Image Analysis Tools for Continuous Label-free Quantification of Proliferation and Adipogenic Differentiation of Mesenchymal Stem Cells

في عالم البيولوجيا الحديثة، يحاول العلماء باستمرار فهم كيفية نمو الخلايا وتغيرها. اثنتان من أهم العمليات التي يدرسونها هما التكاثر (proliferation)، وهو ببساطة الطريقة التي تتضاعف بها الخلايا لزيادة أعدادها، والتمايز (differentiation)، حيث تتحول خلية عامة إلى خلية متخصصة، مثل خلية دهنية. لعقود من الزمن، اعتمد الباحثون على طرق تتطلب إيقاف التجربة، وقتل الخلايا، وصبها بصبغات ملونة لرؤية ما يحدث. وبينما توفر هذه الطرق لقطة سريعة، إلا أنها طرق تدميرية؛ فبمجرد النظر إلى الخلايا، لا يمكنك مراقبتها مرة أخرى. وهذا يجعل من الصعب فهم القصة السلسة والمستمرة لكيفية تطور مجتمع من الخلايا بمرور الوقت. علاوة على ذلك، فإن المواد الكيميائية المستخدمة لجعل الخلايا مرئية يمكن أن تسبب أحياناً ضرراً لها أو تخلق إشارات كاذبة، مما يؤدي إلى حسابات غير دقيقة.

يتجه مجال متنامٍ من الأبحاث الآن نحو نهج مختلف: مراقبة الخلايا دون لمسها على الإطلاق. فمن خلال استخدام كاميرات وبرامج حاسوبية متطورة، يمكن للعلماء مراقبة الخلايا الحية وهي تنمو وتتغير، عبر التقاط آلاف الصور على مدار أيام أو أسดับ دون إضافة قطرة واحدة من الصبغة. وتعد هذه الطريقة "الخالية من الوسم" (label-free) بتقديم رؤية أكثر وضوحاً وأمانة لحياة الخلايا. وهي حيوية بشكل خاص للصناعات الناشئة مثل اللحوم المستزرعة، حيث يحتاج العلماء إلى زراعة كميات كبيرة من الدهون الحيوانية والعضلات في المختبر، وللأبحاث الطبية المتعلقة بالسمنة والسكري، حيث يعد فهم التوقيت الدقيق لتكوين الخلايا الدهنية أمراً بالغ الأهمية. ومع ذلك، كان التحدي يكمن في تعليم الحواسيب التعرف على هذه الخلايا بدقة، حيث غالباً ما تتكتل الخلايا وتبدو متشابهة جداً فيما بينها.

في دراسة حديثة، سعى الباحثون لاختبار طريقتين مختلفتين لاستخدام تقنية التصوير الخالي من الوسم هذه لتتبع الخلايا الجذعية الميزنشيمية (mesenchymal stem cells)، وهي خلايا متعددة القدرات قادرة على التحول إلى خلايا دهنية. تم أخذ هذه الخلايا من كل من البشر والخنازير، مما يعكس الاهتمام المزدوج بالصحة البشرية وإنتاج اللحوم المستدامة. وقارن الفريق بين استراتيجيتين متميزتين. الأولى كانت نظام برمجيات مدمج مقدم من الشركة المصنعة لجهاز تصوير الخلايا الحية، وهو مصمم ليكون سهل الاستخدام ومتكاملاً مباشرة مع المجهر. والثانية كانت نموذجاً حاسوبياً مخصصاً، قام الباحثون بتدريبه بأنفسهم باستخدام أداة قوية مفتوحة المصدر تسمى "Cellpose"، وهي مصممة لمساعدة الحواسيب على "رؤية" وفصل الخلايا الفردية في الصور المعقدة.

قام الباحثون بزراعة هذه الخلايا في المختبر، ومراقبتها وهي تتكاثر ثم توجيهها لتصبح خلايا دهنية. وقد التقطوا صوراً للمزارع الخلوية كل ساعة على مدار عدة أيام، مما أنشأ مكتبة ضخمة من الصور التي تظهر الخلايا في كل مرحلة من مراحل حياتها. ثم مرروا هذه الصور نفسها عبر كل من البرامج المدمجة ونموذجهم المخصص لمعرفة أيهما يمكنه عد الخلايا وقياس نموها بدقة أكبر. وعندما تعلق الأمر بعد الخلايا أثناء تكاثرها، عملت الطريقتان بشكل جيد، لكن لكل منهما نقاط قوة مختلفة. كان البرنامج المدمج ممتازاً في التعامل مع المشاهد المزدحمة حيث تكون الخلايا متراصة بإحكام، مما يوفر عدداً موثوقاً حتى عندما يكون الطبق ممتلئاً. ومع ذلك، كان النموذج المخصص متفوقاً عند الكثافات المنخفضة، حيث استطاع تمييز الخلايا الفردية بوضود وعدّها بدقة عالية، حتى عندما كانت في بداية نموها.

