SpaTRACE: Spatiotemporal recurrent auto-encoder for reconstructing signaling and regulatory networks from spatiotemporal transcriptomics data

SpaTRACE es un marco basado en transformadores que reconstruye redes de comunicación celular y regulación génica dinámicas a partir de datos de transcriptómica espaciotemporal sin depender de bases de datos predefinidas de ligandos y receptores.

Lo esencial

¡Claro que sí! Imagina que el cuerpo humano (o el de un animal) es como una ciudad gigante y muy ruidosa. En esta ciudad, cada célula es un ciudadano. Para que la ciudad funcione, los ciudadanos necesitan hablar entre sí (comunicación celular) y cada uno necesita un jefe interno que le diga qué tareas hacer (regulación genética).

El problema es que, hasta ahora, los científicos tenían dos formas de estudiar esta ciudad, pero ambas tenían fallos:

1. El mapa estático: Miraban una foto congelada de la ciudad y trataban de adivinar quién hablaba con quién basándose en listas de "quién puede hablar con quién" que ya existían (como un directorio telefónico antiguo). Si algo nuevo aparecía, no lo veían.
2. Sin contexto: Miraban las conversaciones sin saber si los ciudadanos estaban en una fiesta, en una reunión de trabajo o durmiendo. No entendían cómo cambiaban las cosas con el tiempo.

Aquí es donde entra SpaTRACE.

¿Qué es SpaTRACE? (La analogía del "Traductor de Futuro")

Imagina que SpaTRACE es un super-espía con una cámara de video de alta velocidad y un traductor inteligente. En lugar de tomar una foto estática, este espía graba un video de la ciudad a lo largo del tiempo (durante el desarrollo de un embrión o la curación de una herida).

Su trabajo es predecir el futuro: "Si el ciudadano A (una célula) le envía un mensaje al ciudadano B (otra célula) ahora, ¿qué hará el ciudadano B dentro de un minuto?".

Para hacerlo, SpaTRACE usa una máquina del tiempo (llamada "pseudotiempo") que ordena a las células según su historia de vida, desde que nacieron hasta que se convirtieron en lo que son hoy.

¿Cómo funciona? (El Metáfora del "Chef de Cocina")

Imagina que quieres cocinar un plato complejo (la célula madura).

• Los ingredientes: Son los genes.
• El chef: Es el núcleo de la célula (los factores de transcripción).
• Los pedidos externos: Son las señales de otras células (ligandos y receptores).

SpaTRACE es como un chef robot que observa la cocina:

1. Observa el pasado: Mira qué ingredientes tenía el chef hace un momento y qué pedidos llegaron de fuera.
2. Aprende la receta: Usa una inteligencia artificial (una red neuronal) para entender la conexión: "¡Ah! Cada vez que llega un pedido de 'Sopa' (señal externa) y el chef tiene 'Tomates' (factor interno), el resultado es 'Salsa' (nueva expresión génica)".
3. Descubre secretos: Lo genial es que no necesita una receta escrita. Si ve que dos ingredientes nunca antes combinados crean un sabor nuevo, ¡lo anota! No depende de libros de cocina viejos (bases de datos), sino que aprende directamente de lo que ve en la cocina.

¿Qué descubrió con esta herramienta?

Los científicos probaron a SpaTRACE en dos escenarios increíbles:

1. El desarrollo del cerebro de un ratón:
   Imagina que estás viendo cómo se construye un edificio desde los cimientos. SpaTRACE pudo ver exactamente qué "mensajes" (señales) enviaban los trabajadores para que los ladrillos (células madre) decidieran convertirse en ventanas (neuronas) o en paredes (células gliales). Descubrió mensajes secretos que nadie sabía que existían, explicando cómo el cerebro se forma.

2. La regeneración del cerebro de un ajolote:
   Los ajolotes son como superhéroes: si les cortas una parte del cerebro, ¡la vuelven a crecer! SpaTRACE actuó como un detective forense en una obra de reconstrucción. Pudo ver, paso a paso, cómo las células se organizaban, quién llamaba a quién para limpiar la herida y quién construía el tejido nuevo. Encontró "llaves maestras" (interacciones específicas) que activan el proceso de curación.

¿Por qué es importante?

