TileBac - an annotated ultralow-dose cryo-EM montage of bacterial membranes and flagella

لفهم عالم البكتيريا، يحتاج العلماء غالباً إلى النظر إلى الحواف الدقيقة للخلية. البكتيريا كائنات دقيقة وحيدة الخلية يمكن أن تسبب تلوثاً مستمراً في المستشفيات أو تسد الأنابيب الصناعية. والعديد منها، مثل الأنواع سالبة الجرام، مغلفة بطبقتين واقيتين: غشاء داخلي وغشاء خارجي. وبين هاتين الطبقتين يقع فراغ ضيق يمكن أن يتغير شكله عندما تتعرض البكتيريا للإجهاد أو تقاوم مضاداً حيوياً. ولرؤية هذه الهياكل الدقيقة بوضوح، يستخدم الباحثون تقنية تسمى المجهر الإلكتروني بالتبريد (cryo-electron microscopy). هذه الطريقة تعتمد على تجميد البكتيريا بشكل خاطف في طبقة رقيقة من الجليد، مما يحفظها في حالة طبيعية شبه كاملة حتى يمكن تصويرها دون الأصباغ الكيميائية الثقيلة التي تشوه شكلها عادةً. ومع ذلك، هناك عقبة؛ فهذه العينات المجمدة هشة للغاية. فإذا كان شعاع الإلكترونات المستخدم لالتقاط الصورة قوياً جداً، فإنه يحرق العينة ويدمر التفاصيل الدقيقة التي يحاول العلماء رؤيتها. وإذا كان الشعاع ضعيفاً جداً، ستكون الصورة محببة لدرجة لا تسمح بتمييز الأغشية الرقيقة أو الذيول الشبيهة بالسوط، التي تسمى "الأسواط" (flagella)، والتي تساعد البالكتيريا على السباحة.

لقد حد هذا التوازن الدقيق لفترة طويلة من مقدار ما يمكن للعلماء تعلمه عن المجموعات البكتيرية. فإما أن يلتقطوا صورة سريعة ومنخفضة الجرعة لمنطقة واسعة ويروا تفاصيل قليلة جداً، أو يلتقطوا صورة عالية الجرعة لنقطة صغيرة ويروا تفاصيل رائعة ولكنهم يفتقدون الصورة الأشمل. توفر مجموعة بيانات جديدة تسمى "تايل باك" (TileBac)، التي أنشأها باحثون في مختبر أوك ريدج الوطني، طريقة لكسر هذه المقايضة. فقد جمع الفريق مكتبة ضخمة من الصور لبكتيريا معينة من نوع (Pantoea sp. YR343)، التي تعيش في التربة حول جذور أشجار الحور. وقد فعلوا ذلك من خلال التقاط صور بانورامية واسعة النطاق للبكتيريا المجمدة ثم تقطيعها إلى قطع أصغر يمكن التعامل معها. والأهم من ذلك، أنهم قاموا بتوصيف كل قطعة يدوياً، حيث رسموا حدوداً دقيقة حول الأغشية الداخلية والخارجية والأسواط. وهذا يخلق أرضية تدريب للحواسيب، مما يسمح للذكاء الاصطناعي بتعلم كيفية رصد هذه الهياكل الباهتة حتى في أكثر الصور تحبباً وأقلها جرعة.

اقترب الباحثون من هذا التحدي عبر إنشاء مجموعتين متمايزتين من البيانات، كل منهما مصممة لتعليم الحواسيب شيئاً مختلفاً. تركز المجموعة الأولى على الأغلفة البكتيرية؛ حيث التقطوا صوراً واسعة النطاق للبكتيريا بجرعة إشعاع منخفضة للغاية، وهي أربعة إلكترونات فقط لكل أنغستروم مربع. عند هذا المستوى، تكون الصور مليئة بالضجيج، وتكون الأغشية بالكاد مرئية للعين البشرية. ولتفسيرها، قام الفريق برسم مضلعات يدوياً حول الأغشية الداخلية والخارجية على آلاف القطع الصورية. ثم استخدموا هذه الخرائط المرسومة يدوياً لتدريب خمسة أنواع مختلفة من نماذج الرؤية الحاسوبية. وكان الهدف هو معرفة ما إذا كان بإمكان الآلة تعلم تمييز طبقتي الغشاء حتى عندما تكون الإشارة ضعيفة للغاية. وأظهرت النتائج أنه بينما عانت بعض النماذج، استطاعت نماذج أخرى، وخاصة تلك المصممة لإيجاد المناطق المملوءة بدلاً من مجرد الخطوط، تحديد الأغشية بنجاح. وهذا يثبت أنه مع بيانات التدريب الصحيحة، يمكن للحواسيب تعلم رؤية هياكل تكاد تكون غير مرئية لنا.

