تويت
يوجد داخل مكونات كل خلية من خلايا جسم الإنسان ملايين البروتينات، التي تتصارع لتتجمع بسرعة وتُعبئ وتُشحن ويُعاد تدوريها، وتعمل معًا بوتيرة سريعة لإبقائنا على قيد الحياة.
لكن وبسبب وجود أمور مجهولة متعلقة بالبروتينات داخل الخلايا، يصعب على العلماء معرفة أسباب الخلل على المستوى الجزيئي الذي يحدث في أجسامنا ويؤدي إلى المرض.
طور الباحثون حديثًا تقنيةً جديدةً تستخدم الذكاء الاصطناعي لفهم بيانات الصور المجهرية للخلايا المفردة والتحاليل الكيميائية الحيوية، وذلك لإنشاء خريطة موحدة للمكونات تحت الخلوية التي تبين أننا نجهل نصفها.
قال تري إديكير عالم الحاسوب وعالم البيولوجيا الشبكية من جامعة كاليفورنيا في سان دييغو:«أدرك العلماء طويلًا وجود أمور مجهولة كثيرة تتعلق بمكونات الخلية، لكن وجدنا الآن أخيرًا طريقةً لفهم الأمور بعمق».
تسمح المجاهر القوية للعلماء بالدراسة الدقيقة للخلايا المفردة ورؤية مكونات عضياتها، مثل المتقدرات (حزم الطاقة داخل الخلية)، والريبوزومات (التي تعد مصانع البروتين)، وباستخدام صباغ الفلورسنت نستطيع وسم البروتينات بسهولة ورؤيتها تحت المجهر.
بينما تساعد تقنيات الكيمياء الحيوية على دراسة البروتينات بعمق أكبر، واستهداف أنواع معينة منها، باستخدام الأجسام المضادة التي تستهدف البروتين وترتبط به وتسحبه خارج الخلية، وتكشف ما يرتبط به أيضًا.
يشكل دمج هاتين الطريقتين معًا تحديًا لعلماء الأحياء، وفي حديثه عن ذلك يقول إيديكر«يشكل سد الثغرة بين المقياس المكروي والنانوي عقبةً كبيرةً في العلوم البيولوجية، لكن اتضح لنا أنه بالوسع سد تلك الثغرة باستخدام الذكاء الاصطناعي، وذلك بالنظر إلى بيانات من مصادر متعددة لجمعها في نموذج خلوي واحد».
بالنتيجة، قلب إيديكير وزملاؤه التصور الكلاسيكي المعروف عن الخلايا الكروية في الكتب المدرسية الذي أعطانا نظرة عامة لمكونات الخلية من فوقها، وحولوه إلى شبكة معقدة من التفاعلات البروتينية بين بعضها، ونظم الشبكة حسب المسافات الصغيرة بين مواضع البروتينات.
استخدم العلماء الذكاء الاصطناعي لحساب المسافات بين أزواج البروتينات باستعمال خوارزمية التعلم الآلية، وطبقوها على بيانات دمجوا فيها صور أطلس بروتين الجسم البشري والخرائط الموجودة للتفاعلات البروتينية، وكان هدفها تحديد مجتمعات البروتينات التي توجد معًا في الخلايا بمختلف قياساتها، من الصغير جدًا (أقل من 50 نانومتر) إلى الكبير جدًا (أكبر من ميكرون)، وتعرف تلك المجتمعات البروتينية بالمجمعات.
صنفت الخوارزمية واحدة من أصل 70 مجتمع بروتيني، بعد تزويدها بمكتبة مرجعية للبروتينات بأقطار معروفة أو مقدرة، والتحقق من صحة التجارب الأخرى.
يقول العلماء إن نحو نصف مكونات البروتين مجهولة على ما يبدو، فهي غير موثقة في الأبحاث المنشورة.
من ضمن هذا الخليط شكلت مجموعة واحدة من البروتينات بنيةً غير مألوفة، تبين للعلماء أنها مسؤولة عن ربط وتقطيع النسخ حديثة الصنع من الشيفرات الوراثية المسؤولة عن صنع البروتين.
شملت البروتينات الأخرى: أنظمة النقل الغشائي التي تسمح بمرور المواد من الخلية وإليها، وعوائل البروتينات التي تنظم الصبغيات الضخمة، والمعقدات البروتينية التي تصنع المزيد من البروتينات.