Antes, los científicos intentaban adivinar cómo se comunican las células usando listas de reglas fijas. Era como intentar entender una conversación en un idioma extranjero usando solo un diccionario de palabras sueltas.

SpaTRACE es como tener un traductor en tiempo real que entiende el contexto, el tono de voz y la historia de la conversación.

• No necesita un manual: Puede descubrir nuevas formas de comunicación que nadie había imaginado.
• Ve el movimiento: Entiende que las células cambian y que sus mensajes dependen de si están "despiertas" o "dormidas" en su ciclo de vida.
• Es preciso: En pruebas de computadora, fue mucho mejor que los métodos anteriores para predecir quién controla a quién.

En resumen

SpaTRACE es una herramienta mágica que nos permite ver la película de la vida celular en lugar de solo las fotografías. Nos ayuda a entender no solo quiénes son los vecinos en la ciudad biológica, sino cómo se organizan, cómo se curan y cómo se construyen a medida que el tiempo pasa. Esto es vital para entender enfermedades, cómo crecemos y cómo podríamos curar heridas en el futuro.

Resumen técnico

Resumen Técnico: SpaTRACE

Título: SpaTRACE: Autoencoder recurrente espaciotemporal para la reconstrucción de redes de señalización y regulación a partir de datos de transcriptómica espaciotemporal.

1. Planteamiento del Problema

La comunicación célula-célula (CCC) y los programas de regulación génica (GRN) coordinan conjuntamente el comportamiento celular durante el desarrollo, la regeneración y la enfermedad. Aunque los avances recientes en transcriptómica espacial (ST) permiten medir la expresión génica con contexto espacial a lo largo de trayectorias de desarrollo, los métodos computacionales existentes presentan limitaciones críticas:

• Dependencia de bases de datos curadas: La mayoría de los métodos de inferencia de CCC (como CellPhoneDB, CellChat) dependen de bases de datos predefinidas de pares ligando-receptor (LR), lo que limita su aplicabilidad en especies poco estudiadas y restringe el descubrimiento de interacciones novedosas.
• Suposición de estado estacionario: Los enfoques actuales suelen analizar perfiles de expresión génica estáticos, asumiendo condiciones de equilibrio y fallando en capturar las dependencias temporales y las relaciones causales inherentes a procesos dinámicos como la diferenciación celular o la regeneración de tejidos.
• Desconexión entre señalización y regulación: Pocos métodos integran simultáneamente la inferencia de redes de señalización extracelular (LR) y redes de regulación intracelular (TF-TG) en un solo marco unificado.

2. Metodología

SpaTRACE es un marco de aprendizaje profundo basado en transformadores y autoencoders recurrentes, diseñado para la inferencia de redes de comunicación celular sin necesidad de vías de señalización predefinidas (pathway-free).

• Formulación del Problema:
  El modelo opera sobre conjuntos de datos de ST que incluyen células, genes, tipos celulares y un valor de pseudotiempo ($\pi$) que representa la posición en una trayectoria de desarrollo. El objetivo es predecir la expresión futura de genes diana (TG) basándose en el estado reciente de factores de transcripción (TF) y señales de pares ligando-receptor (LR) de células vecinas.

• Arquitectura del Modelo:

  • Codificador (Encoder): Utiliza una capa de atención auto-atención (self-attention) simplificada. Genera incrustaciones (embeddings) por célula modulando matrices de incrustación globales con pesos dependientes de la expresión génica. Esto permite capturar tanto la afinidad molecular global como la actividad regulatoria específica del contexto celular.
  • Decodificador (Decoder): Predice la expresión de los genes diana en el siguiente paso temporal ($t+1$) utilizando las señales de TF y LR de pasos anteriores ($t-k$ a $t$).
  • Mecanismo de Atención: La arquitectura calcula puntuaciones de atención que representan la influencia regulatoria. Estas puntuaciones se interpretan directamente como relaciones causales putativas (Granger causality), permitiendo inferir:
    1. Interacciones TF $\to$ TG (Regulación intracelular).
    2. Interacciones LR $\to$ TG (Efectos de señalización extracelular).
    3. Emparejamientos Ligando-Receptor (LR) basados en su influencia transcripcional conjunta.

