البروتينات، وهي العمال الفعليون الذين يؤدون المهمة. وبينما نمتلك آلاف الخرائط التي تظهر قوائم المهام للخلايا، لدينا خرائط قليلة جدًا تظهر العمال، ويرجع ذلك أساسًا إلى أن قياس البروتينات في الأنسجة أمر صعب ومكلف. حاولت البرامج الحاسوبية الموجودة تخمين العمال بناءً على قوائم المهام، لكنها عاملت كل خلية كغريب يقف وحيدًا في حقل. لم يدركوا أن الخلايا في الواقع جيران. فالخلية في الورم لا تتصرف مثل الخلية في الأنسجة السليمة، حتى لو كانت قوائم مهامها تبدو متشابهة، لأن محيطها يغير كل شيء.
أدرك مؤلفو هذا البحث، بقيادة باحثين من معهد هاربين للتكنولوجيا، أنه لكي تخمن البروتينات بشكل صحيح، فأنت بحاجة إلى فهم الحي. لقد بنوا UNIPRO، وهي أداة تعمل كمحقق يرسم خريطة للمدينة. هو لا ينظر فقط إلى خلية واحدة؛ بل ينظر إلى كيفية اتصال تلك الخلية بجيرانها ومدى تشابه "أفكارها" مع الأشخاص القريبين منها.
كيف يعمل UNIPRO: الغراء الذكي
يستخدم UNIPRO خدعة ذكية تسمى "الرسم البياني" (graph). تخيل شبكة اجتماعية حيث تمثل النقاط الخلايا وتصل الخطوط بينها. عادةً، يتم توصيل النقاط إذا كانت تقف بجانب بعضها البعض (الجيران المكانيين) أو إذا كانت تفكر في نفس الأشياء (الجيران النسخيين). يقوم UNIPRE بكلا الأمرين، لكنه ذكي في ذلك.
أحيانًا، تكون الخريطة الفيزيائية فوضوية. ربما توجد فجوة في النسيج، أو بقعة حيث البيانات مفقودة. إذا نظرت فقط إلى من يقف بجانب من، فقد تصل بين الأشخاص الخطأ. يتحقق UNIPRO من مدى "ازدحام" الحي. إذا كانت البقعة في جزء كثيف ومزدحم من النسيج، فإنه يثق في الجيران الفيزيائيين أكثر. أما إذا كانت البقعة في منطقة نادرة أو فوضوية، فإنه يثق في تشابه "الأفكار" أكثر. إنه مثل محقق يعرف أنه في سوق مزدحم، يمكنك الوثوق بمن يقف بجانبك، ولكن في زقاق فارغ، يجب أن تثق بمن تعرف صوته.
بمجرد حصوله على هذه الخريطة الذكية، لا يتوقف UNIPRO عند هذا الحد. بل يستمر في تحسين الروابط. فبينما يتعلم المزيد عن الخلايا، يقوم بتعديل قوة الخطوط بينها، مكتشفًا أي الجيران مهمون حقًا وأي منهم قريب بمحض الصدفة فقط. وهذا يسمح له بإنشاء تمثيل "واعٍ بالبروتين" للنسيج — نموذج ذهني يفهم هوية الخلية وبيئتها على حد سواء.
ماذا وجدوا: ملء الفراغات
اختبر الباحثون UNIPRO على مجموعة من مجموعات البيانات المختلفة، بما في ذلك العقد اللمفاوية البشرية، واللوزتين، وأنسجة سرطان الثدي. وإليكم ما اكتشفوه:
1. إنه يعمل عبر أقسام مختلفة من الأنسجة
حاولوا تدريب البرنامج على شريحة واحدة من عقدة لمفاوية وطلبوا منه التنبؤ بالبروتينات في شريحة أخرى مختلفة تمامًا وغير مرئية من نفس النسيج. كان UNIPRO أفضل من أي طريقة أخرى في هذا الصدد. لم يقم بمجرد تخمين أرقام عشوائية؛ بل أعاد إنشاء الأنماط المحددة للبروتينات التي تحدد الأجزاء المختلفة من النسيج، مثل القشرة الخارجية مقابل اللب الداخلي. وهذا يشير إلى أن البرنامج تعلم "قواعد" كيفية تنظيم البروتينات، وليس مجرد حفظ البيانات.
