Neighbor-Contrastive Heterogeneous Graph Learning for Spatially Coherent Representation of Single-Cell Data

Im menschlichen Körper sind Gewebe keine zufälligen Ansammlungen von Zellen, sondern hochgradig organisierte Nachbarschaften. Genau wie eine Stadt über verschiedene Bezirke verfügt – einen belebten Markt, einen ruhigen Park, ein dichtes Wohnviertel –, enthalten Gewebe zusammenhängende Regionen, in denen spezifische Gruppen von Zellen gemeinsam leben und arbeiten. In den letzten Jahren haben Wissenschaftler leistungsstarke Mikroskope entwickelt, die in der Lage sind, eine Momentaufnahme von Hunderttausenden einzelner Zellen gleichzeitig zu machen und dabei nicht nur aufzuzeichnen, welche Gene jede Zelle verwendet, sondern auch genau zu erfassen, wo sie sich im Gewebe befindet. Diese Technologie hat eine neue Grenze in der Biologie eröffnet: die Fähigkeit, die Architektur des Lebens auf mikroskopischer Ebene abzubilden. Das Problem besteht jedoch darin, dass die Umwandlung dieser massiven Karten in aussagekräftige Erkenntnisse eine Methode erfordert, um Zellen in ihre korrekten Nachbarschaften einzuteilen. Die Herausforderung ist, dass Zellen desselben Typs sehr unterschiedlich aussehen können, je nachdem, wo sie sich befinden, und dass Zellen verschiedener Typen oft nebeneinander im selben funktionalen Bezirk leben. Um dies zu lösen, nutzen Forscher Computermodelle, die das Gewebe als ein Netzwerk behandeln, in dem Verbindungen zwischen benachbarten Zellen helfen zu definieren, was eine Region ausmacht.

Ein Forscher widmete sich kürzlich einem grundlegenden Problem bei der Frage, wie diese Computermodelle lernen, Gewebenauschnitte zu erkennen. Jahrelang stützte sich die Standardmethode zum Training dieser Modelle auf eine Logik, die der Art und Weise entlehnt ist, wie Menschen Gesichter erkennen: Der Computer wird zwei leicht unterschiedliche Bilder desselben Objekts gezeigt und gesagt, dass sie identisch sind, während ihm gesagt wird, dass jedes andere Objekt im Raum anders ist. Dieser Ansatz zwingt den Computer dazu, jede einzelne Zelle als ein einzigartiges Individuum zu behandeln, was ihn dazu drängt, jede Zelle von jeder anderen zu trennen. Während dies gut funktioniert, um spezifische Zelltypen zu identifizieren, scheitert es, wenn das Ziel darin besteht, die größeren Nachbarschaften zu finden, in denen Zellen zusammenleben. In einem Gewebe sollten Zellen, die sich physisch berühren, zur selben Gruppe gehören, doch die Standard-Trainingsmethode lehrte den Computer aktiv, sie voneinander zu trennen.

Um diesen Widerspruch zu beheben, schlug Zheng Zhao, ein Forscher an der Civil Aviation University of China, eine einfache, aber radikale Änderung der Art und Weise vor, wie der Computer lernt. Anstatt jede Zelle als ihre eigene einzigartige Klasse zu behandeln, lehrt die neue Methode den Computer, dass Zellen, die sich physisch berühren, als ein positives Paar oder als Übereinstimmung betrachtet werden sollten. Das Modell wurde auf einem massiven Datensatz trainiert, der fast 459.000 Zellen aus neun verschiedenen Abschnitten von menschlichem Darmgewebe umfasst, wobei sowohl gesunde Proben als auch solche von Patienten mit entzündlichen Darmerkrankungen abgedeckt wurden. Der Forscher baute eine komplexe Karte, in der Zellen basierend auf ihrer physischen Nähe miteinander verbunden waren, wodurch ein Netzwerk mit über 2,6 Millionen Verbindungen entstand. Er trainierte dann ein neuronales Netz, eine Art künstliche Intelligenz, die darauf ausgelegt ist, diese Verbindungen zu verarbeiten, um die Repräsentationen sich berührender Zellen in seinem internen Speicher näher zusammenzuführen, anstatt sie voneinander wegzustoßen.

