Cross-scale spatially-aware generative modeling of transcriptomic programs underlying neurodegenerative brain organization

Resumen Técnico: Modelado Generativo de Escala Cruzada y Sensible al Espacio de los Programas Transcriptómicos Subyacentes a la Organización Cerebral Neurodegenerativa

Planteamiento del Problema
Los trastornos neurodegenerativos, particularmente la enfermedad de Alzheimer (EA), exhiben patrones altamente organizados y no aleatorios de vulnerabilidad regional del cerebro. Si bien estudios previos de imagen-transcriptómica han establecido correlaciones entre la expresión génica y los fenotipos de neuroimagen (por ejemplo, el adelgazamiento cortical), estos enfoques son predominantemente correlativos y lineales. A menudo no logran modelar los procesos biológicos latentes o las interacciones no lineales de escala cruzada que explican cómo la organización transcriptómica a microescala da lugar a las estructuras neurodegenerativas a macroescala. Además, los métodos existentes frecuentemente tratan las regiones cerebrales como muestras independientes, ignorando la suavidad espacial y las relaciones topológicas inherentes a la organización cortical. Existe la necesidad de un marco generativo que pueda tender un puente entre la arquitectura molecular a microescala y la vulnerabilidad neurodegenerativa a macroescala, respetando al mismo tiempo restricciones espaciales biológicamente plausibles.

Metodología
Los autores proponen un marco generativo de escala cruzada y sensible al espacio que integra el aprendizaje de representaciones transcriptómicas con la predicción con restricciones espaciales. El flujo de trabajo consta de los siguientes componentes:

1. Integración y Preprocesamiento de Datos:

   • Transcriptómica: Los perfiles de expresión génica regional se derivaron del Allen Human Brain Atlas (AHBA). Los datos de seis donantes neurotípicos se mapearon al atlas cortical Desikan-Killiany (68 regiones). Para reducir la dimensionalidad manteniendo la señal biológica, los autores filtraron el transcriptoma a 910 genes de referencia (landmark genes) de la plataforma LINCS L1000.
   • Mapas de Neurodegeneración: Las mediciones del grosor cortical se obtuvieron de la cohorte de la Alzheimer's Disease Neuroimaging Initiative (ADNI) (926 controles cognitivamente normales y 426 sujetos con EA). La vulnerabilidad a la neurodegeneración regional ($Y$) se cuantificó como la diferencia continua en el grosor cortical medio entre los grupos de EA y control ($Y_r = \mu_{NC,r} - \mu_{AD,r}$).
   • Alineación: Ambos conjuntos de datos se armonizaron para los mismos 68 regiones corticales.

2. Arquitectura Generativa (Autoencoder Variacional con Regularización Espacial):
   El modelo emplea una arquitectura de Autoencoder Variacional (VAE) modificada para la predicción de la neurodegeneración:

   • Codificador (Encoder): Una red neuronal mapea el vector transcriptómico de alta dimensión ($x \in \mathbb{R}^{910}$) a una distribución latente de baja dimensión ($z \in \mathbb{R}^{64}$), parametrizada por media y varianza. Estas variables latentes representan "programas transcriptómicos" comprimidos.
   • Decodificador (Decoder): Reconstruye el perfil transcriptómico original a partir de la incrustación (embedding) latente para asegurar que el espacio latente preserve la estructura molecular biológicamente significativa.
   • Mapeador de Vulnerabilidad (Vulnerability Mapper): Una red separada proyecta las incrustaciones latentes ($z$) para predecir la vulnerabilidad a la neurodegeneración regional ($\hat{y}$).
   • Regularización Espacial: Para imponer una organización espacial biológicamente plausible, se aplica una restricción de suavidad basada en grafos, donde una matriz de adyacencia que representa las regiones corticales vecinas penaliza las grandes diferencias en la vulnerabilidad predicha entre regiones adyacentes ($L_{spatial} = \sum A_{ij}(\hat{y}_i - \hat{y}_j)^2$).

3. Función de Objetivo:
   El modelo se optimiza utilizando una función de pérdida compuesta:
   $$L = L_{recon} + \beta L_{KL} + \lambda_1 L_{prediction} + \lambda_2 L_{spatial}$$
   Donde $L_{recon}$ es el error de reconstrucción transcriptómica (MSE), $L_{KL}$ es la divergencia de Kullback-Leibler para la regularización latente, $L_{prediction}$ es el error en la predicción del adelgazamiento cortical, y $L_{spatial}$ impone la suavidad espacial.

