Fast Protein Crystal detection and classification using Detectron2 and gaussian mixture models for continuous Bioprocessing
تقدم هذه الورقة مساراً آلياً متكاملاً من البداية إلى النهاية يدمج بين تجزئة المثيلات القائمة على Detectron2 وتجميع نموذج الخليط الغاوسي لتحقيق كشف وتصنيف سريع ودقيق وقابل للتكرار لبلورات البروتين، مما يتفوق بشكل كبير على الطرق الحالية في الفحص الموائع الدقيقة عالي الكثافة مع تقليل انحياز المراقب.
في المختبرات الهادئة حيث تولد الأدوية الجديدة، يواجه العلماء غالبًا تحديًا بسيطًا في ظاهره: يتعين عليهم تنمية بلورات صغيرة ومثالية من محاليل البروتين. هذه البلورات ليست من النوع السكري الموجود في المطبخ، بل هي هياكل صلبة ومنظمة مكونة من مليارات الجزيئات البروتينية المثبتة في مكانها. وهي ضرورية لأنها تعمل كلقطة مجمدة لشكل الجزيء. ومن خلال تسليط أشعة سينية قوية عبر هذه البلورات، يمكن للباحثين رسم خريطة للبنية الذرية للبروتينات، مما يكشف عن كيفية عملها وكيف يمكن للأدوية أن توقفها. هذه العملية هي العمود الفقري لاكتشاف الأدوية الحديثة والبيولوجيا الهيكلية. ومع ذلك، فإن تنمية هذه البلورات هي لعبة حظ؛ فالظروف المطلوبة دقيقة للغاية، وتتفاوت البلورات الناتجة بشكل كبير في الحجم والشكل والوضوح. فبعضها جواهر مثالية، والبعض الآخر غبار عكر أو شظايا تشبه الإبر لا فائدة منها في التحليل. ولعقود من الزمن، كان العثور على البلورات الجيدة يعني خبيرًا بشريًا يحدق عبر المجهر، ويفرز آلاف الصور، وهي مهمة بطيئة وذاتية قد تغفل عن أصغر النجاحات أو أكثرها دقة.
قام فريق من الباحثين الآن ببناء نوع جديد من "العين الرقمية" لحل هذه العقبة، حيث أنشأوا نظامًا يمكنه العثور على هذه البلورات المجهرية وقياسها وفرزها تلقائيًا بسرعة واتساق لا يمكن لأي إنسان مضاهاتهما. وبالعمل مع مجموعة بيانات تضم ما يقرب من ألفي صورة مجهرية، درب الفريق برنامجًا حاسوبيًا متطورًا للتعرف على البصمة البصرية الفريدة لبلورة البروتين. وبخلاف الطرق القديمة التي كانت تكتفي برسم مربع حول تجمع من الأجسام أو تعتمد على أدوات بسيطة لرسم الحواف والتي غالبًا ما كانت ترتبك بسبب الفقاعات أو الحطام، يقوم هذا النظام الجديد برسم مخطط دقيق حول كل بلورة على حدة، حتى عندما تكون متزاحمة مع بعضها البعض أو بالكاد مرئية. وقد وجد الباحثون أن نهجهم يمكنه تحديد البلورات بدقة تضاهي الخبراء البشر في اثنين وتسعين بالمائة من الحالات، مع إبقاء الإنذارات الكاذبة —أي الخلط بين ذرة غبار وبلورة— دون خمسة بالمائ % . هذا المستوى من الدقة أمر حيوي لأنه يسمح للعلماء بالثقة في البيانات دون الحاجة إلى مراجعة كل صورة يدويًا.
لا يكتفي النظام بالعد فحسب، بل يفهم ما يراه. فبعد أن يعزل الحاسوب كل بلورة، يقوم بتحليل شكلها وملمسها، ويصنفها إلى فئات دون أن يُخبر بما يجب أن تكون عليه تلك الفئات. وفي الصور التي درسوها، قام النظام تلقائيًا بفرز البلورات إلى أربع مجموعات متميزة بناءً على مظهرها الفيزيائي. وتكونت المجموعة الأكبر، التي شكلت ما يقرب من ستين بالمائة من النتائج، من بلورات صغيرة، مما يعكس الواقع بأن معظم المحاولات تنتج قطعًا صغيرة بدلاً من جواهر كبيرة ومثالية. أما المجموعات الأخرى فقد رصدت تباينات في الحجم والشكل، من التجمعات متوسطة الحجم إلى الهياكل الأكبر والأندر. إن القدرة على التصنيف دون تسميات محددة مسبقًا هي قدرة قوية، لأنها تزيل انحياز التوقعات البشرية، مما يسمح للبيانات بالكشف عن أنماط قد تظل غير ملحوظة لولا ذلك.
