scGRIP: a graph-based explainable AI framework for single-cell multi-omics Gene Regulatory Inference with Prior Knowledge

Die Studie stellt scGRIP vor, ein erklärbares KI-Framework auf Basis von Graphen-Varianz-Autoencodern, das unter Einbeziehung von cis-regulatorischem Vorwissen und GraphSHAP hochauflösende Genregulationsnetzwerke aus einzelnen Zellen ableitet und dabei die Unterscheidung von Zelltypen sowie die Aufklärung von Krankheitsmechanismen wie bei der Alzheimer-Krankheit verbessert.

Das Wesentliche

Stellen Sie sich vor, Ihr Körper ist eine riesige, hochkomplexe Stadt. Jede Zelle in Ihrem Körper ist wie ein einzelnes Haus in dieser Stadt. Damit die Stadt funktioniert, müssen diese Häuser miteinander kommunizieren.

In der Biologie gibt es drei wichtige Akteure in dieser Kommunikation:

1. Die Architekten (Transkriptionsfaktoren): Sie geben die Befehle.
2. Die Schalter (Regulatorische Elemente): Sie liegen in den Wänden der Häuser und können ein- oder ausgeschaltet werden.
3. Die Bewohner (Gene): Sie führen die Befehle aus, indem sie Licht anmachen, Wasser laufen lassen oder Essen kochen.

Das Problem bisher: Wissenschaftler konnten zwar sehen, welche Bewohner in einem Haus aktiv waren, aber sie wusnten oft nicht genau, welcher Architekt welchen Schalter in welchem Haus betätigt hat. Besonders schwierig war es, zu verstehen, warum in einer Stadt (einem gesunden Körper) alles läuft, aber in einer anderen Stadt (einem kranken Körper, z. B. bei Alzheimer) das Chaos ausbricht.

Hier kommt scGRIP ins Spiel.

Was ist scGRIP?

Stellen Sie sich scGRIP wie einen super-intelligenten Stadtplaner mit einer magischen Lupe vor. Er ist ein Computerprogramm, das entwickelt wurde, um genau diese Kommunikationswege zwischen Architekt, Schalter und Bewohner in jedem einzelnen Haus (jeder einzelnen Zelle) zu verstehen.

Das Besondere an scGRIP ist, dass es nicht nur schaut, was passiert, sondern es nutzt ein altes, bewährtes Adressbuch (das "Vorwissen"), um die neuen Beobachtungen besser einzuordnen.

Wie funktioniert es? (Die drei Zaubertricks)

1. Der große Stadtplan (Das Graph-Netzwerk)
Früher haben Forscher oft versucht, jedes Haus einzeln zu analysieren, ohne den Zusammenhang zu sehen. scGRIP baut zuerst eine riesige Landkarte. Auf dieser Karte sind alle Architekten, Schalter und Bewohner als Punkte verbunden. Wenn ein Architekt bekanntermaßen einen bestimmten Schalter betätigen könnte, wird eine Linie zwischen ihnen gezogen.

• Die Analogie: Es ist wie ein Telefonbuch, in dem nicht nur Namen stehen, sondern auch, wer wen anrufen könnte. Das hilft dem Programm, nicht im Chaos zu ertrinken.

2. Der Übersetzer (Tokenisierung)
Jedes Haus hat eine eigene Sprache. Manche sprechen laut, andere leise. scGRIP nimmt die Sprache jedes Hauses (die DNA-Aktivität) und übersetzt sie in eine gemeinsame, einfache Sprache, die es versteht.

• Die Analogie: Stellen Sie sich vor, jedes Haus sendet ein komplexes Funksignal. scGRIP wandelt diese Signale in einfache, verständliche Symbole um, damit es sie vergleichen kann. So erkennt es: "Aha, dieses Haus ist ein 'Krankenschwestern-Haus', das andere ein 'Feuerwehr-Haus'."

