🧬 الأحياء

SpaCoDA: fast compositional deconvolution maps recurrent cellular niches across hundreds of spatial transcriptomics sections

يُعد SpaCoDA إطار عمل حوسبيًا سريعًا وفعالًا من حيث استهلاك الذاكرة، يقوم بفك التشفين بدقة لبيانات النسخ المكاني القائمة على البقع لرسم خرائط للمنافذ الخلوية المتكررة عبر مجموعات كبيرة، مما يتيح اكتشاف البيئات الدقيقة للأنسجة ذات الصلة سريريًا في سرطان الثدي والورم الأرومي الدبقي.

المؤلفون الأصليون: Xiaokai Fan, Lun Liang

نُشر 2026-11-13

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Xiaokai Fan, Lun Liang

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

الأنسجة ليست مجرد أكياس من الخلايا؛ بل هي مجتمعات منظمة تعيش فيها أنواع مختلفة من الخلايا معاً في أحياء محددة، تماماً مثل الأحياء المتميزة في مدينة صاخبة. في العضو السليم، تعمل هذه الأحياء بسلاسة، ولكن في أمراض مثل السرطان، يصبح المخطط فوضوًا، حيث تكتظ الخلايا العدوانية وتزيح الخلايا الطبيعية، أو تفشل الخلايا المناعية في الوصول إلى الأماكن الصحيحة. ولفهم كيفية عمل هذه الأنسجة وأسباب فشلها، يستخدم العلماء تقنية تسمى "علم النسخ المكاني" (spatial transcriptomics). تعمل هذه الطريقة كخريطة عالية الدقة، حيث تقرأ النشاط الجيني للخلايا مع تتبع موقعها بدقة. ومع ذلك، يوجد عائق رئيسي: فالعديد من أدوات التخطيط الأكثر قوة تلتقط رقعة صغيرة من النسيج تحتوي على خليط من عدة خلايا مختلفة ممتزجة معاً. ولرؤية الصورة الحقيقية، يجب على الباحثين فصل هذا الخليط رياضياً لمعرفة أنواع الخلايا الموجودة بالضبط وأعدادها، وهي عملية تُعرف باسم "تفكيك المزيج" (deconvolution). وحتى الآن، كان القيام بذلك لمجموعات كبيرة من المرضى مهمة بطيئة وتستهلك الذاكرة، وغالباً ما كانت تتطلب أياماً من وقت الكمبيوتر، مما حد من عدد الأشخاص الذين يمكن دراستهم في آن واحد.

قدم فريق من الباحثين الآن أداة جديدة تسمى "SpaCoDA" تحل هذه العقبة، مما يسمح للعلماء برسم خرائط للأحياء الخلوية عبر مئات المقاطع النسيجية في جزء ضئيل من الوقت الذي كان مطلوباً سابقاً. قام الباحثون ببناء نظام يقوم أولاً بتقدير مزيج الخلايا في كل رقعة صغيرة من النسيج عن طريق مقارنة البيانات الجينية بمكتبة مرجعية لأنواع الخلايا المعروفة. وبدلاً من الاعتماد على نماذج إحصائية بطيئة ومعقدة، تستخدم طريقتهم نهجاً رياضياً أسرع يعدل الفروق بين المكتبة المرجعية والنسيج الفعلي الذي تتم دراسته. بعد ذلك، تقوم بتجميع هذه الرقع في أحياء محلية بناءً على تركيبها الجيني وموقعها الفيزيائي. وأخيراً، تجمع هذه الأحياء المحلية من جميع المرضى المختلفين في مجموعة واحدة موحدة من "الأحياء الميتاوية" (meta-neighborhoods). وهذا يسم يسمح للباحثين برؤية أي البيئات الخلوية المحددة تتكرر لدى الكثير من الناس وكيف ترتبط تلك البيئات بنتائج المرض.

اختبر الباحثون هذا النهج الجديد الجديد بصرامة قبل تطبيقه على بيانات طبية حقيقية. فقد أنشأوا آلاف خرائط الأنسجة المحاكات حيث كان تكوين الخلايا الحقيقي معروفاً، ووضعوا أداة جديدة في مواجهة ثماني طرق أخرى قائمة. في هذه المحاكاة، أدت الأداة الجديدة أداءً بدقة أفضل الطرق الموجودة، حيث جاءت في المرتبة الثانية فقط بعد المنافس الأكثر دقة في كل سيناريو، لكنها فعلت ذلك أسرع بمئات المرات. وفي إحدى المقارنات، أنهت مهمة استغرقت حوالي أحد عشر ثانية في حين استغرقت الطريقة التالية الأفضل أكثر من أربعين دقيقة. كما أثبتت الأداة دقة عالية عند اختبارها على بيانات نسيج حقيقية من أجهزة التصوير التي يمكنها رؤية الخلايا الفردية، حيث حددت أنواع الخلايا بدقة حتى عندما كانت البيانات المرجعية من تقنية مختلفة. وتعني هذه السرعة والدقة أن الباحثين يمكنهم الآن تحليل مجموعات ضخمة من عينات الأنسجة، وهو أمر كان غير عملي سابقاً.

باستخدام هذه القدرة الجديدة، طبق الفريق "SpaCoDA" على مجموعة ضخمة من عينات سرطان الثدي وأورام الدماغ، حيث حلل أكثر من مليون نقطة نسيجية متميزة من 254 مقطعاً لسرطان الثدي و181 مقطعاً للورم الأرومي الدبقي (glioblastoma). ومن هذا الكم الهائل من البيانات، حددت الأداة 29 حياً خلوياً متكرراً في سرطان الثدي و31 في الورم الأرومي الدبقي. لم تكن هذه الأحياء عشوائية؛ بل مثلت بيئات بيولوجية متميزة، مثل المناطق الغنية بالخلايا المناعية، أو المناطق التي تهيمن عليها الخلايا الورمية العدوانية، أو المناطق التي تتفاعل فيها الأوعية الدموية والأنسجة الداعمة. ثم بحث الباحثون فيما إذا كان وجود هذه الأحياء المحددة يتنبأ بكيفية تدهور حالة المرضى. في سرطان الثدي، وجدوا أن الحي المليء بخلايا B والخلايا البلازمية كان مرتبطاً بفترات بقاء أطول واستجابة أفضل للعلاج. وعلى العكس من ذلك، في الورم الأرومي الدبقي، ارتبط وجود حي معين يتميز بخلايا تعاني من نقص الأكسجين وتنقسم بسرعة، وآخر مليء بالخلايا المناعية التي تعرض المستضدات بالقرب من الأوعية الدموية، بفترات بقاء أقصر.

تشير هذه النتائج إلى أن الترتيب المحدد للخلايا داخل الورم هو مؤشر قوي على سلوكه. لا تدعي الدراسة علاج هذه الأمراض، لكنها توفر إطاراً عملياً لتحديد البيئات الخلوية الأكثر أهمية. ومن خلال جعل تحليل مئات المرضى ممكناً بسرعة، تفتح الأداة الباب لاكتشاف أنماط جديدة يمكن أن تساعد الأطباء في تصنيف الأمراض بدقة أكبر أو تحديد أهداف جديدة للعلاج. ويؤكد الباحثون أنه بينما الروابط بين هذه الأحياء ونتائج المرضى قوية، إلا أنها استكشافية وتحتاج إلى مزيد من التحقق. ومع ذلك، فإن القدرة على رسم خرائط لهذه المناظر الطبيعية الخلوية عبر مجموعات كبيرة من الناس تمثل خطوة هائلة للأمام في فهم الجغرافيا المعقدة للمرض.

أبحاث مشابهة