CHACAM: a cell-cell interaction-guided hierarchical attention model for high-precision cell identity annotation of scRNA-seq data in early C. elegans embryogenesis

Das Leben beginnt als eine einzige Zelle, eine winzige Kugel, die den Bauplan für einen gesamten Organismus enthält. In den frühesten Momenten der Entwicklung teilt sich diese Zelle immer und immer wieder und erschafft einen schnell wachsenden Zellhaufen. Seit Jahrzehnten wissen Wissenschaftler, dass dieser Prozess beim winzigen Fadenwurm Caenorhabditis elegans bemerkenswert vorhersehbar ist. Jeder einzelne Wurm folgt exakt demselben Pfad: Die erste Zelle teilt sich, die Tochterzellen teilen sich, und sie teilen sich erneut, immer in der gleichen Reihenfolge und immer an der gleichen Stelle. Aufgrund dieser perfekten Beständigkeit nutzen Biologen diesen Wurm seit langem als Landkarte, um zu verstehen, wie aus einer einzelnen Zelle ein komplexes Tier wird. Doch mit dem Fortschritt der Technologie ist eine neue Herausforderung entstanden. Wissenschaftler können nun die genetischen Anweisungen, das sogenannte „Transkriptom“, einzelner Zellen innerhalb dieser Embryonen lesen. Obwohl dies nach einem Durchbruch klingt, hat es ein verwirrendes Problem aufgedeckt: Während sich die Zellen teilen, werden die genetischen Anweisungen in eng verwandten Schwesterzellen nahezu identisch. Wenn Wissenschaftler versuchen, diese Zellen allein basierend auf ihrem genetischen Code zu sortieren, können sie sie oft nicht voneinander unterscheiden, was dazu führt, dass sie unterschiedliche Zellen in vage, mehrdeutige Kategorien gruppieren müssen.

Um dieses Rätsel zu lösen, hat ein Forscherteam einen neuen Ansatz entwickelt, der über den genetischen Code innerhalb der Zelle hinausblickt. Sie erkannten, dass eine Zelle nicht im Vakuum existiert; sie steht ständig in Kontakt mit ihren Nachbarn und kommuniziert mit ihnen. Im frühen Embryo wird das Schicksal einer Zelle stark durch die Signale beeinflusst, die sie von den spezifischen Zellen erhält, mit denen sie physisch in Berührung steht. Die Forscher entwickelten ein Computermodell namens CHACAM, das die genetischen Daten einer Zelle mit einer detaillierten Karte dessen kombiniert, wer wen berührt. Durch die Integration dieses physischen Kontextes kann das Modell Zellen unterscheiden, die genetisch identisch aussehen, aber in unterschiedlichen Nachbarschaften liegen. Diese Methode hat es ihnen ermöglicht, eine vollkommen klare Karte des frühen Wurmembryos zu erstellen, wodurch Identitäten aufgelöst wurden, die jahrelang mehrdeutig geblieben waren, und neue genetische Marker entdeckt wurden, die jede einzigartige Zelle definieren.

Der Kern des Problems liegt darin, wie sehr sich eng verwandte Zellen ähneln. In den frühen Stadien der Entwicklung des Wurms teilen sich die Zellen so schnell, dass Schwesterzellen, die aus derselben Mutterzelle geboren wurden, fast das exakt gleiche genetische Profil besitzen. Traditionelle Methoden zur Identifizierung dieser Zellen verlassen sich darauf, spezifische Gene zu finden, die als Marker fungieren, vergleichbar mit einem Namensschild. Wenn die genetischen Unterschiede jedoch derart gering sind, sind die Namensschilder nicht unterscheidbar genug, um die Schwestern voneinander zu trennen. In früheren Studien führte dies dazu, dass Wissenschaftler eine Gruppe von Zellen nur mit einem generischen Namen bezeichnen konnten, wie etwa „ABalx“, wobei sie zwar anerkannten, dass die Gruppe existierte, aber nicht sagen konnten, welche spezifische Zelle welche war. Dieser Mangel an Präzision erschwerte es, die exakte Abfolge der Ereignisse zu verstehen, die die Entwicklung vorantreiben, da die Forscher im Wesentlichen mit einer verschwommenen Karte arbeiteten.