• Proceso de Inferencia:

  1. Muestreo de Trayectorias: Se muestrean trayectorias celulares a lo largo del pseudotiempo utilizando grafos de vecinos más cercanos (kNN).
  2. Entrenamiento: Se minimiza el error cuadrático medio entre la expresión predicha y la observada, con regularización $L_1$ para fomentar la esparsidad y la interpretabilidad de las redes.
  3. Reconstrucción de Redes: Tras el entrenamiento, se extraen las matrices de atención y las similitudes de incrustaciones globales para reconstruir las redes dinámicas de señalización y regulación a resolución de célula única.

3. Contribuciones Clave

1. Marco Causal Temporal: Propone un modelo que integra el contexto espacial con trayectorias de pseudotiempo para capturar la dinámica de señalización intra e intercelular, superando la limitación de los métodos estáticos.
2. Reconstrucción sin Vías Predefinidas (Pathway-free): SpaTRACE puede inferir redes de señalización de múltiples capas (unión LR, efectos LR-TG y regulación TF-TG) directamente desde los datos, sin depender de bases de datos de pares LR curadas, lo que facilita el descubrimiento de interacciones novedosas.
3. Resolución a Nivel de Célula Única: Proporciona una estimación de la actividad regulatoria y la fuerza de interacción para cada célula individual, permitiendo la reconstrucción de redes de comunicación célula-célula (CCC) espacialmente resolutas.

4. Resultados y Evaluación

El rendimiento de SpaTRACE se evaluó mediante datos sintéticos y conjuntos de datos biológicos reales:

• Datos Sintéticos:

  • En tareas de inferencia de CCC, SpaTRACE superó consistentemente a métodos existentes (COMMOT, SpaTalk, CellPhoneDB), especialmente en escenarios ruidosos donde las anotaciones de LR estaban perturbadas (AUPRC de 0.831 vs 0.589 para COMMOT en el Dataset 1).
  • En la inferencia de GRN, logró las puntuaciones AUPRC más altas (0.967 y 0.903), superando significativamente a GENIE3, GRNBoost2 y Velorama.

• Conjunto de Datos MOSTA (Desarrollo del Mesencéfalo de Ratón):

  • Validación Biológica: SpaTRACE identificó con precisión pares LR y TF asociados a la diferenciación de células gliales radiales (RGC) en neuroblastos y glioblastos.
  • Hallazgos Específicos: Detectó interacciones clave como PTN-EPHB1, PTN-CD44 y TGFB3-LRP6, que mostraron una fuerte actividad en RGCs y disminuyeron en etapas posteriores, coincidiendo con su papel en la especificación del linaje neuronal. También recuperó reguladores conocidos como OTX2 y ASCL1.
  • Robustez: El modelo demostró ser robusto frente a diferentes herramientas de inferencia de trayectorias (DPT, Slingshot, Monocle3), manteniendo un alto rendimiento de precisión temprana (EPR).

• Regeneración del Cerebro de Ajolote:

  • Aplicado a un sistema biológico menos caracterizado, SpaTRACE identificó dinámicas de señalización específicas de la etapa de regeneración (2-20 días post-lesión), incluyendo interacciones candidatas no anotadas en bases de datos de ratón/humano, como pares asociados a VIM y PSAP.

5. Significado e Impacto

SpaTRACE representa un avance significativo en la bioinformática espacial al cerrar la brecha entre la señalización extracelular y la regulación transcripcional intracelular en contextos dinámicos.

• Descubrimiento de Nuevas Biologías: Al no depender de bases de datos curadas, permite descubrir interacciones de señalización en especies no modelo o en contextos patológicos donde el conocimiento previo es limitado.
• Interpretabilidad: La arquitectura basada en atención ofrece una interpretación directa de las relaciones causales inferidas, facilitando la validación experimental.
• Aplicabilidad: Su capacidad para manejar datos espaciotemporales lo convierte en una herramienta esencial para estudiar procesos complejos como el desarrollo embrionario, la regeneración de tejidos y la progresión de enfermedades, donde la dinámica temporal y la proximidad espacial son críticas.

En resumen, SpaTRACE ofrece un enfoque unificado y potente para reconstruir redes biológicas dinámicas a partir de datos de transcriptómica espacial, superando las limitaciones de los métodos actuales basados en correlaciones estáticas y conocimientos previos.