A deep learning framework for quantitative analysis of secretory granule morphology using Star Dist
تقدم هذه الورقة إطار عمل للتعلم العميق يعتمد على تقنية StarDist وقابلاً لإعادة الإنتاج، تم تنفيذه في برنامج QuPath، مما يتيح تجزئةً وتحليلاً مورفومترياً آلياً وعالي الإنتاجية للحبيبات الإفرازية في الغدد اللعابية لذبابة الفاكهة (Drosophila)، مقدمًا دقة وحساسية فائقتين مقارنة بالطرق التقليدية مع الحفاظ على الصلاحية البيولوجية.
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 خلايا الكائنات الحية، هناك حركة مرور حيوية ومستمرة للطرود. تصنع الخلايا البروتينات والمواد الأخرى، ثم تعبئها في حاويات صغيرة محاطة بغشاء تسمى الحبيبات الإفرازية، ومن ثم تطلقها خارج الخلية عندما يحين الوقت المناسب. هذه العملية، المعروفة باسم الإخراج الخلوي المنظم، هي الطريقة التي تتواصل بها الخلايا، وتهضم الطعام، وتبني الأنسجة. ولفهم كيفية عمل نظام التوصيل هذا، غالبًا ما ينظر العلماء إلى ذبابة الفاكهة، Drosophila melanogaster. وتحديدًا، يدرسون الغدد اللعابية ليرقات الذبابة. وتعد هذه الغدد مختبرًا مثاليًا لأنه، مع نمو اليرقة، تنتج خلاياها بشكل متزامن كمية هائلة من هذه الحبيبات، مما يملأ الخلية بها قبل إطلاقها جميعًا دفعة واحدة. ومن خلال مراقبة كيفية تغير حجم وشكل هذه الحبيبات أثناء نضجها، يمكن للباحثين معرفة أي الجينات والبروتينات مسؤولة عن عملية التعبئة والإطلاق.
لعقود من الزمن، حاول العلماء قياس هذه الحبيبات الصغيرة لمعرفة كيفية نموها. هم يعلمون أن الحبيبات الجديدة تبدأ صغيرة جدًا، بمساحة تبلغ حوالي متر مربع واحد، وتكبر لتصبح أكبر، لتصل في النهاية إلى خمسة عشر مترًا مربعًا، قبل أن تكون جاهزة للإطلاق. ومع ذلك، فإن عدها وقياسها يدويًا أمر صعب للغاية. فالحبيبات متراصة جنبًا إلى جنب لدرجة أنها تبدو كغرفة مزدحمة بالناس، مما يجعل من الصعب تمييز أين تنتهي واحدة وأين تبدأ الأخرى. وعندما حاول الباحثون عدها يدويًا، كان عليهم غالبًا النظر إلى شريحة صغيرة جدًا من الخلية لتجنب الشعور بالإرهاق، مما يعني أنهم قد يفتقدون الحبيبات الأصغر أو الأكثر غرابة. وقد ترك هذا القصور فجوات في فهمهم لكيفية صنع هذه الطرود الخلوية ونضجها.
قام فريق من الباحثين في مؤسسة "إنستيتوتو ليلوار" (Fundación Instituto Lelol) في الأرجنتين بتطوير طريقة جديدة لحل هذه المشكلة. فقد أنشأوا برنامجًا حاسوبيًا يمكنه العثور على هذه الحبيبات وقياسها تلقائيًا، حتى عندما تكون مزدحمة معًا أو تختلف كبيرًا في الحجم. وبدلاً من الاعتماد على مستويات السطوع البسيطة لفصل الأجسام، وهو ما يفشل غالبًا عندما تتلامس الأشياء، استخدموا نوعًا متطورًا من الذكاء الاصطناعي يسمى StarDist. تم تصميم هذه الأداة للتعرف على الأشكال المستديرة تقريبًا أو التي تشبه النجمة، وهو ما يتطابق تمامًا مع مظهر هذه الحبيبات البيولوجية. وقد بنى الباحثون نظامًا يعمل على برنامج مفتوح المصدر ومجاني يسمى QuPath، والذي يسمح للعلماء برؤية ما يفعله الكمبيوتر بالضبط وتصحيح أي أخطاء، مما يضمن دقة النتائج بيولوجيًا.
لاختبار طريقتهم الجديدة، قام الفريق بتدريب الكمبيوتر باستخدام صور لخلايا الغدة اللعابية للذبابة. لقد علموا البرنامج التعرف على الحبيبات في الخلايا الطبيعية، وكذلك في الخلايا التي تكون فيها الحبيبات صغيرة بشكل غير عادي أو كبيرة بشكل غير عادي بسبب التغيرات الجينية. ثم قارنوا عمل الكمبيوتر بالعد اليدوي المضني الذي قام به خبراء بيولوجيون. وأظهرت النتائج أن النظام الآلي كان متفوقًا بمراحل؛ فقد استطاع فصل الحبيبات المتلامسة فيما بينها بشكل أفضل بكثير من الطرق القديمة، وقاس أشكالها وأحجامها بدقة أكبر. والأهم من ذلك، أن الكمبيوتر لم يكتفِ بمجرد نسخ العد البشري، بل وجد العديد من الحبيبات الإضافية، خاصة الصغيرة جدًا التي غالبًا ما يفتقدها البشر لأنها كانت صعبة الرؤية أو يصعب عدها فرديًا.
باستخدام هذا النهج الجديد، تمكن الباحثون من تأكيد ما كان معروفًا بالفعل: وهو أن الحبيبات تكبر بالفعل في الحجم مع نضجها. لكن قوة الأداة الجديدة تكمن فيما كشفته مما كان مخفيًا سابقًا. فبسبب قدرة الكمبيوتر على تحليل الخلية بأكملها دون تعب أو تحيز، فقد كشف عن وجود مجموعة من الحبيبات الصغيرة التي كانت ممثلة تمثيلًا ناقصًا في الدراسات السابقة. وهذا يشير إلى أن المراحل المبكرة من تكوين الحبيبات قد تكون أكثر تعقيدًا أو تنوعًا مما كان يُعتقد سابقًا. وتوضح الدراسة أن سير العمل المؤتمت هذا ليس فقط أسرع وأكثر قابلية للتوسع، بل هو أيضًا أكثر حساسية، مما يسمح للعلماء برؤية الصورة الكاملة للنشاط الخلوي دون القيود التي تفرضها العين البشرية.
ويؤكد الباحثون أن هدفهم لم يكن استبدال الحكم البشري، بل توفير أداة تجعل عملية الاكتشاف أكثر شمولاً. ومن خلال جعل هذا النظام متاحًا للعلماء الآخرين دون مطالبتهم بأن يكونوا مبرمجين خبراء، يأملون في تسريع دراسة كيفية إدارة الخلايا للوجستياتها الداخلية. وتظهر هذه الدراسة أن التعلم العميق، عند تطبيقه على مشكلات بيولوجية محددة، يمكن أن يكشف عن تفاصيل كانت موجودة دائمًا ولكن كان من الصعب جدًا رؤيتها. ويقدم هذا الإطار الجديد طريقة واضحة وقابلة للتكرار لدراسة دورة حياة الحبيبات الإفرازية، مما يفتح الباب أمام فهم أعمق للآليات الجزيئية التي تحرك الإخراج الخلوي المنظم في الكائنات الحية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.