ولجعل هذه التكنولوجيا متاحة لأي شخص في المختبر، قام الباحثون بتغليف خوارزمياتهم المعقدة في أداة بسيطة تعتمد على الويب. حيث يمكن للعالم رفع صورة لشريحة المجهر الخاصة به، ويعيد النظام فورًا تقريرًا مفصلًا؛ إذ يحدد كل بلورة بمخطط ملون، ويخصصها لمجموعة معينة، ويحسب حجمها الدقيق بالميكرومتر المربع. وهذا يحول عملية الفحص اليدوي المملة التي تستغرق ساعات إلى مسألة ثوانٍ، مما يحرر الباحثين للتركيز على العلم بدلاً من الفرز. وقد تحقق الفريق من عملهم من خلال مقارنة مخرجات الحاسوب مع أحكام خبير بشري، مؤكدين أن الآلة يمكنها التمييز بين البلورات الحقيقية والشوائب مثل فقاعات الهواء بموثوقية عالية. ومن خلال أتمتة اكتشاف وتصنيف هذه الهياكل المجهرية، يوفر هذا العمل مسارًا قابلاً للتوسع نحو الفحص عالي الإنتاجية، مما قد يسرع الجدول الزمني لاكتشاف علاجات جديدة وفهم الآليات الأساسية للحياة.
ملخص تقني: الكشف السريع عن بلورات البروتين وتصنيفها باستخدام Detectron2 ونماذج الخليط الغاوسي (GMM)
بيان المشكلة يعد تبلور البروتين خطوة أساسية في البيولوجيا البنيوية واكتشاف الأدوية، مما يتيح تحديد البنى على المستوى الذري عبر حيود الأشعة السينية. ومع ذلك، فإن الفحص اليدوي لصور المجهر لتحديد وقياس وتصنيف بلورات البروتين هو عملية تستغرق وقتاً طويلاً، وتخضع للتقدير الشخصي، وعرضة للخطأ. وتتفاقم هذه العقبة بسبب الفحص عالي الإنتاجية، الذي يولد مجموعات بيانات ضخمة حيث يكون التقييم اليدوي التقليدي غير متسق. تواجه النهج المؤتمتة الحالية قيوداً كبيرة: فأساليب معالجة الصور الكلاسيكية (مثل كشف الحواف) تفشل في البيئات عالية الكثافة بسبب الضجيج والشوائب المتداخلة، بينما تعاني نماذج كشف الأشياء مثل YOLOv3 مع الأجسام الصغيرة وتفتقر إلى التحديد الدقيق على مستوى البكسل. علاوة على ذلك، يتطلب التصنيف الخاضع للإشراف مجموعات بيانات ضخمة مصنفة يدوياً مع فئات متفق عليها، وهي غالباً ما تكون غير متوفرة أو غير متسقة عبر المختبرات المختلفة.
المنهجية يقترح المؤلفون مسار عمل موحداً وشاملاً يدمج تقسيم النسخ (instance segmentation) مع التجميع غير الخاضع للإشراف لأتمتة تحليل بلورات البروتين. يتكون الإطار من أربع مراحل رئيسية:
تنسيق مجموعة البيانات: تم تنسيق مجموعة بيانات مخصصة مكونة من 1,860 صورة مجهرية من تجارب تبلور الليسوزيم ذات التدفق المستمر. وبعد مراقبة الجودة، تمت إزالة 632 صورة منخفضة الجودة، مما أسفر عن مجموعة بيانات منسقة نهائية مكونة من 1,228 صورة. تم ترميز مجموعة فرعية مكونة من 382 صورة يدوياً باستخدام أقنعة مضلعة (polygon masks) عبر أداة LabelMe لتدريب تقسيم النسخ. واستُخدمت الصور المتبقية لمهام التصنيف غير الخاضعة للإشراف.
تقسيم النسخ (Detectron2): يعتمد مكون الكشف الأساسي على نموذج Mask R-CNN مطور (fine-tuned) من Detectron2 مع عمود فقري من نوع ResNet-101 وشبكة هرم الميزات (FPN). تم تهيئة النموذج بأوزان مدربة مسبقاً على مجموعة بيانات COCO وتدريبه على فئة واحدة (بلورات البروتين) لتحقيق تقسيم دقيق على مستوى البكسل. شملت المعالجة المسبقة تغيير حجم الصور (الضلع القصير 800 بكسل، والحد الأقصى 1333 بكسل) والتوحيد القياسي المعياري. استخدم تكوين التدريب حجم دفعة (batch size) قدره 4 ومعدل تعلم أساسي قدره 2.5×10−4 لمدة 1,000 تكرار.
استخراج الميزات وتقليل الأبعاد: لكل نسخة بلورة مكتشفة، تم استخراج خرائط الميزات من مستوى P3 لعمود Detectron2 الفقري. تم ضغط هذه التضمينات عالية الأبعاد إلى 64 بُعداً باستخدام تحليل المكونات الرئيسية (PCA) للحفاظ على التباين المعلوماتي مع ضمان الكفاءة الحسابية.
