Resumen Técnico: ContextFlow

Enunciado del Problema

Inferir trayectorias celulares a partir de datos ómicos longitudinales con resolución espacial es fundamental para comprender la dinámica tisular en el desarrollo, la regeneración y la enfermedad. Sin embargo, las tecnologías de perfiles son destructivas, generando únicamente instantáneas no emparejadas y transversales en puntos de tiempo discretos en lugar de trayectorias continuas. Aunque recientemente han surgido marcos de ajuste de flujo (FM) como modelos generativos eficientes para aprender dinámicas latentes continuas, los enfoques más avanzados que dependen de acoplamientos de Transporte Óptimo (OT) enfrentan una limitación significativa: determinan las transiciones entre células basándose únicamente en la similitud transcriptómica.

Esta dependencia exclusiva de la similitud transcriptómica a menudo conduce a transiciones biológicamente implausibles. Por ejemplo, los planes de OT pueden acoplar células con funciones biológicas distintas (por ejemplo, neuronas inhibitorias y excitatorias) simplemente porque sus perfiles de expresión génica son estadísticamente similares en una instantánea dada. Tales errores se propagan al campo de velocidad aprendido, resultando en dinámicas inferidas globalmente inconsistentes y biológicamente poco realistas. Los métodos existentes no aprovechan plenamente la riqueza contextual de la transcriptómica espacial, como la organización tisular local y los patrones de comunicación ligando-receptor, para restringir estas transiciones.

Metodología: ContextFlow

Los autores proponen ContextFlow, un marco de ajuste de flujo consciente del contexto que integra priores espaciales explícitos en el proceso de ajuste de flujo acoplado por OT. El método busca regularizar el objetivo de transporte óptimo para asegurar que las trayectorias aprendidas no solo sean estadísticamente consistentes, sino también biológicamente significativas.

1. Plausibilidad Transicional

ContextFlow define una métrica de Plausibilidad Transicional (TP) para capturar la probabilidad de que una célula evolucione de un estado a otro a través de puntos de tiempo. Esta métrica combina dos tipos de priores espaciales:

• Suavidad Espacial (SS): Basada en la observación de que las células vecinas en un microambiente responden a estímulos similares y exhiben suavidad local en la expresión. El prior SS cuantifica la disimilitud entre los perfiles de expresión promedio de los vecindarios locales de dos células.
• Patrones de Comunicación Célula-Célula (LR): Aprovechando el conocimiento previo de las interacciones ligando-receptor (LR), este prior evalúa la similitud de los patrones de comunicación entre los microambientes de dos células. Las células que exhiben perfiles de señalización LR similares se consideran más propensas a transicionar entre sí.

Estos priores se combinan en una Matriz de Plausibilidad Transicional (TPM), que codifica las restricciones biológicas para las transiciones celulares entre puntos de tiempo consecutivos.

2. Transporte Óptimo Regularizado por Priors

La TPM se integra en la formulación de Transporte Óptimo Entrópico (EOT) a través de dos esquemas novedosos:

• Matriz de Costos Consciente del Prior (PACM): La TPM se incorpora directamente en la función de costo de transporte. Una puntuación de plausibilidad más alta (que indica una transición menos plausible) aumenta el costo de transporte, penalizando así dichos acoplamientos. Este enfoque requiere ajustar un hiperparámetro de compensación ($\alpha$) entre el costo euclidiano original y el costo consciente del prior.
• Regularización Entrópica Consciente del Prior (PAER): En lugar de modificar el costo, este enfoque modifica el término de regularización entrópica. La TPM se utiliza para definir una matriz de probabilidad conjunta previa, que sesga el término de entropía para favorecer acoplamientos consistentes con los priores biológicos. Esta formulación evita la necesidad de un hiperparámetro adicional de compensación de costos y proporciona un mecanismo de "filtro suave".