Die Ergebnisse dieser Änderung waren beeindruckend. Als der Forscher sein neues Modell gegen die stärksten bestehenden Methoden testte, lieferte der neue Ansatz ein wesentlich klareres Bild der Gewebeorganisation. Ein Standardmaß dafür, wie gut das Modell den natürlichen Fluss des Gewebes erfasst, verbesserte sich signifikant von einem Wert von 0,633 auf 0,756. Ein weiteres Maß dafür, wie konsistent Zellen in derselben Nachbarschaft gruppiert wurden, sprang von 0,765 auf 0,862. Diese Verbesserungen wurden erzielt, während nur die Hälfte der Rechenzeit und die Hälfte des Speichers benötigt wurden, die die bisher besten Methoden beanspruchten. Das Modell identifizierte erfolgreich zehn verschiedene Regionen in den Gewebeproben. Einige dieser Regionen wurden von spezifischen Zelltypen dominiert, wie etwa ein Territorium, das fast ausschließlich aus Epithelzellen besteht, während andere komplexe Mischungen verschiedener Zelltypen waren, die nur in bestimmten Krankheitszuständen auftraten, wie etwa distinkte Zonen, die nur bei Morbus Crohn oder Colitis ulcerosa vorkommen.

Die Studie deckte auch einige überraschende Wahrheiten darüber auf, wie diese Modelle evaluiert werden sollten und was sie vermeiden sollten. Der Forscher testete, ob das Hinzufügen eines Features, das den Computer bittet, die ursprünglichen Zelldaten aus einer korrumpierten Version zu rekonstruieren, hilfreich wäre – eine in diesem Bereich übliche Praxis. Er fand das Gegenteil heraus: Das Hinzufügen dieser Rekonstruktionsaufgabe machte das Modell tatsächlich schlechter bei der Identifizierung von Nachbarschaften und verschlechterte seine Leistung bei jedem gemessenen Metrikwert. Darüber hinaus verdeutlichte die Studie einen Fehler in der Art und Weise, wie Wissenschaftler die Qualität dieser Karten beurteilen. Ein gängiges Metrik, das misst, wie kompakt die identifizierten Regionen sind, erwies sich als hochgradig instabil. Als der Forscher dasselbe Modell mit einem anderen zufälligen Startpunkt ausführte, schwankte der Wert für dieses Metrik massiv und änderte sich um den Faktor 2,4. Dies bedeutet, dass ein einzelner Testlauf nicht vertrauenswürdig ist, um verschiedene Methoden fair zu vergleichen, da das Ergebnis eher vom zufälligen Startpunkt abhängen kann als von der Qualität des Modells selbst.

Ein weiterer wichtiger Befund betraf die Frage, wie Wissenschaftler Interaktionen zwischen Zelltypen testen. Ein gängiges statistisches Werkzeug geht davon aus, dass, wenn zwei Zelltypen nicht interagieren, ihre Anordnung wie eine zufällige Durchmischung von Labels über das gesamte Gewebe aussehen sollte. Der Forscher zeigte, dass diese Annahme für Gewebe, in denen Zellen sich natürlich gruppieren, fehlerhaft ist. Als sie diesen Standardtest anwandten, deutete er fälschlicherweise darauf hin, dass Makrophagen und Fibroblasten einander meiden würden. Als sie jedoch einen sorgfältigeren Test verwendeten, der die lokale Nachbarschaftsstruktur respektierte, verschwand der Fehlalarm, was zeigte, dass diese Zellen mit der erwarteten Rate interagieren. Dieser Befund warnt Forscher davor, dass Standardwerkzeuge irreführende Schlussfolgerungen über das Zellverhalten ziehen können, wenn sie die natürliche Clusterbildung von Zellen im Gewebe nicht berücksichtigen.

Letztlich zeigt diese Arbeit, dass die Art und Weise, wie ein Computer beigebracht wird zu lernen, ebenso wichtig ist wie die Daten, die er sieht. Durch die einfache Änderung der Definition dessen, was als „Übereinstimmung“ gilt – von „dieselbe Zelle“ zu „berührende Nachbarn“ –, ermöglichte der Forscher dem Modell, das Gewebe als eine Sammlung kohärenter Nachbarschaften statt als eine Sammlung isolierter Individuen zu sehen. Das Modell war nicht nur besser; es erzeugte eine andere Art von Karte, eine, die die biologische Realität der Gewebeorganisation widerspiegelte. Obwohl die Studie auf Darmgewebe beschränkt war und sich nicht mit jeder anderen existierenden Methode verglich, bietet sie einen klaren Weg für die Analyse räumlicher Daten. Sie legt nahe, dass es bei Aufgaben zur Entdeckung von Geweberegionen das Ziel sein sollte, die Kontinuität des Raums zu bewahren, und dass die Werkzeuge zur Erfolgsmessung robust genug sein müssen, um die inhärente Variabilität von Clustering-Algorithmen zu handhaben. Der Code für diesen neuen Ansatz ist nun für andere Wissenschaftler verfügbar und bietet einen effizienteren und genaueren Weg, um die komplizierten Nachbarschaften des menschlichen Körpers abzubilden.