3. Die magische Lupe (Erklärbarkeit)
Das ist das Geniale: Frühere Programme sagten nur: "Hier passiert etwas Wichtiges!" Aber sie sagten nicht warum. scGRIP nutzt eine Technik namens "GraphSHAP".

• Die Analogie: Stellen Sie sich vor, ein Haus brennt. Ein alter Detektiv würde sagen: "Es brannte!" scGRIP hingegen nimmt eine Lupe und zeigt genau: "Es war der Architekt 'Feuer', der den Schalter 'Benzin' betätigt hat, und zwar nur in diesem einen Haus, nicht im ganzen Viertel." Es kann also genau erklären, welche Verbindung in welcher Zelle schuld an einem Krankheitsbild ist.

Was hat scGRIP entdeckt? (Das Alzheimer-Beispiel)

Die Forscher haben scGRIP auf Daten von Alzheimer-Patienten angewendet. Sie wollten wissen: Was passiert in den Gehirnzellen, wenn die Krankheit zuschlägt?

• Die Entdeckung: scGRIP fand heraus, dass in den "Wächter-Zellen" des Gehirns (den Mikroglia) die Kommunikation völlig durcheinandergerät.
• Die Geschichte: Normalerweise halten diese Wächter das Gehirn sauber. Bei Alzheimer fangen sie an, sich zu sehr aufzuregen (Entzündung) und greifen sogar die "Amyloid-Fasern" (die schädlichen Ablagerungen) auf eine Weise an, die das Gehirn weiter schädigt.
• Der Beweis: scGRIP konnte genau zeigen, welche Architekten (Gene) welche Schalter betätigen, um diese Entzündung auszulösen. Es bestätigte bekannte Theorien und fand neue Details, die mit bloßem Auge unsichtbar gewesen wären.

Warum ist das so wichtig?

Frühere Methoden waren wie ein grobes Raster: Sie sagten "Im Durchschnitt passiert das". scGRIP ist wie ein 4K-Fernseher für die Zellwelt. Es sieht die feinen Unterschiede zwischen zwei Zellen, die eigentlich vom selben Typ sind, aber unterschiedlich krank sind.

Zusammenfassend:
scGRIP ist wie ein Übersetzer und Detektiv in einem. Es nimmt die chaotischen Daten von Millionen einzelner Zellen, ordnet sie in einen großen Zusammenhang ein und erklärt uns dann in klaren Worten: "Hier ist der Fehler, und hier ist genau der Schalter, der ihn verursacht." Das hilft Ärzten und Forschern, Krankheiten wie Alzheimer viel besser zu verstehen und vielleicht eines Tages gezielter zu behandeln.

Technische Zusammenfassung

1. Problemstellung

Die Inferenz von Genregulationsnetzwerken (GRNs) auf Einzelzell-Ebene ist entscheidend, um zelluläre Heterogenität, Entwicklungsverläufe und Krankheitsmechanismen zu verstehen. Moderne Single-Cell-Multi-Omics-Technologien (z. B. gepaartes scRNA-seq und scATAC-seq) ermöglichen die gleichzeitige Messung von Genexpression und Chromatin-Zugänglichkeit.

Trotzdem bestehen erhebliche Herausforderungen bei der Rekonstruktion zellspezifischer GRNs:

• Datenqualität: Single-Cell-Daten sind oft spärlich, verrauscht und hochdimensional.
• Interpretierbarkeit: Bestehende Methoden (wie LINGER oder scGLUE) nutzen oft externe Motif-Datenbanken und heterogene Algorithmen, was zu Inkonsistenzen führt. Zudem fehlt es vielen Deep-Learning-Ansätzen an echter Interpretierbarkeit (Explainable AI), um zu verstehen, warum eine bestimmte regulatorische Interaktion vorhergesagt wird.
• Skalierbarkeit: Viele Modelle skalieren schlecht mit der Größe der regulatorischen Graphen oder erfordern das Training separater Modelle pro Zielgen.

