معمارية scTransMIL تسد فجوة الترانسكريبتوم الخلوي: التعلم متعدد الحالات يتوقع منشأ الأورام بدقة العينة

نشرت دورية «نيتشر كوميونيكيشنز» بحثا علميا يقدم إطارا حوسبيا جديدا في الذكاء الاصطناعي أُطلق عليه اسم scTransMIL، طوره فريق من مختبر أبحاث الذكاء الاصطناعي لعلوم الحياة التابع لشركة تينسنت بالتعاون مع باحثين من جامعة بكين وجامعة صن يات سن وجامعة موناش الأسترالية. يعالج النموذج فجوة تقنية قائمة في أبحاث الأورام السرطانية، إذ يوفر تسلسل الحمض النووي الريبي للخلية المفردة رؤى تفصيلية حول تعقيد الأورام، لكن ربط الملامح الخلوية الفردية بالأنماط المرضية الشاملة على مستوى العينة يظل تحديا حسابيا كبيرا، لا سيما عند غياب التوصيفات الدقيقة المخصصة لكل نوع خلوي، وهو ما كان يحد من قدرة الباحثين على استثمار هذه البيانات في دراسة الآليات العميقة لنشأة الأورام وتطورها.

اعتمد مطورو النموذج على مبدأ حوسبي يتعامل مع العينة البيولوجية بوصفها حقيبة تضم مجموعة من الخلايا الفردية، وطبقوا نهج التعلم متعدد الحالات المستند إلى معمارية المحولات، لربط الملامح النسخية للخلية المفردة بالتصنيفات العامة للعينة مباشرة دون الحاجة إلى توصيفات وسيطة. نرى في هذا التصميم الحوسبي تجاوزا عمليا لعقبة وضع العلامات اليدوية على الخلايا، حيث برهن النموذج على دقة عالية في التنبؤ بالأنماط المرضية للسرطان على مستوى العينة الكاملة، ونجح على وجه التحديد في استنتاج نسيج المنشأ للأورام السرطانية النقيلية، وهو فحص بالغ الدقة والأهمية السريرية في حالات انتشار الأورام مجهولة المصدر الأولي.

وعلى المستوى المجهري، أظهرت نتائج الورقة المنشورة قدرة النظام على رصد التجمعات الخلوية المرتبطة بالأورام وتخطيط مسارات تطورها البيولوجي بدقة خلوية كاملة، بالاعتماد على الحد الأدنى من التوصيفات على مستوى العينة فحسب. كما أسهمت آليات الانتباه المدمجة في بنية المحول في تسهيل اكتشاف المؤشرات الحيوية عبر كامل الترانسكريبتوم، ما وفر أداة حوسبية قادرة على دمج المقاييس الجزيئية والخلوية مع الحالات المرضية الأوسع، وتحليل التغاير الجيني والخلوي داخل الكتلة الورمية بشكل منهجي يساعد على فهم البيولوجيا الأساسية للسرطان.

يفتح هذا الإنجاز بابا مباشرا لإعادة تقييم مسارات العمل في مراكز أبحاث الجينوم والطب الدقيق في منطقة الخليج ومصر والشام، حيث تستثمر المبادرات الوطنية الصحية في تقنيات الفحص الخلوي ومشاريع رسم الخرائط الجينومية. تواجه الفرق البحثية في المنطقة كلفة تشغيلية باهظة وندرة في الكوادر المتخصصة بالوسم اليدوي لملايين الخلايا المستخرجة من الخزعات السريرية. يتيح تبني بنى التعلم متعدد الحالات للمؤسسات الطبية في المنطقة توظيف سجلات العينات المتاحة مسبقا دون استنزاف مالي في التوصيف اليدوي، مما يخفض تكلفة استخراج المؤشرات الحيوية ويسرع التحليل التنبؤي للعينات السريرية المعقدة.

يفرض هذا التوجه على المتخصصين في المعلوماتية الحيوية وهندسة البرمجيات الطبية في المراكز الإقليمية تطوير مهاراتهم نحو أطر المحولات ونماذج التعلم الحوسبي الموزع للخلية المفردة، بدل الاكتفاء بمسارات الإحصاء الحيوي التقليدية. لاحظ أن الاستفادة من هذه المعماريات تمكّن المستشفيات البحثية المحلية من بناء قدرات مستقلة لتحديد أنسجة المنشأ للأورام النقيلية لدى المرضى، وتحويل الفحوصات الجزيئية إلى قرارات سريرية أسرع وأقل كلفة دون الاعتماد الكامل على منصات مغلقة أو خدمات فحص خارجية مكلفة.