Resumen Técnico: Aprendizaje de Procesos Causales Dinámicos Latentes para la Predicción de Perturbaciones en Células Únicas

Enunciado del Problema

La predicción de perturbaciones en células únicas tiene como objetivo modelar cómo responden las células a intervenciones genéticas o químicas, específicamente para predecir respuestas ante perturbaciones no vistas (generalización fuera de distribución o OOD). Un desafío central es que los enfoques de aprendizaje automático existentes abordan típicamente solo una de dos características inseparables de las respuestas a perturbaciones:

1. Latencia: Las perturbaciones actúan a través de programas celulares no observados (variables latentes) en lugar de actuar directamente sobre la expresión génica observada.
2. Dinámica: Los estados de estos programas latentes evolucionan a lo largo del tiempo, generando perfiles de expresión génica observados en diferentes puntos temporales.

Los métodos actuales se centran bien en aprender mecanismos causales latentes pero tratan las respuestas como instantáneas estáticas, ignorando la evolución temporal; o bien modelan los cambios temporales en la expresión génica pero no logran capturar explícitamente los mecanismos generativos causales subyacentes que impulsan estos cambios. Este artículo aborda esta brecha proponiendo un marco unificado que captura conjuntamente los programas celulares latentes y su evolución temporal.

Metodología: CITE-VAE

Los autores proponen CITE-VAE (Autoencoder Variacional Temporal Inspirado en Causalidad), un marco de aprendizaje fundamentado en un Modelo Generativo Causal Dinámico Latente.

1. Modelo Generativo

El modelo descompone el estado celular latente $z_t$ en el tiempo $t$ en dos componentes:

• Programas de fondo invariantes a la perturbación ($z_t^\iota$): Que representan estados celulares estables no afectados por la intervención.
• Mecanismos sensibles a la perturbación ($z_t^\nu$): Que representan estados dinámicos impulsados por la intervención.

El proceso generativo se formaliza como:

• Ruido Exógeno: El ruido invariante $n_t^\iota$ es independiente, mientras que el ruido sensible $n_t^\nu$ es condicionalmente independiente dado la etiqueta de perturbación $u$.
• Dinámica Latente:
  • Los estados invariantes evolucionan mediante una transición invariante en el tiempo: $z_t^\iota = f_\iota(z_{t-1}^\iota) + n_t^\iota$.
  • Los estados sensibles evolucionan mediante una ecuación causal estructural dependiente de los padres y la intervención: $z_{t,\nu,j}^t = f_{\nu,j}(z_{t-1}^{pa(j)}, u) + n_{t,\nu,j}$.
• Observación: La expresión génica observada $x_t$ se genera mediante un mapeo invariante en el tiempo, suave e invertible $g(z_t)$.

2. Identificabilidad Teórica

El artículo proporciona un análisis teórico que demuestra que, bajo supuestos específicos, las variables causales latentes son identificables (recuperables hasta una clase de equivalencia trivial). Los supuestos clave son:

• Suficiencia Ambiental: Existen perturbaciones suficientemente diversas para inducir cambios distribucionales distintos en las innovaciones sensibles.
• Alineación Temporal Óptima: La representación invariante aprendida es estable a través de los entornos (minimizando una pérdida de alineación).
• Suficiencia de Intervención Temporal: Para cada coordenada sensible, existe un entorno donde las contribuciones de los padres se eliminan (intervención dura).

El Teorema 4.1 establece que el bloque invariante es identificable hasta una transformación lineal invertible, y el bloque sensible es identificable hasta permutación y escalado componente a componente.

3. Marco de Aprendizaje

Para traducir estas garantías teóricas en un algoritmo práctico, CITE-VAE optimiza una función objetivo conjunta compuesta por tres componentes:

1. ELBO Temporal (Maximización de Verosimilitud): Asegura que las variables latentes retengan información suficiente para reconstruir las instantáneas observadas y dar cuenta de su evolución temporal bajo intervenciones.
2. Pérdida de Alineación Invariante: Impone que la representación invariante inferida ($z^\iota$) permanezca consistente a través de diferentes entornos de perturbación, evitando el entrelazamiento de factores invariantes y sensibles.
3. Regularización de Esparsidad Estructural: Fomenta dependencias escasas en el mecanismo de transición sensible (mediante una matriz de adyacencia triangular inferior aprendible) para mitigar el sobreajuste y promover estructuras causales interpretables.