2. Methodik: scGRIP Framework

scGRIP (single-cell Gene Regulatory Inference with Prior knowledge) ist ein Graph-Variational-Autoencoder (Graph-VAE), der drei technische Hauptkomponenten integriert, um zellspezifische GRNs abzuleiten:

A. Wissensgestützter regulatorischer Graph (Prior Knowledge Graph)

Anstatt nur Daten zu lernen, formalisiert scGRIP das regulatorische Landschaft als einen heterogenen Graphen $G = (V, E)$:

• Knoten: Transkriptionsfaktoren (TFs), regulatorische Elemente (REs, z. B. Enhancer/Promotoren) und Zielgene (TGs).
• Kanten: Potenzielle Interaktionen basieren auf cis-regulatorischem Vorwissen:
  • TF-RE-Kanten werden durch cisTarget-Datenbanken (Motif-Bindung) definiert.
  • RE-TG-Kanten werden durch genomische Nähe zum Transkriptionsstartort (TSS, typischerweise < 1 Mbp) definiert.
• Embeddings: Statische Knoten-Features werden mittels node2vec (basierend auf Random Walks) generiert, um die globale Netzwerktopologie abzubilden.

B. Tokenisierung und dynamische Knoten-Embeddings

Um statische Topologien in dynamische Modelle zu überführen, nutzt scGRIP einen gemeinsamen Codebook-Ansatz (inspiriert von xTrimoGene und ETM):

• Tokenisierung: Single-Cell-Chromatin-Zugänglichkeit und Genexpression werden in einen latenten Raum projiziert.
• Embedding-Kombination: Die finalen Knoten-Embeddings kombinieren:
  1. Statische Struktur: node2vec-Embeddings (kontextuelle Netzwerkinformation).
  2. Dynamische Zellzustände: Zell-spezifische Embeddings, die aus den Omics-Daten gelernt werden.
• Dies ermöglicht es dem Modell, den einzigartigen molekularen Zustand jeder Zelle innerhalb des Graphen zu erfassen.

C. Explainable AI mittels GraphSHAP

Ein Kernstück von scGRIP ist die Integration von GraphSHAP (eine Erweiterung von SHAP für Graph-Neuronale Netze) zur Inferenz von Kanten-Attributionen:

• Mechanismus: Anstatt nur globale Gewichte zu lernen, werden für jede Zelle lokale Subgraphen (k-hop Nachbarschaften) um ein Zielgen (TG) herum betrachtet.
• Perturbation: TFs und REs werden systematisch maskiert (ausgeblendet), und ein gewichtetes lineares Surrogatmodell wird angepasst, um die Shapley-Werte zu schätzen.
• Ergebnis: Die Shapley-Werte quantifizieren den Beitrag jedes TF und RE zur Expression des TG in einer spezifischen Zelle. Dies erlaubt die Berechnung zellspezifischer regulatorischer Scores ($TF-TG$ und $RE-TG$), die über die reine Korrelation hinausgehen.

D. Topic Modeling für Interpretierbarkeit

scGRIP nutzt einen Embedded Topic Model (ETM) Decoder, um die rekonstruierten Daten in interpretierbare „Topics" zu zerlegen. Diese Topics repräsentieren kohärente biologische Programme, die TFs, REs und TGs über Modalitäten hinweg verbinden.

3. Schlüsselbeiträge

1. Integration von Vorwissen und Dynamik: Die Kombination aus einem statischen, wissensbasierten Graphen und dynamischen, datengetriebenen Zell-Embeddings.
2. Explainable AI auf Einzelzell-Ebene: Die Anwendung von GraphSHAP direkt im Inferenzprozess, um zellspezifische regulatorische Beiträge zu quantifizieren, anstatt nur post-hoc Erklärungen zu liefern.
3. Skalierbarkeit und Effizienz: Nutzung von GraphSAGE für die Nachbarschaftsaggregation, was es ermöglicht, große GRNs effizient zu verarbeiten, ohne den Speicherbedarf exponentiell zu erhöhen (im Vergleich zu Attention-basierten Modellen wie GAT).