Die Forscher stellten die Hypothese auf, dass das fehlende Puzzleteil die physische Umgebung sei. Sie wussten aus Jahrzehnten der Beobachtung, dass spezifische Zellen im Wurmembryo immer bestimmte Nachbarn berühren. Zum Beispiel könnte eine Zelle einen Nachbarn berühren, der ein Signal sendet, um eine Muskelzelle zu werden, während ihre Schwester, die genetisch identisch aussieht, einen anderen Nachbarn berührt, der ein Signal sendet, um eine Nervenzelle zu werden. Das neue Modell, CHACAM, wurde entwickelt, um dieses Wissen zu nutzen. Es beginnt mit einer kuratierten Datenbank bekannter Kommunikationskanäle zwischen Zellen, speziell der Paare von Molekülen, die es einer Zelle ermöglichen, ein Signal an eine andere zu senden. Es legt diese dann über eine hochauflösende, vierdimensionale Karte des Embryos, die zeigt, welche Zellen zu jedem Zeitpunkt der Entwicklung miteinander in Kontakt stehen.

Das Modell arbeitet, indem es eine Zelle betrachtet und zwei Fragen stellt: Welche Gene exprimiert sie und wen berührt sie? Es vergleicht das genetische Profil der Zelle mit einer Referenzbibliothek bekannter Zelltypen. Wenn das genetische Profil mehrdeutig ist, betrachtet das Modell die Nachbarn der Zelle. Es berechnet einen Score basierend auf der Wahrscheinlichkeit spezifischer Interaktionen zwischen der Zelle und ihren Nachbarn. Wenn beispielsweise eine Zelle einen Nachbarn berührt, der für die Interaktion mit einem bestimmten Zelltyp bekannt ist, leitet das Modell ab, dass die Zelle wahrscheinlich diesem Typ entspricht. Die Forscher nutzten eine Strategie, die sie „Triangulation“ nennen, um diese Vermutungen zu bestätigen. Sie wählten eine Referenzzelle mit bekannter Identität aus und überprüften deren Interaktionen mit der mehrdeutigen Zelle. Wenn die Referenzzelle bekannt dafür ist, eine Schwester zu berühren, aber nicht die andere, und die Interaktions-Scores diesem Muster entsprechen, kann die Identität der mehrdeutigen Zelle mit hoher Zuversicht bestimmt werden.

Als das Team diese Methode auf bestehende Daten des C. elegans-Embryos anwandte, waren die Ergebnisse beeindruckend. In dem Datensatz, der den Embryo vom ersten bis zum sechzehnten Zellstadium abdeckt, konnte das Modell jede einzelne Zellidentität auflösen. Zuvor waren im sechzehnten Zellstadium acht der Zellen in vier Paaren ununterscheidbarer Zwillinge gruppiert worden. Die neue Methode trennte alle von ihnen und erreichte eine Auflösungsrate von einhundert Prozent. Dies bedeutet, dass Wissenschaftler zum ersten Mal eine vollständige, eindeutige Karte der genetischen Identität jeder Zelle im sechzehnten Zellstadium besitzen. Das Modell funktionierte gleichermaßen gut auf einem größeren Datensatz, der bis zum einhundertzweiundzwanzigsten Zellstadium reichte, und identifizierte die große Mehrheit der Zellen korrekt, selbst wenn einige Daten fehlten.

