علماء JAIST وPrinceton يطوّرون خوارزمية NTAC لتصنيف أنواع الخلايا العصبية بحسب روابطها

قدّم باحثون من JAIST وPrinceton ومراكز أخرى نظام NTAC، وهو نظام يحدد نوع الخلية العصبية من روابطها المشبكية لا من شكلها الخارجي. وفي التجارب على الكونيكتومات (connectomes) الخاصة بذبابة الفاكهة، سجّلت الخوارزمية دقة تتجاوز 90%، وأنجزت المهمة خلال دقائق على حاسوب محمول عادي.

لماذا يخذلنا الشكل

تعتمد مشكلة تصنيف الخلايا العصبية منذ زمن طويل على العمل اليدوي. فعادةً ما يصنّف الخبراء الخلايا بحسب الشكل (المورفولوجيا): هيئتها وتفرعاتها وموضعها في النسيج. لكن هذا الأسلوب لا ينجح دائمًا. ففي بعض مناطق الدماغ، ولا سيما الفص البصري لذبابة الفاكهة، تبدو أنواع مختلفة من الخلايا العصبية متطابقة تقريبًا. ويصعب التمييز بينها بصريًا، مع أنها تشارك وظيفيًا في دوائر مختلفة لمعالجة الإشارات. ولهذا يتحول الترميز إلى عملية طويلة ومكلفة، ويصعب توسيع نطاقها مع تضخم الكونيكتومات.

يقترح المؤلفون النظر إلى «اتصالات» الخلية لا إلى الخلية نفسها. والمنطق بسيط: يصعب التمييز بين سلكين متماثلين داخل جدار من مظهرهما الخارجي، لكن يسهل التفريق بينهما إذا تتبعنا وجهة كل منهما. والأمر مشابه في الخلايا العصبية. يعتمد NTAC على مخطط الروابط المشبكية بوصفه السمة الرئيسية، ويُظهر أن هذا المخطط يعكس الطبيعة الوظيفية للخلية بصورة أفضل من هيئتها التشريحية. وتزداد أهمية ذلك في المناطق الكثيفة من الدماغ ذات البنية المتكررة.

كيف يعمل NTAC

يعمل NTAC في وضعين. في الوضع شبه الآلي، يرمّز الباحثون مسبقًا نسبة صغيرة من الخلايا العصبية، ثم ينقل النموذج هذه المعرفة إلى بقية الخلايا في مجموعة البيانات نفسها. أما في الوضع الثاني فلا حاجة إلى الترميز إطلاقًا، إذ تجمّع الخوارزمية الخلايا العصبية بنفسها بحسب تشابه روابطها. وتتجلى أهمية ذلك في الكونيكتومات الكبيرة التي لم يعد ممكنًا فيها ترميز جميع الخلايا يدويًا. ويتيح هذا النهج استخدام الأطالس الجاهزة جزئيًا، وكذلك مجموعات البيانات الخام تمامًا.

• يستخدم الوضع شبه الآلي عددًا قليلًا من التسميات الجاهزة
• يجمّع الوضع غير الخاضع للإشراف الخلايا العصبية دون أي تلميحات
• يستغرق التشغيل دقائق على حاسوب محمول قياسي
• اختُبرت الطريقة على عدة كونيكتومات لذبابة الفاكهة

وبحسب المؤلفين، اختُبر النموذج على مجموعات FlyWire، وكونيكتوم الفص البصري، وبيانات الحبل العصبي البطني. وهذا ليس مثالًا تجريبيًا بسيطًا على عيّنة مخبرية واحدة، بل مقارنة على عدة خرائط حديثة للجهاز العصبي لذبابة الدروسوفيلا. ويقوّي هذا التصميم النتيجة: فالباحثون لا يعرضون نجاحًا عابرًا، بل نهجًا قادرًا على الانتقال بين مناطق مختلفة ومهام مختلفة وأعداد مختلفة من أنواع الخلايا في العيّنة.

النتائج والحدود

حقق NTAC أقوى نتائجه حيث تتعثر الطرق المورفولوجية في الغالب. ففي الفص البصري، تجاوزت دقة الوضع شبه الآلي 90%، بينما ظل نهج NBLAST الشائع، المعتمد على شكل الخلية العصبية، عند نحو 50% تقريبًا. وفي الوضع غير الخاضع للإشراف كليًا، بلغت دقة NTAC نحو 70% في المناطق المعقدة، في حين بقي التجميع المورفولوجي في بعض الحالات دون 10%. وهذه فجوة لافتة جدًا في مهام الترميز التلقائي.

«مخطط الروابط نفسه ينقل إشارة كافية للتعرف السريع على أنواع الخلايا العصبية».

ومن المهم أيضًا أن الحديث لا يدور عن نموذج شره للموارد يحتاج إلى مركز بيانات. ويؤكد المؤلفون أن NTAC يعمل على CPU قياسي ولا يتطلب حاسوبًا فائقًا. وفي علم الأعصاب، يمثل ذلك تحولًا عمليًا: فإذا كانت الكونيكتومات ستنمو من دماغ الذبابة إلى الفأر ثم إلى الإنسان، فستصبح أتمتة تصنيف الخلايا ضرورية. وقد طُبّقت الخوارزمية بالفعل على ترميز آلاف الخلايا العصبية، ويصف الباحثون رسم خريطة دماغ الفأر بأنه الهدف الكبير التالي.

ماذا يعني ذلك

لا يحلّ NTAC مهمة رسم خريطة الدماغ البشري بأكمله، لكنه يزيل إحدى أبطأ المراحل، وهي التصنيف اليدوي للخلايا. وإذا حافظ النهج على دقته مع كائنات أكبر، فسيحصل علم الكونيكتومات على أداة عملية تسرّع العلم الأساسي، وكذلك البحث عن اضطرابات الدوائر العصبية في الأمراض.