4. Ergebnisse und Evaluation

scGRIP wurde auf drei multimodalen Single-Cell-Datensätzen (PBMC, BMMC, Human Cortex) und einem Alzheimer-Datensatz (AD) evaluiert:

• Genauigkeit der TF-RE-Inferenz:

  • Auf dem PBMC-Datensatz erreichte scGRIP eine durchschnittliche AUPRC (Area Under Precision-Recall Curve) von 0,613 für die Vorhersage von TF-Bindungsstellen.
  • Dies übertraf die State-of-the-Art-Methoden LINGER (0,599) und GLUE (0,606) sowie eine Pearson-Korrelations-Baseline.
  • Besonders stark war die Leistung bei spezifischen TFs wie BCL6 in B-Zellen (AUPRC 0,650 vs. 0,580 bei LINGER).

• Zelltyp-Klassifikation:

  • Basierend auf den inferierten regulatorischen Scores konnte scGRIP Zelltypen (z. B. Astrozyten, Mikroglia) mit hoher Genauigkeit klassifizieren (hohe AUROC).
  • Ablationsstudien zeigten, dass die SHAP-basierte Gewichtung entscheidend ist, um subtile, kontextabhängige regulatorische Interaktionen zu erfassen.

• Krankheitsspezifische Analyse (Alzheimer):

  • scGRIP identifizierte koordinierte regulatorische Verschiebungen in Mikroglia von Alzheimer-Patienten.
  • Es wurden signifikante Interaktionen wie TREM2–APOE und HCLS1–CD86 gefunden, die mit der Aktivierung von Immunwegen und Amyloid-bezogenen Pfaden korrelieren.
  • Die Vorhersagen wurden durch funktionelle Enrichment-Analysen (z. B. Neutrophilen-Degranulation, Amyloid-Faserbildung) und einen unabhängigen Validierungsdatensatz (ROSMAP) bestätigt.

• Cross-Modality Imputation:

  • scGRIP zeigte überlegene Leistung bei der Vorhersage von Genexpression aus Chromatin-Zugänglichkeit (ATAC2RNA) und umgekehrt, mit einer durchschnittlichen Pearson-Korrelation von 0,73 (ATAC2RNA).

• Topic-Analyse:

  • Die inferierten Topics deckten kohärente regulatorische Module auf (z. B. TF-RE-TG-Triplets), die spezifische biologische Programme wie Immunantworten oder synaptische Signalwege abbildeten.

5. Bedeutung und Ausblick

scGRIP stellt einen bedeutenden Fortschritt in der Single-Cell-Bioinformatik dar, da es:

• Die Interpretierbarkeit von Deep-Learning-Modellen für GRNs durch die Integration von Shapley-Werten direkt in den Lernprozess verbessert.
• Die Skalierbarkeit für große Datensätze sicherstellt, ohne auf Subsampling verzichten zu müssen.
• Ein robustes Framework bietet, um krankheitsspezifische regulatorische Mechanismen (wie bei Alzheimer) aufzulösen, die in traditionellen Aggregationsmethoden verloren gehen.

Limitationen und Zukunft:
Derzeit basiert die RE-TG-Verknüpfung auf einer festen genomischen Distanz (TSS-Nähe) und berücksichtigt keine 3D-Chromatin-Strukturen (Hi-C). Zukünftige Arbeiten planen die Integration von Transformer-basierten Graph-Convolutionen, die Einbeziehung von Proteomik-Daten und die Erweiterung auf räumliche Transkriptomik.

Zusammenfassend bietet scGRIP einen neuen Standard für die Ableitung zell- und zustandsspezifischer Genregulationsnetzwerke, der biologisches Vorwissen mit moderner Explainable AI verbindet.