استخدام «أورام اصطناعية» لتعليم الذكاء الاصطناعي التعرّف إلى طفرات السرطان: ClairS يسد فجوة تسلسل القراءات الطويلة

تتمثل إحدى الصعوبات في تحليل جينوم السرطان في العثور، وسط قدر كبير من ضوضاء التسلسل، على الطفرات الجسدية الموجودة في الورم وحده وغير المرصودة في الخلايا الطبيعية. ويستطيع تسلسل القراءات الطويلة اجتياز مناطق الجينوم المتكررة أو التي يصعب تحديد موضعها، لكنه يأتي أيضًا بأنماط أخطاء تختلف عن بيانات القراءات القصيرة؛ ويسعى ClairS، وهو أداة تعلم عميق طوّرها فريق من جامعة هونغ كونغ، إلى سد هذه الفجوة التحليلية.

صُمم ClairS للتعرف، في عينات الورم والعينات الطبيعية المتطابقة، إلى متغيرات النوكليوتيد المفرد (SNV) وعمليات الإدخال والحذف الأقصر (indel). وهو لا يقتصر على فحص ما إذا كانت قاعدة معينة غير طبيعية، بل يستخدم أيضًا معلومات النمط الفرداني التي توفرها القراءات الطويلة لتحديد ما إذا كان من المعقول إسناد الطفرة المرشحة إلى الكروموسوم الأبوي أو الأمومي، وبذلك يستبعد الإشارات الأرجح أن تكون ناجمة عن أخطاء التسلسل.

تكمن الصعوبة الحقيقية في بيانات التدريب. فعينات السرطان المتاحة لتعلّم النموذج والموسومة بدرجة موثوقية عالية أقل بكثير من بيانات المتغيرات في الخط الجنسي. لذلك مزج الفريق بقيادة البروفيسور رويبانغ لو قراءات تسلسل حقيقية من فردين طبيعيين، وأعاد تصنيف متغيرات الخط الجنسي الفريدة لدى أحدهما بوصفها طفرات ورمية محاكية، ثم عدّل نسب القراءات لإنشاء سيناريوهات تدريب تختلف في نقاء الورم وعمق التسلسل وتواتر الأليل المتغير ودرجة التلوث بالخلايا الطبيعية.

أظهرت دراسة منشورة في «Nature Methods» أنه ضمن ست مجموعات من بيانات Oxford Nanopore بتغطية قدرها 50 ضعفًا للورم و25 ضعفًا للعينة الطبيعية المتطابقة، تراوحت درجات F1 الخاصة بـSNV في النموذج المدرّب على البيانات الاصطناعية وحدها بين 87.98% و98.58%؛ وF1 مقياس يجمع بين الدقة والاستدعاء. لكن جودة مجموعات الحقيقة المرجعية المستخدمة لم تكن متسقة بين الخطوط الخلوية المختلفة، كما أن بعض الإجابات المعيارية كانت قد شملت تفسيرات من خوارزميات متعددة، لذلك لا يمكن اعتبار هذه الأرقام مباشرةً معدلات دقة في العينات السريرية.

في خط خلايا سرطان الثدي الثلاثي السلبي HCC1395 وخلاياه الطبيعية المتطابقة HCC1395BL، اللذين يمتلكان معيارًا مرجعيًا أكثر صرامة، بلغت درجتا F1 لكل من SNV وindel في نموذج البيانات الاصطناعية 89.83% و73.38% على التوالي. وبعد التدريب المسبق باستخدام عينات اصطناعية ثم إضافة بيانات حقيقية من خطوط خلايا سرطانية، ارتفعت القيمتان إلى 96.19% و79.67%، ما يشير إلى أن البيانات الاصطناعية يمكن أن توسّع نطاق التدريب، لكنها تظل بحاجة إلى المعايرة وفق خصائص الأورام الحقيقية؛ ولا تزال الفجوة واضحة خصوصًا في التعرف إلى عمليات الإدخال والحذف.

أُتيحت الشفرة المصدرية لهذه الأداة بموجب ترخيص BSD 3-Clause، كما اعتمد مسار Oxford Nanopore لرصد المتغيرات الجسدية في أزواج الورم—العينة الطبيعية نسخة مفككة إلى مكونات من ClairS. ولا يعمل هذا المسار حاليًا إلا مع نماذج محددة لاستدعاء القواعد من نوعي R9 وR10، فيما يقتصر تحليل عمليات indel القصيرة بدرجة أكبر على نماذج R10، ما يعكس استمرار تأثر الأداء بإصدار كيمياء التسلسل وإعدادات التحليل.

لا تزال هناك حدود واضحة تفصل الأداة عن الاستخدام السريري: فعمليات التحقق الحالية مستمدة أساسًا من خطوط خلايا سرطانية، لا من عينات مرضى جُمعت استباقيًا، ولم يُثبت بعد أن النتائج تحسن قرارات التشخيص أو العلاج. ويذكر كل من مستودع الشفرة البحثي ووثائق Oxford Nanopore أن المنتج غير مخصص للاستخدام في التشخيص السريري؛ كما أفصحت الورقة عن تلقي رويبانغ لو تمويلًا بحثيًا من الشركة. وتتطلب الخطوة التالية تحققًا مستقلًا يشمل مزيدًا من أنواع السرطان ودرجات نقاء الورم ومسارات العمل السريرية الحقيقية، مع توضيح مسؤوليات تحديث الإصدارات وضبط الجودة والامتثال التنظيمي.