لا تعد هذه التجربة الأولى من نوعها، فقد بذل العلماء جهودًا كبيرة لرسم خرائط للعمليات التي تحدث داخل الخلايا البشرية، وحققت جهود أخرى في رسم خرائط مرجعية لتفاعل البروتينات أرقامًا ضخمة لا يمكن تخيلها، وحاول البعض قياس مستويات البروتين في النسج البشرية، وطور الباحثون أيضًا تقنيات لتصوير تفاعلات البروتينات وتحركاتها وتعقبها داخل الخلايا.
لكن ما يميز هذه الدراسة استخدامها للتعلم الآلي لأخذ صور خلوية مجهرية لتحديد موقع البروتينات بالنسبة للمكونات الخلوية المميزة مثل النواة، وبيانات من دراسات تفاعل البروتين لتحديد الجزيئات النانوية الأقرب إلى البروتين.
قال مختص المعلوميات الحيوية من جامعة كاليفورنيا في سان دييغو يو كين: «تعد مكونات تلك التقنيات قويةً وفريدةً من نوعها، لأنها المرة الأولى التي تجمع فيها قياسات من مقاييس مختلفة جدًا مع بعضها».
وقد وضح كين وإيديكير وزملاؤهم أن تقنية الدمج الخلوي متعدد المقاييس (MuSIC) تزيد دقة التصوير في أثناء منح التفاعلات البروتينية بعدًا مكانيًا، ما يمهد الطريق لدمج أنماط متنوعة من البيانات في خرائط خلوية واسعة للبروتيوم (المحتوى البروتيني).
لقد كان في هذا البحث أولوية مهمة للفريق، فقد ركزوا على التحقق من صحة طريقتهم، وراجعوا البيانات المتاحة لـ 661 بروتين يعود لنمط واحد من الخلايا، وهي الخلايا الكلوية التي زرعها الباحثون في المختبر طوال خمسة عقود.
يقول إيديكير: «يخطط الباحثون لتطبيق تقنيتهم الجديدة على أنماط أخرى من الخلايا، لكن يجب علينا أن نقبل بتواضع كوننا مجرد متطفلين داخل خلايانا، قادرين على فهم جزء صغير من مجمل البروتيوم، وفي النهاية، يجب أن نكوّن فهمًا أفضلًا للأسس الجزيئية التي تقوم عليها العديد من الأمراض، وذلك بمقارنة الاختلافات بين الخلايا المريضة والسليمة».
لكن وبسبب وجود أمور مجهولة متعلقة بالبروتينات داخل الخلايا، يصعب على العلماء معرفة أسباب الخلل على المستوى الجزيئي الذي يحدث في أجسامنا ويؤدي إلى المرض.
طور الباحثون حديثًا تقنيةً جديدةً تستخدم الذكاء الاصطناعي لفهم بيانات الصور المجهرية للخلايا المفردة والتحاليل الكيميائية الحيوية، وذلك لإنشاء خريطة موحدة للمكونات تحت الخلوية التي تبين أننا نجهل نصفها.
قال تري إديكير عالم الحاسوب وعالم البيولوجيا الشبكية من جامعة كاليفورنيا في سان دييغو:«أدرك العلماء طويلًا وجود أمور مجهولة كثيرة تتعلق بمكونات الخلية، لكن وجدنا الآن أخيرًا طريقةً لفهم الأمور بعمق».
تسمح المجاهر القوية للعلماء بالدراسة الدقيقة للخلايا المفردة ورؤية مكونات عضياتها، مثل المتقدرات (حزم الطاقة داخل الخلية)، والريبوزومات (التي تعد مصانع البروتين)، وباستخدام صباغ الفلورسنت نستطيع وسم البروتينات بسهولة ورؤيتها تحت المجهر.
بينما تساعد تقنيات الكيمياء الحيوية على دراسة البروتينات بعمق أكبر، واستهداف أنواع معينة منها، باستخدام الأجسام المضادة التي تستهدف البروتين وترتبط به وتسحبه خارج الخلية، وتكشف ما يرتبط به أيضًا.
يشكل دمج هاتين الطريقتين معًا تحديًا لعلماء الأحياء، وفي حديثه عن ذلك يقول إيديكر«يشكل سد الثغرة بين المقياس المكروي والنانوي عقبةً كبيرةً في العلوم البيولوجية، لكن اتضح لنا أنه بالوسع سد تلك الثغرة باستخدام الذكاء الاصطناعي، وذلك بالنظر إلى بيانات من مصادر متعددة لجمعها في نموذج خلوي واحد».
