Integrating chemical structures as treatments improves representations of microscopy images for morphological profiling

Resumen Técnico: MICON – Aprendizaje Contrastivo Molecular-Imagen para el Perfilado Morfológico

Enunciado del Problema
Las pruebas de microscopía de alto rendimiento, como Cell Painting, son críticas para el descubrimiento de fármacos, permitiendo la cuantificación de cambios morfológicos celulares en respuesta a perturbaciones químicas o genéticas. Este proceso, conocido como perfilado morfológico, convierte las imágenes en vectores de características (representaciones) para comparar los fenotipos celulares. Si bien el aprendizaje profundo ha superado a las características tradicionales diseñadas a mano (por ejemplo, CellProfiler), la mayoría de los métodos auto-supervisados existentes aprenden exclusivamente a partir de datos de imágenes. Este enfoque ignora la naturaleza multimodal inherente a estos experimentos, donde un compuesto químico específico (perturbación) induce el cambio fenotípico observado. Además, los datos de microscopía se ven afectados por "efectos de lote" —variaciones técnicas derivadas de diferentes instrumentos, días o fuentes— que pueden confundir las señales biológicas. Los enfoques multimodales actuales que intentan alinear imágenes y compuestos directamente (por ejemplo, mediante objetivos CLIP) a menudo luchan porque las respuestas fenotípicas al mismo compuesto varían según el tipo de célula, creando una tensión donde una única representación de compuesto debe alinearse con múltiples representaciones fenotípicas dispares.

Metodología: Marco MICON
Los autores presentan MICON (Aprendizaje Contrastivo Molecular-Imagen), un marco de aprendizaje de representaciones auto-supervisado que modela explícitamente los compuestos químicos como tratamientos que inducen transformaciones en las imágenes celulares, en lugar de tratar las imágenes y los compuestos como entidades directamente comparables en un espacio compartido.

El marco consta de tres componentes principales:

1. Codificadores:
   • Un Codificador de Imágenes ($h_{img}$), basado en un ResNet101 preentrenado en ImageNet, procesa las imágenes de microscopía.
   • Un Codificador de Compuestos ($h_{comp}$), un perceptrón multicapa (MLP), procesa los compuestos químicos representados como huellas dactilares ECFP4.
2. Módulo de Fusión: Un MLP de dos capas ($F$) que toma la concatenación de una representación de imagen de control negativo y una representación de compuesto para predecir la representación de la imagen como si hubiera sido tratada con ese compuesto.
3. Funciones de Pérdida: El modelo se entrena utilizando dos objetivos contrastivos:
   • Aprendizaje Contrastivo Consciente de la Perturbación (PaCLR) en Imágenes Reales: A diferencia del aprendizaje contrastivo estándar (por ejemplo, SimCLR), que trata todas las demás imágenes en un lote como negativas, PaCLR utiliza metadatos para definir pares positivos. Las imágenes tratadas con la misma perturbación (incluso de diferentes lotes/fuentes) son pares positivos. Crucialmente, las imágenes de control negativo (DMSO) del mismo lote de microscopía que las imágenes perturbadas se utilizan como pares negativos. Esto obliga al modelo a aprender señales biológicas invariantes a los efectos de lote mientras distingue las perturbaciones del ruido técnico.
   • Pérdida PaCLR Predicha: Este objetivo alinea las representaciones predichas (generadas por el módulo de fusión) con las representaciones reales de las células tratadas realmente con el compuesto. Esta pérdida integra específicamente información de la estructura química, entrenando al modelo para simular transformaciones fenotípicas.

La pérdida final es un peso igual de la pérdida PaCLR real y la pérdida PaCLR predicha.