2. يكشف أسرار السرطان
عندما طبقوا UNIPRO على أنسجة سرطان الثدي، كانت النتائج مذهلة. السرطان فوضوي، ومن الصعب معرفة أين ينتهي الورم وأين يبدأ النسيج السليم بمجرد النظر إلى الـ RNA. ولكن عندما أضافوا البروتينات التي تنبأ بها UNIPRO، أصبحت الحدود واضحة تمامًا. حدد البرنامج مناطق محددة: مناطق تجمع فيها الخلايا المناعية للقتال، ومناطق نمو الأوعية الدموية، والحافة الدقيقة التي يغزو فيها الورم الأنسجة السليمة. وجد علامات مثل PDPN و CD86 التي سلطت الضوء على هذه الحدود، مما أظهر مستوى من التفاصيل فات الـ RNA وحده.
3. يمكنه "ابتكار" البروتينات المفقودة
أحد أكثر الأشياء إثارة التي يمكن لـ UNIPRO القيام بها هو "توسيع اللوحة" (panel expansion). تخيل أن لديك اختبارًا يقيس 20 بروتينًا، لكنك تتمنى لو كان يقيس 100 بروتين. يمكن لـ UNIPRO أن ينظر إلى الـ 20 بروتينًا التي لديك (بالإضافة إلى بيانات الـ RNA) ويتنبأ بدقة كيف سيبدو الـ 80 الآخرون. اختبروا ذلك عن طريق إخفاء بعض البروتينات في بياناتهم ومعرفة ما إذا كان بإمكان UNIPRO تخمينها مرة أخرى. وقد تفوق على الأدوات السابقة، محافظًا على الأنماط المحلية للنسيج. وهذا يعني أنه يمكن للعلماء استخدام اختبارات أصغر وأرخص ومع ذلك يحصلون على صورة كاملة للمشهد البروتيني.
4. يعمل على الخلايا المفردة أيضًا
على الرغم من أن UNIPRO قد بُني للتعامل مع البيانات المكانية (حيث الموقع مهم)، إلا أنه يعمل بنفس الكفاءة على بيانات الخلية المفردة حيث الموقع غير معروف. اختبروه على خلايا الدم من أشخاص مختلفين ووجدوا أنه يمكنه تحديد أنواع فرعية دقيقة من الخلايا المناعية التي فاتتها الطرق الأخرى. على سبيل المثال، استطاع التمييز بين أنواع مختلفة من الخلايا التائية بناءً على مستويات البروتين المتوقعة، مما ساعد في فرز مجموعات الخلايا المرتبكة التي بدت متشابهة على الورق.
لماذا هذا مهم
يشير البحث إلى أن UNIPRO هو طريقة جديدة قوية للحصول بأقصى قدر من الاستفادة من البيانات التي نمتلكها بالفعل. فبدلاً من الحاجة إلى تجارب جديدة ومكلفة لقياس كل بروتين، يمكننا استخدام هذه الأداة لاستنتاجها من بيانات الـ RNA التي جمعناها بالفعل. هذا لا يعني أن التنبؤات هي بدائل مثالية للقياسات الحقيقية — فالمؤلفون حذرون في قول إن هذه تقديرات مبنية على أنماط — لكنها جيدة بما يكفي للكشف عن الحقائق البيولوجية التي كانت مخفية سابقًا.
من خلال توحيد كيفية نظرنا إلى الخلايا المفردة والأنسجة المكانية، يقدم UNIPRO طريقة لبناء خرائط "معلوماتية بروتينية" لجسم الإنسان. وسواء كان ذلك لفهم كيفية اختباء الورم من الجهاز المناعي أو كيفية تنظيم الخلايا المناعية لنفسها في العقدة اللمفاوية، فإن هذه الأداة تساعدنا على رؤية مدينة أجسادنا ليس فقط كقائمة من الأفكار، بل كمجتمع حي وعامل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.