التصنيف غير الخاضع للإشراف (GMM): تم تجميع نواقل الميزات المختزلة باستخدام نموذج الخليط الغاوسي (GMM) مع أربعة مكونات. يصنف هذا النهج البلورات بناءً على الأنماط المورفولوجية (الحجم، الشكل، الملمس) دون الحاجة إلى تسميات يدوية. تشمل مخرجات المسار أقنعة التقسيم، وتعيينات المجموعات، والقياسات الكمية (مساحة البكسل، والمساحة المعايرة بـ μm2).
المساهمات الرئيسية يوضح البحث ثلاث مساهمات رئيسية:
بناء مجموعة البيانات: إنشاء مجموعة بيانات عالية الجودة وموسومة من 382 صورة لبلورات مجهرية مع أقنعة مضلعة، مصممة خصيصاً لمهام تقسيم النسخ.
نموذج كشف قوي: تطوير وتطوير نموذج يعتمد على Detectron2 قادر على الكشف الموثوق لمتعدد النسخ في الظروف الصعبة، بما في ذلك المشاهد عالية الكثافة التي تحتوي على العديد من البلورات الصغيرة أو المتداخلة.
مسار عمل شامل: تصميم سير عمل متكامل يدمج التقسيم، واستخراج الميزات، وتقليل الأبعاد، والتصنيف غير الخاضع للإشراف، والذي يمكن الوصول إليه عبر واجهة Gradio سهلة الاستخدام. يضمن المسار تقييماً غير منحاز من خلال ضبط PCA حصرياً على ميزات التدريب.
النتائج
أداء التقسيم: حقق نموذج Mask R-CNN المطور (R101-FPN) متوسط معامل تشابه دايس (DSC) قدره 0.90 على مجموعة الاختبار (النطاق: 0.82–0.94). أظهر النموذج متانة في التمييز بين البلورات المتلامسة أو المتداخلة جزئياً، ونجح بفعالية في قمع النتائج الإيجابية الكاذبة الناتجة عن الشوائب مثل فقاعات الهواء.
المقارنة المرجعية: تم تقييم طرق الكشف التقليدية القائمة على الحواف وYOLOv3 كخطوط أساس. فشل YOLOv3 في التعميم في السيناريوهات عالية الكثافة (كشف حوالي 30 حالة فقط في صور تحتوي على أكثر من 40 بلورة) وأنتج صناديق إحاطة مدمجة. أما الطرق الكلاسيكية فغالباً ما دمجت البلورات المتجاورة أو جزأت البلورة الواحدة.
التصنيف والتجميع: حدد نموذج GMM أربع مجموعات متميزة بأوزان [0.5926, 0.1650, 0.2252, 0.0172]. ارتبطت المجموعة المهيمنة بالبلورات الصغيرة، مما يعكس انتشارها في مجموعة البيانات. أكدت المراجعة البصرية أن هذه المجموعات ارتبطت بأنماط مورفولوجية متميزة (الحجم، الشكل، الملمس) دون تسميات يدوية.
التحقق البشري: أظهرت مراجعة الخبراء لـ 50 صورة اختبار (~1,200 حالة) اتفاقاً بنسبة 92% بين التقسيم الآلي والترميز الخبير فيما يتعلق بتحديد الحدود. كانت معدلات الإيجابيات الكاذبة أقل من 5%، وتم تعيين 88% من البلورات في مجموعات ذات خصائص مورفولوجية متسقة بصرياً.
الأهمية والادعاءات يزعم المؤلفون أن هذا الإطار يوفر حلاً قابلاً للتوسع والتكرار لفحص تبلور البروتين عالي الإنتاجية. ومن خلال الجمع بين تقسيم النسخ الدقيق والتصنيف غير الخاضع للإشراف، يقلل النظام من التحيز المعتمد على المراقب ويلغي الحاجة إلى التسمية اليدوية المكثفة. يتيح المسار قياساً دقيقاً لحجم البلورات ومورفولوجيتها، مما يدعم التطبيقات اللاحقة في البيولوجيا البنيوية والتصميم العقلاني للأدوية. يسمح دمج واجهة Gradio للمستخدمين غير الخبراء بإجراء تحليل مؤتمت على صور فردية أو دفعات، مما يسهل عملية تحديد بنية البروتين بشكل أسرع واكتشاف العلاجات. ويُقدم هذا العمل كخطوة نحو سير عمل أكثر كفاءة وقائم على البيانات في البيولوجيا البنيوية، رغم أن المؤلفين يشيرون إلى أن هناك حاجة لعمل مستقبلي لتوسيع الإطار ليشمل النمذجة الزمنية، وتكيف النطاق عبر وسائط التصوير المختلفة، والتكامل مع أنظمة سلامة خطوط الأشعة في الوقت الفعلي.