بالنتيجة، قلب إيديكير وزملاؤه التصور الكلاسيكي المعروف عن الخلايا الكروية في الكتب المدرسية الذي أعطانا نظرة عامة لمكونات الخلية من فوقها، وحولوه إلى شبكة معقدة من التفاعلات البروتينية بين بعضها، ونظم الشبكة حسب المسافات الصغيرة بين مواضع البروتينات.
استخدم العلماء الذكاء الاصطناعي لحساب المسافات بين أزواج البروتينات باستعمال خوارزمية التعلم الآلية، وطبقوها على بيانات دمجوا فيها صور أطلس بروتين الجسم البشري والخرائط الموجودة للتفاعلات البروتينية، وكان هدفها تحديد مجتمعات البروتينات التي توجد معًا في الخلايا بمختلف قياساتها، من الصغير جدًا (أقل من 50 نانومتر) إلى الكبير جدًا (أكبر من ميكرون)، وتعرف تلك المجتمعات البروتينية بالمجمعات.
صنفت الخوارزمية واحدة من أصل 70 مجتمع بروتيني، بعد تزويدها بمكتبة مرجعية للبروتينات بأقطار معروفة أو مقدرة، والتحقق من صحة التجارب الأخرى.
يقول العلماء إن نحو نصف مكونات البروتين مجهولة على ما يبدو، فهي غير موثقة في الأبحاث المنشورة.
من ضمن هذا الخليط شكلت مجموعة واحدة من البروتينات بنيةً غير مألوفة، تبين للعلماء أنها مسؤولة عن ربط وتقطيع النسخ حديثة الصنع من الشيفرات الوراثية المسؤولة عن صنع البروتين.
شملت البروتينات الأخرى: أنظمة النقل الغشائي التي تسمح بمرور المواد من الخلية وإليها، وعوائل البروتينات التي تنظم الصبغيات الضخمة، والمعقدات البروتينية التي تصنع المزيد من البروتينات.
لا تعد هذه التجربة الأولى من نوعها، فقد بذل العلماء جهودًا كبيرة لرسم خرائط للعمليات التي تحدث داخل الخلايا البشرية، وحققت جهود أخرى في رسم خرائط مرجعية لتفاعل البروتينات أرقامًا ضخمة لا يمكن تخيلها، وحاول البعض قياس مستويات البروتين في النسج البشرية، وطور الباحثون أيضًا تقنيات لتصوير تفاعلات البروتينات وتحركاتها وتعقبها داخل الخلايا.
لكن ما يميز هذه الدراسة استخدامها للتعلم الآلي لأخذ صور خلوية مجهرية لتحديد موقع البروتينات بالنسبة للمكونات الخلوية المميزة مثل النواة، وبيانات من دراسات تفاعل البروتين لتحديد الجزيئات النانوية الأقرب إلى البروتين.
قال مختص المعلوميات الحيوية من جامعة كاليفورنيا في سان دييغو يو كين: «تعد مكونات تلك التقنيات قويةً وفريدةً من نوعها، لأنها المرة الأولى التي تجمع فيها قياسات من مقاييس مختلفة جدًا مع بعضها».
وقد وضح كين وإيديكير وزملاؤهم أن تقنية الدمج الخلوي متعدد المقاييس (MuSIC) تزيد دقة التصوير في أثناء منح التفاعلات البروتينية بعدًا مكانيًا، ما يمهد الطريق لدمج أنماط متنوعة من البيانات في خرائط خلوية واسعة للبروتيوم (المحتوى البروتيني).
لقد كان في هذا البحث أولوية مهمة للفريق، فقد ركزوا على التحقق من صحة طريقتهم، وراجعوا البيانات المتاحة لـ 661 بروتين يعود لنمط واحد من الخلايا، وهي الخلايا الكلوية التي زرعها الباحثون في المختبر طوال خمسة عقود.
يقول إيديكير: «يخطط الباحثون لتطبيق تقنيتهم الجديدة على أنماط أخرى من الخلايا، لكن يجب علينا أن نقبل بتواضع كوننا مجرد متطفلين داخل خلايانا، قادرين على فهم جزء صغير من مجمل البروتيوم، وفي النهاية، يجب أن نكوّن فهمًا أفضلًا للأسس الجزيئية التي تقوم عليها العديد من الأمراض، وذلك بمقارنة الاختلافات بين الخلايا المريضة والسليمة».