Contribuciones Clave

• Modelado Generativo de la Biología de Escala Cruzada: A diferencia de los estudios de asociación tradicionales de imagen-transcriptómica, este marco aprende programas biológicos latentes que simultáneamente reconstruyen la organización molecular y predicen la vulnerabilidad a la enfermedad. Esto va más allá de las asociaciones descriptivas hacia representaciones generativas de cómo la arquitectura transcriptómica impulsa la degeneración.
• Aprendizaje Sensible al Espacio: La integración de la regularización espacial basada en grafos asegura que las predicciones respeten la continuidad anatómica de la corteza, abordando la limitación de los métodos que tratan las regiones cerebrales como muestras independientes.
• Marco Unificado: El estudio proporciona un flujo de trabajo computacional que vincula explícitamente la expresión génica a microescala (AHBA) con la degeneración estructural a macroescala (ADNI) a través de un espacio latente unificado y biológicamente restringido.

Resultados

• Desempeño Predictivo: El marco logró una fuerte precisión predictiva para la vulnerabilidad a la neurodegeneración regional en 68 regiones corticales, obteniendo un puntaje $R^2$ de 0.8604 y una correlación de Pearson de $r = 0.9439$ ($p < 0.001$) entre los perfiles de vulnerabilidad observados y predichos. El Error Cuadrático Medio (MSE) fue de 0.001493.
• Organización Espacial: El modelo recapituló con éxito los patrones conocidos de la patología de la EA, identificando una alta vulnerabilidad en la corteza entorrinal, el polo temporal y los sistemas límbicos, mientras preservaba las regiones sensoriales primarias (ej. la corteza pericalcarina).
• Análisis de la Estructura Latente: La reducción de la dimensionalidad (PCA y t-SNE) de las incrustaciones latentes aprendidas reveló trayectorias y vecindarios estructurados y no aleatorios. Estas representaciones latentes capturaron gradientes corticales distribuidos consistentes con la organización cortical jerárquica (desde sistemas unimodales hasta transmodales) sin supervisión explícita sobre la jerarquía anatómica.
• Comparación con Baselines: Aunque la regresión lineal y la regresión Ridge lograron valores de $R^2$ comparables (aprox. 0.89), los autores señalan que el enfoque generativo propuesto ofrece una interpretabilidad biológica superior al aprender estructuras latentes comprimidas en lugar de la regresión directa de características. Los MLP estándar sin regularización tuvieron un desempeño deficiente ($R^2 = -2.59$), lo que resalta la necesidad de la regularización y las restricciones generativas propuestas.

Significancia y Reivindicaciones
El artículo sostiene que este trabajo proporciona una base para la neurobiología generativa sensible al espacio. Al demostrar que el modelado generativo con restricciones biológicas puede cerrar la brecha entre la organización transcriptómica a microescala y la estructura neurodegenerativa a macroescala, el estudio sugiere que los programas transcriptómicos latentes son un determinante clave de la vulnerabilidad cortical selectiva.

Los autores posicionan este marco como un cambio de los "estudios de asociación" hacia el "modelado generativo biológicamente informado". Argumentan que las representaciones latentes aprendidas ofrecen una escala intermedia biológicamente interpretable que explica cómo la arquitectura molecular contribuye a la degeneración a nivel de sistemas. El estudio concluye que tales enfoques pueden ayudar a cerrar la brecha entre la neurociencia molecular y el modelado de enfermedades neurodegenerativas a nivel de sistemas, ofreciendo un marco escalable para futuras investigaciones sobre mecanismos de escala cruzada.

Limitaciones Reconocidas por los Autores
Los autores caracterizan modestamente este trabajo como una prueba de concepto preliminar. Reconocen varias limitaciones:

• Fuente de Datos: El AHBA depende de solo seis donantes postmortem, lo que limita la captura de la variabilidad interindividual.
• Naturaleza Estática: Los datos transcriptómicos son estáticos (postmortem) y no capturan la progresión temporal dinámica de la EA.
• Enfoque a Nivel de Región: El modelo predice la susceptibilidad espacial a nivel de grupo en lugar de trayectorias individuales o estadios longitudinales de la enfermedad.
• Restricciones Espaciales Simplificadas: La regularización espacial utiliza un grafo de vecindad básico y no incorpora plenamente la conectividad estructural compleja o los mecanismos de propagación trans-sináptica.