El entrenamiento utiliza pares pseudo de instantáneas de puntos temporales adyacentes para aproximar transiciones temporales sin requerir emparejamiento a nivel celular (lo cual es imposible en la secuenciación de células únicas destructiva).

Contribuciones Clave

1. Modelo Unificado: Propone un modelo generativo causal dinámico latente que captura simultáneamente programas celulares latentes y su evolución temporal, abordando las limitaciones de los modelos causales estáticos o puramente temporales.
2. Análisis de Identificabilidad: Proporciona garantías teóricas rigurosas que muestran que las variables causales latentes pueden recuperarse de forma única (hasta transformaciones triviales) al combinar el aprendizaje basado en verosimilitud con la alineación invariante.
3. Algoritmo CITE-VAE: Desarrolla un marco de autoencoder variacional impulsado por la teoría que operacionaliza estas condiciones de identificabilidad mediante una combinación específica de objetivos ELBO, de alineación y de esparsidad.
4. Validación Empírica: Demuestra la efectividad del método tanto en benchmarks sintéticos como en datos reales de perturbación CRISPR en células únicas.

Resultados Experimentales

Datos Sintéticos (Causal-3DIdent)

Los experimentos en el benchmark Causal-3DIdent validan los resultados de identificabilidad teórica.

• Recuperación: El modelo recupera con éxito los factores latentes de verdad fundamental con alta precisión ($R^2 > 0.95$ para factores invariantes, $0.959$ para factores sensibles).
• Visualización de Trayectorias: Las trayectorias latentes proyectadas rastrean estrechamente el movimiento físico de verdad fundamental, confirmando que el modelo captura transiciones de estado consistentes a lo largo del tiempo.

Datos del Mundo Real (Perturbación CRISPR en hiPSC)

Evaluado en un conjunto de datos longitudinal de células madre pluripotentes inducidas humanas (hiPSC) con 23 knockouts de un solo gen utilizando un protocolo Leave-One-Intervention-Out (LOO) para generalización OOD.

• Rendimiento: CITE-VAE supera a las líneas base más avanzadas, incluidos modelos causales latentes (SAMS-VAE, Discrepancy-VAE), modelos dinámicos temporales (RENGE, scNODE) y modelos fundacionales (scGPT, UCE).
• Métricas: Logra un rendimiento superior en métricas de genes diferencialmente expresados (DE) (por ejemplo, correlación de Pearson $\Delta$ de 0.691 frente a 0.621 para SAMS-VAE) mientras mantiene una precisión de reconstrucción a nivel de genoma competitiva ($R^2 > 0.95$).
• Ablación: Eliminar los regularizadores de alineación o de esparsidad degrada significativamente el rendimiento en métricas centradas en DE, confirmando la necesidad del objetivo conjunto para capturar mecanismos sensibles a la perturbación.

Benchmark Auxiliar (E-MTAB-14065)

En un conjunto de datos de diferenciación cardíaca con variación a nivel de clon, CITE-VAE logró el mejor RMSE entre las líneas base estables y mantuvo un rendimiento sólido en métricas DE, demostrando robustez en diferentes contextos biológicos.

Significado y Afirmaciones

El artículo afirma que al modelar explícitamente la naturaleza latente y dinámica de las respuestas a perturbaciones, CITE-VAE logra una generalización principista a perturbaciones no vistas. El significado radica en:

• Fundamentación Teórica: Ir más allá de los enfoques heurísticos proporcionando garantías de identificabilidad que vinculan el objetivo de aprendizaje con la recuperación de mecanismos causales reales.
• Robustez Práctica: Demostrar que los conocimientos teóricos se mantienen incluso cuando los supuestos estrictos solo se satisfacen aproximadamente en datos biológicos reales, lo que conduce a una mejor predicción de knockouts génicos no vistos.
• Insight Metodológico: Destacar que el aprendizaje de representaciones efectivo en sistemas dinámicos y perturbados requiere acoplar el modelado generativo con restricciones de invarianza, en lugar de depender de cualquiera de ellos de forma aislada.

Los autores reconocen que, como la mayoría de los trabajos de aprendizaje de representaciones causales, el enfoque depende de supuestos (por ejemplo, ruido aditivo, diversidad ambiental suficiente) que pueden no cumplirse estrictamente en todos los escenarios del mundo real. Sin embargo, los resultados empíricos sugieren que el método permanece robusto e informativo bajo condiciones aproximadas.