3. Entrenamiento e Inferencia

ContextFlow utiliza el algoritmo de Sinkhorn para resolver eficientemente los problemas de EOT conscientes del prior. Los acoplamientos conscientes del contexto espacial resultantes se utilizan para definir las rutas de probabilidad condicional y los campos de velocidad para entrenar una red neuronal que aproxime el campo vectorial de velocidad continuo. El modelo se entrena mediante una pérdida de regresión que minimiza la diferencia entre la velocidad aprendida y la velocidad condicional objetivo derivada de los acoplamientos conscientes del contexto.

Contribuciones Clave

1. Definición de Plausibilidad Transicional: El artículo introduce un mecanismo flexible para codificar la organización espacial y los patrones de comunicación ligando-receptor en el entrenamiento de campos de velocidad, permitiendo la incorporación explícita de conocimiento biológico específico del dominio.
2. Integración Principiada de Priors: Los autores proponen dos métodos (PACM y PAER) para integrar estos priores en el ajuste de flujo basado en OT más avanzado. El enfoque PAER se destaca por su capacidad para evitar el ajuste adicional de hiperparámetros mientras mantiene la eficiencia mediante la optimización de Sinkhorn.
3. Validación Empírica: Experimentos exhaustivos demuestran que ContextFlow supera consistentemente a las líneas base de ajuste de flujo existentes (incluyendo MOTFM, Metric-FM y MFM) en múltiples métricas de precisión de inferencia y coherencia biológica.

Resultados Experimentales

Los autores evaluaron ContextFlow en tres conjuntos de datos de transcriptómica espacial longitudinal: Regeneración del Cerebro de Axolotl, Organogénesis de Embrión de Ratón y Regeneración Hepática.

• Fidelidad Estadística: ContextFlow, particularmente la variante regularizada por entropía (CTF-H), logró un rendimiento superior en términos de distancia 2-Wasserstein ($W_2$), Discrepancia Media Máxima (MMD) y distancia de Energía en comparación con las líneas base.
• Plausibilidad Biológica: Utilizando una métrica $W_2$ ponderada por tipo celular, ContextFlow generó trayectorias que preservaron mejor el equilibrio distribucional de los tipos celulares. El análisis visual confirmó una reducción significativa en acoplamientos biológicamente implausibles (por ejemplo, transiciones entre neuronas excitatorias e inhibitorias) en comparación con los planes EOT estándar.
• Generalización: El método demostró un rendimiento robusto tanto en tareas de interpolación (predecir puntos de tiempo intermedios) como de extrapolación (predecir estados futuros más allá del horizonte de entrenamiento). La variante CTF-H mostró una fuerza particular en el muestreo de Problemas de Valor Inicial (IVP), donde la acumulación de errores es un desafío importante.
• Eficiencia: La estrategia propuesta de integración de priores es computacionalmente eficiente, con un tiempo de ejecución comparable a los métodos OT estándar por lotes pequeños y significativamente más rápido que otras herramientas de alineación OT espaciotemporal como DeST-OT, MOSCOT y TOAST.

Significado y Afirmaciones

El artículo afirma que ContextFlow ofrece una base principista para modelar la dinámica celular a partir de datos ómicos espaciales al cerrar la brecha entre la optimalidad estadística y la interpretabilidad biológica. Al incrustar priores espaciales y funcionales directamente en el plan de transporte, el marco genera trayectorias que son consistentes con la organización tisular conocida y los mecanismos de comunicación célula-célula.

Los autores posicionan a ContextFlow como un marco generalizable que mejora los métodos de ajuste de flujo existentes sin sacrificar la eficiencia computacional. Señalan que, aunque el método reduce significativamente las transiciones biológicamente implausibles, su efectividad depende de la calidad de los priores espaciales y de la disponibilidad de datos de interacción ligando-receptor. El trabajo sugiere que las aplicaciones futuras podrían extenderse al modelado de perturbaciones y progresión de enfermedades, ofreciendo potencialmente una alternativa más interpretable a los modelos generativos puramente impulsados por datos.