Contribuciones Clave

• Formulación Multimodal Novel: MICON propone modelar los compuestos como tratamientos que transforman las representaciones de imágenes, evitando las trampas de la alineación directa imagen-compuesto donde la variabilidad fenotípica crea conflictos de alineación.
• Robustez ante Efectos de Lote: Al incorporar explícitamente controles negativos de los mismos lotes de microscopía en la estrategia de muestreo del aprendizaje contrastivo, MICON aprende representaciones robustas a la variación técnica entre fuentes y lotes.
• Ablación de la Integración Multimodal: El estudio aísla la contribución de la información de la estructura química comparando el modelo MICON completo contra una versión entrenada solo con la pérdida PaCLR (solo imágenes) y contra líneas base como SimCLR, CLIP y DINOv3.

Resultados
Los autores evaluaron MICON en el conjunto de datos del Consorcio JUMP Cell Painting (cpg0016), utilizando una estratificación rigurosa de datos para probar la generalización a fuentes no vistas (Fuera de Distribución, OOD) y compuestos no vistos.

• Rendimiento Superior en Efectos Reproducibles: En tareas de coincidencia de réplicas de compuestos (identificar si dos imágenes comparten el mismo tratamiento), MICON superó significativamente a CellProfiler, SimCLR, CLIP y DINOv3. En el conjunto de datos de distribución interna de Control Positivo (POS-CTL), MICON alcanzó una precisión del 62,24% (1-NN, No-Mismo-Lote) en comparación con el 36,56% de CellProfiler y el 37,77% de SimCLR.
• Generalización a Fuentes No Vistas: Cuando se probó en una fuente completamente no vista durante el entrenamiento, MICON mantuvo ganancias de rendimiento significativas sobre las líneas base (51,57% frente a 39,26% para CellProfiler), mientras que otros métodos auto-supervisados (SimCLR, CLIP, DINOv3) cayeron a o por debajo del rendimiento de CellProfiler, lo que sugiere que se sobreajustaron a las fuentes de entrenamiento.
• Generalización a Compuestos No Vistos: En configuraciones OOD que involucraban 184 compuestos no vistos, MICON volvió a superar a todas las líneas base (4,92% frente a 3,53% para CellProfiler), demostrando que integrar información química mejora la generalización a nuevas perturbaciones.
• Robustez ante la Corrección de Lotes: Incluso después de aplicar corrección de lotes estándar post-hoc (esferización), MICON continuó superando a otros métodos auto-supervisados, lo que indica que su rendimiento proviene de un reconocimiento fenotípico superior y no solo de la mitigación de efectos de lote.
• Enriquecimiento del Modo de Acción (MoA): MICON mostró el mayor enriquecimiento para compuestos que comparten el mismo MoA, sugiriendo una mejor agrupación de fenotipos biológicamente similares.
• Predicción Sintética: El modelo demostró la capacidad de predecir efectos fenotípicos de compuestos no vistos utilizando representaciones generadas, aunque el rendimiento en compuestos no vistos fue modesto en comparación con los compuestos vistos.

Significado y Afirmaciones
El artículo afirma que MICON establece una nueva dirección para el aprendizaje de representaciones en el perfilado morfológico al tener en cuenta explícitamente la naturaleza multimodal de los datos de cribado. Los autores argumentan que:

1. La Integración Multimodal es Esencial: Incorporar información de la estructura química proporciona mejoras pequeñas pero consistentes y estadísticamente significativas sobre el aprendizaje solo con imágenes.
2. La Estrategia de Modelado Importa: Tratar los compuestos como "tratamientos" que transforman imágenes (MICON) es superior a alinear directamente imágenes y compuestos en un único espacio (enfoques estilo CLIP).
3. Robustez ante la Variabilidad del Mundo Real: Las ganancias de rendimiento de MICON no se deben meramente a una mejor corrección de lotes, sino que reflejan una captura más robusta de señales fenotípicas biológicas, particularmente en escenarios que involucran fuentes de datos o compuestos no vistos.

Los autores permanecen modestos respecto a la capacidad predictiva del modelo, señalando que, aunque puede sintetizar efectos fenotípicos, el rendimiento actual en compuestos no vistos es bajo y se requiere una mayor optimización del peso de la pérdida y los hiperparámetros antes de que tales capacidades predictivas puedan implementarse prácticamente para la clasificación de compuestos.