أصبحت القصة أكثر إثارة عندما بدأت الخلايا في التحول إلى دهون. فمع بدء تمايز الخلايا، بدأت تمتلئ بقطرات الليبيد (lipid droplets)، وهي فقاعات صغيرة من الدهون داخل الخلية. كان البرنامج المدمج جيداً جداً في رصد هذه الخلايا الدهنية الناضجة لأن شكلها يبدو مختلفاً وتباينها أعلى من الخلايا الأخرى. وكان بإمكانه إخبار الباحثين بمقدار المساحة التي تغطيها هذه الخلايا الدهنية الناضجة. ومع ذلك، فقد واجه صعوبة في رؤية المراحل الأولى من العملية، حيث فاتته الخلايا التي بدأت للتو في التغير ولكنها لم تمتلئ بما يكفي من الدهون لتبرز. ومن ناحية أخرى، تم تدريب النموذج المخصص على التعرف على شكل الخلايا نفسها، وليس فقط الدهون داخلها. وقد سمح هذا للنموذج برصد أولى علامات التمايز، وتحديد الخلايا التي بدأت في الالتزام بالتحول إلى دهون قبل وقت طويل من نضجها الكامل. وقد منح هذا الباحثين رؤية أبكر وأكثر تفصيلاً للتحول.

اختبرت الدراسة أيضاً ما إذا كان بإمكان هذه النماذج الحاسوبية العمل عبر أنواع مختلفة من الكائنات الحية وأنواع مختلفة من المجاهر. لم يستطع النموذج المخصص، الذي تم تدريبه في البداية على صور خلايا الخنازير، التعرف تلقائياً على الخلايا البشرية دون إعادة تدريبه، مما يسلط الضوء على أن هذه البرامج الحاسوبية تحتاج إلى أمثلة محددة لتتعلم. ومع ذلك، بمجرد أن قام الباحثون بتدريب نسخة جديدة من النموذج على الخلايا البشرية، عمل بنفس الكفاءة. علاوة على ذلك، أثبتوا أن هذه النماذج ليست محدودة بنظام التصوير عالي التقنية المستخدم في المختبر؛ فقد طبقوا نماذجهم المخصصة بنجاح على صور مأخوذة بمجاهر يدوية قياسية، مما يظهر أن هذه التكنولوجيا يمكن استخدامها في مختبرات عديدة، وليس فقط في تلك التي تمتلك معدات مؤتمتة باهظة الثمن.

كانت إحدى النتائج الأكثر أهمية هي القدرة على رؤية الاختلافات الخفية داخل طبق زراعة واحد. ولأن نظام التصوير كان يلتقط صوراً لأماكن مختلفة من الطبق بمرور الوقت، استطاع الباحثون رؤية أن الخلايا الدهنية لا تتكون جميعها في نفس الوقت وفي نفس الأماكن. فبعض مناطق الطبق كانت مليئة بالخلايا الدهنية، بينما ظلت مناطق أخرى فارغة. وكان هذا النوع من التفاصيل المكانية مستحيلاً رؤيته باستخدام الطرق التقليدية، التي عادة ما تأخذ صورة واحدة من مركز الطبق في نهاية التجربة. كما كشفت المراقبة المستمرة أن دفعات مختلفة من الخلايا، حتى من نفس النوع الحيواني، تسلك سلوكيات مختلفة؛ فبعض الدفعات تحولت إلى خلايا دهنية بسرعة وكفاءة، بينما كافحت دفعات أخرى، وهو تباين قد يكون حاسماً لإنتاج لحوم مستزرعة متسقة أو لفهم سبب كون بعض الأشخاص أكثر عرضة للسمنة من غيرهم.

في النهاية، أثبتت الدراسة أن التصوير الخالي من الوسم هو أداة قوية تلغي الحاجة إلى إجراءات الصبغ المزعجة والتدميرية. فهي تسمح للعلماء بمراقبة دورة حياة مجتمع الخلايا بأكملها في الوقت الفعلي، من لحظة استزراعها إلى اللحظة التي تصبح فيها خلايا متخصصة. وبينما يوفر البرنامج المدمج حلاً مريحاً وسهل الاستخدام يعمل جيداً مع الخلايا الناضجة، فإن النماذج المدربة مخصصاً توفر مستوى من المرونة والتفصيل لا يضاهى، حيث يمكنها رصد التغيرات المبكرة والتكيف مع أنواع الخلايا المختلفة وإعدادات المجهر المختلفة. ومن خلال الجمع بين هذه النهج، يمكن للباحثين الآن تتبع ديناميكيات نمو الخلايا وتكوين الدهون بوضوح كان بعيد المنال سابقاً، مما يقدم رؤى جديدة لكل من العلوم الطبية ومستقبل إنتاج الغذاء. وقد أتيحت جميع النماذج الحاسوبية التي تم تطويرها في هذه الدراسة للجمهور، مما يسمح للعلماء الآخرين باستخدام هذه الأدوات وتحسينها لأبحاثهم الخاصة.