Über das bloße Sortieren der Zellen hinaus ermöglichte das Modell ein tieferes Verständnis dessen, was jede Zelle einzigartig macht. Sobeder die Zellen korrekt identifiziert waren, konnten die Forscher nach den spezifischen Genen suchen, die eine Zelle von ihrer Schwester unterscheiden. Sie entdeckten einen neuen Satz von Markergenen, die nur in einer der Schwesterzellen aktiv waren, während frühere Studien nur Marker gefunden hatten, die für Gruppen von Zellen funktionierten. Beispielsweise fanden sie Gene, die zwei spezifische Zellen unterscheiden konnten, die zuvor zusammengefasst worden waren. Diese neuen Marker bieten ein viel feineres Detailniveau und erlauben es Wissenschaftlern, das exakte genetische Programm zu sehen, das in jeder einzelnen Zelle abläuft. Diese hochauflösende Karte dient als neue Ressource für das Verständnis darüber, wie Zellen Entscheidungen treffen, indem sie eine klare Liste der beteiligten Gene für jeden Schritt des Prozesses liefert.

Der Erfolg dieses Ansatzes unterstreicht einen grundlegenden Wandel in der Art und Weise, wie Wissenschaftler die Identität einer Zelle betrachten. Er zeigt, dass die Identität einer Zelle nicht allein durch die Gene bestimmt wird, die sie trägt, sondern auch durch den physischen und chemischen Kontext ihrer Umgebung. Durch die Kombination der internen genetischen Daten mit der externen Realität dessen, wer wen berührt, konnten die Forscher durch das Rauschen blicken, das frühere Analysen verwirrt hatte. Das Modell verlässt sich nicht auf Vermutungen oder komplexe Simulationen; es nutzt die bekannten, unveränderlichen Regeln der Entwicklung des Wurms, um die Interpretation der genetischen Daten zu leiten. Diese Methode bewies, dass, wenn Zellen allein durch ihre Gene zu ähnlich sind, die physische Karte des Embryos der Schlüssel zur Entschlüsselung ihrer wahren Identitäten ist.

Die Auswirkungen dieser Arbeit erstrecken sich über den Wurm hinaus. Während sich die Studie auf C. elegans konzentrierte, aufgrund seines perfekt kartierten Abstammungsbaums, lässt sich die Logik auf jedes System anwenden, in dem Zellen schwer zu unterscheiden sind. In komplexeren Organismen, wie etwa Menschen, existieren Zellen oft in überfüllten Umgebungen, in denen ihre Nachbarn ihr Verhalten beeinflussen. Wenn Wissenschaftler die physischen Kontakte zwischen Zellen in Geweben oder Tumoren kartieren können, könnten sie einen ähnlichen Ansatz nutzen, um Zelltypen zu sortieren, die unter einem Mikroskop identisch aussehen. Die Forscher merkten an, dass mit der Verbesserung der Technologien zur Kartierung von Zellpositionen diese Art der kontextsensitiven Analyse zunehmend wichtig werden wird. Die Studie dient als Beweis für die Machbarkeit (Proof of Concept), dass die Integration von physischen Interaktionsdaten mit genetischen Daten biologische Wahrheiten offenbaren kann, die zuvor verborgen blieben.

Die Forscher räumten auch die Grenzen ihrer Methode ein. Das Modell hängt stark von der Genauigkeit der Kontaktkarte und der Vollständigkeit der Datenbank der Zell-zu-Zell-Signale ab. Wenn die Karte dessen, wer wen berührt, falsch ist oder wenn ein kritischer Signalweg in der Datenbank fehlt, wird das Modell möglicherweise nicht so gut funktionieren. Beim Wurm ist die Kontaktkarte aufgrund jahrzehntelanger Bildgebung mit extremer Präzision bekannt, aber in anderen Organismen könnte diese Information schwieriger zu erhalten sein. Zudem behandelt das aktuelle Modell die Interaktionen als statische Momentaufnahme und verfolgt nicht, wie sie sich während des Wachstums des Embryos verändern. Trotz dieser Einschränkungen hat die Methode bereits einen vollständig aufgelösten Atlas des frühen Wurmembryos geliefert, eine Ressource, die zuvor unerreichbar war. Diese Errungenschaft bietet eine solide Grundlage für zukünftige Studien, die es Wissenschaftlern ermöglichen, präzisere Fragen darüber zu stellen, wie Zellen kommunizieren und wie sie entscheiden, was sie werden.