أما الجزء الثاني من مجموعة البيانات، فيعالج مشكلة حركة البكتيريا والالتصاق. تستخدم البكتيريا أسواطاً طويلة ونحيفة للسباحة، وهذه الهياكل حيوية لكيفية التصاقها بالأسطح. جمع الباحثون صوراً للبكتيريا ذات الأسواط بجرعة أعلى قليلاً، وهي أربعون إلكتروناً لكل أنغستروم مربع، وهي لا تزال تعتبر جرعة منخفضة ولكنها توفر تفاصيل أوضح بكثير. كما سجلوا هذه المجالات البصرية نفسها كأفلام، حيث التقطوا أربعين إطاراً منفصلاً لكل صورة. وهذه ميزة قوية لأنها تسمح للعلماء بإعادة بناء الصورة عند أي مستوى جرعة يختارونه؛ حيث يمكنهم جمع إطار واحد فقط لرؤية كيف تبدو البكيريا عند أدنى جرعة ممكنة، أو جمع الأربعين إطاراً جميعها لرؤية النسخة الأكثر وضوحاً. ومن خلال الحفاظ على نفس البكتيريا في نفس الموقع عبر كل هذه الجرعات، أنشأ الباحثون نموذج اختبار مثالياً لمعرفة مدى أداء نماذج الكمبيوتر مع تغير جودة الصورة من الضبابية الشديدة إلى الوضوح التام.

إن ما يجعل مجموعة البيانات هذه فريدة حقاً هو مستوى التفصيل في التوصيفات. ففي الدراسات السابقة، قد يكتفي العلماء بتحديد مكان وجود البكتيريا، أما هنا، فقد رسم الباحثون أشكالاً محددة حول الغشاء الداخلي والغشاء الخارجي ككيانات منفصلة. ووجدوا أن الغشاءين الداخلي والخارجي يحيطان بمساحات تتداخل بشكل كبير، حيث يقع المجال الداخلي بانتظام داخل المجال الخارجي. هذا المستوى من الدقة نادر في قواعد البيانات العامة. كما اكتشف الفريق أن نماذج الكمبيوتر المختلفة "ترى" العالم بطرق مختلفة؛ فبعض النماذج، مثل تلك القائمة على نظام يُسمى (YOLO)، تعلمت رسم الغشاء الخارجي كخط رفيع جداً، يشبه تقريباً الهيكل السلكي. بينما تعلمت نماذج أخرى، مثل (U-Net) و(SAM)، ملء المنطقة بأكملها داخل الغشاء. وكلا النهجين صحيحان، لكنهما يتطلبان طرقاً مختلفة لقياس النجاح. فقد أظهر الباحثون أنه إذا نظرنا فقط إلى المساحة التي يغطيها النموذج، فستبدو نماذج الخطوط الرفيعة وكأنها فشلت، ولكن إذا قمنا بقياس مدى قرب الخط من الحافة الفعلية، فإن تلك النماذج نفسها قدمت أداءً جيداً جداً. هذا التمييز أمر بالغ الأهمية للأبحاث المستقبلية، لأنه يخبر العلماء بضرورة اختيار الأداة المناسبة للمهمة اعتماداً على ما إذا كانوا بحاجة لمعرفة شكل الحدود أو حجم المساحة.

كما تعالج مجموعة البيانات مشكلة شائعة في التصوير واسع النطاق وهي "الخياطة" (stitching). فعندما يلتقط العلماء صورة بانورامية لمنطقة واسعة، يتعين عليهم دمج العديد من الصور الصغيرة معاً. وإذا لم يقم الكمبيوتر بمحاذاتها بدقة، فإن الفواصل بين الصور قد تقطع البكتيريا مباشرة، مما يجعلها تبدو مكسورة أو مشوهة. تتضمن مجموعة بيانات "تايل باك" كلاً من البانورامات الأصلية والقطع الصغيرة، مما يسمح للباحثين باختبار مدى قدرة برامجهم على خياطة الصور معاً دون فقدان سلامة الخلايا. وقد وجدوا أن مجموعة البيانات لا تحتوي على خلايا متداخلة، مما يعني أنها مثالية لاختبار كيفية فصل الكمبيوتر للبكتيريا الفردية، ولكن لا يمكن استخدامها لاختبار كيفية تعامل الكمبيوتر مع البكتيريا المتكدسة فوق بعضها البعض. إن هذا الصدق بشأن حدود مجموعة البيانات لا يقل أهمية عن البيانات نفسها، لأنه يمنع العلماء الآخرين من استخلاص استنتاجات خاطئة.

من خلال إصدار كل هذه البيانات، جنباً إلى جنب مع نماذج الكمبيوتر التي دربوها والشيفرة البرمجية المستخدمة للتحليل، قدم فريق "أوك ريدج" معياراً جديداً لهذا المجال. لقد أثبتوا أنه من الممكن جمع مساحات كبيرة من العينات البكتيرية بجرعات منخفضة للغاية كانت تُعتبر سابقاً مليئة بالضجيج وغير مفيدة. وقد أثبتوا أنه مع التوصيف اليدوي الدقيق، يمكن للحواسيب تعلم العثور على هذه الهياكل الباهتة. كما قدموا أداة مرنة تتيح للباحثين دراسة كيفية تأثير جودة الصورة على القدرة على رؤية الحياة على المقياس النانوي. هذا العمل لا يحل كل المشكلات في تصوير البكتيريا، ولكنه يوفر اللبنات الأساسية للجيل القادم من الأدوات. فهو يسمح للعلماء بالانتقال من مجرد النظر إلى عدد قليل من الصور عالية الجودة والمحظوظة إلى تحليل مجموعات كاملة من البكتيريا بثقة إحصائية، مما يفتح الباب أمام فهم أعمق لكيفية تفاعل هذه الكائنات الدقيقة مع بيئتها ومع المواد التي تلمسها.