scEPS integrates genetic and single-cell disease atlas data to provide granular mechanistic insights into complex human diseases

Resumen Técnico de "scEPS integra datos de atlas de enfermedades de célula única y genéticos para proporcionar información mecánica granular sobre enfermedades humanas complejas"

Planteamiento del problema
La integración de los datos de estudios de asociación de genoma completo (GWAS) con datos de resolución de célula única ofrece un potencial significativo para priorizar la biología causal de las enfermedades. Sin embargo, los métodos integrativos existentes típicamente evalúan el enriquecimiento de las señales de GWAS (por ejemplo, genes o variantes priorizados) dentro de tipos celulares o células individuales sin modelar directamente los fenotipos de la enfermedad de los donantes representados en los datos de célula única. En consecuencia, sigue siendo un desafío distinguir los procesos biológicos causales ascendentes de las respuestas de la enfermedad descendentes, o identificar poblaciones celulares específicas donde la expresión de los genes priorizados por GWAS se traduce directamente en diferencias en los fenotipos de la enfermedad entre pacientes.

Metodología: scEPS
Los autores desarrollaron estadísticas de explicabilidad de la expresión de célula única (scEPS), un método diseñado para identificar "vecindarios celulares" (pequeños grupos de células con perfiles transcripcionales similares) donde la expresión de los genes asociados a enfermedades explicados una mayor varianza en el fenotipo de la enfermedad que los genes de control seleccionados al azar y emparejados por expresión media.

• Definición de vecindario celular: scEPS define vecindarios anclados en células individuales utilizando un grafo de k-vecinos más cercanos (k-NN). Emplea un enfoque de paseo aleatorio para determinar el tamaño y la composición del vecindario, asegurando contribuciones equilibradas de todos los donantes mientras se adapta a la escasez local del grafo.
• Modelo estadístico: Para cada vecindario, scEPS modela el fenotipo de la enfermedad como una función lineal de la expresión pseudo-bulk de tres conjuntos de genes:
  1. Genes priorizados por GWAS (seleccionados mediante MAGMA con FDR < 0.05).
  2. Genes de control seleccionados al azar y emparejados por expresión media.
  3. Genes restantes no pertenecientes a GWAS/control.
• El estadístico $d$: La métrica central es el estadístico $d$, definido como la diferencia entre la varianza de la enfermedad explicada por cada gen de GWAS ($\omega_{GWAS}$) y la varianza explicada por cada gen de control ($\omega_{control}$). Un vecindario se considera asociado a la enfermedad si $d > 0$.
• Aplicación de PRS: Al aplicarse a las puntuaciones de riesgo poligénico (PRS) de donantes controles sanos, scEPS captura la covarianza genética entre la expresión génica y la enfermedad. Este enfoque mitiga la causalidad inversa (donde el estado de la enfermedad altera la expresión génica) y prioriza las poblaciones celulares que probablemente median los efectos de los genes de GWAS.
• Validación: El rendimiento del método fue validado mediante extensas simulaciones (escenarios nulos totales, semi-nulos y causales) utilizando datos de microglía y macrófagos perivasculares, demostrando estimaciones insesgadas y estadísticos de prueba bien calibrados.

Resultos clave
Los autores aplicaron scEPS a 4 trastornos neurológicos (Estado Cognitivo/AD, AD PRS, MS PRS, PD PRS) y 4 trastornos respiratorios (IPF, IPF PRS, COPD PRS, FEV1/FVC PRS), integrando atlas de célula única de cerebro (SEA-AD) y pulmón (TGen) con sus correspondientes estadísticas de resumen de GWAS.

• Poder de descubrimiento: scEPS identificó significativamente más poblaciones celulares asociadas a enfermedades que los métodos existentes. Específicamente, detectó 1.77× más asociaciones significativas que un enfoque basado en la abundancia de vecindarios celulares (CNA) y 5.13× más que scDRS.
• Granularidad y novedad:
  • Neurológico: scEPS recapituló asociaciones conocidas (por ejemplo, microglía/astrocitos en Estado Cognitivo) y descubrió vínculos novedosos, como las células progenitoras de oligodendrocitos (OPC) en Estado Cognitivo y AD PRS.
  • Respiratorio: Identificó asociaciones entre pericitos/células AT2 e IPF, y células maestras con los PRS de IPF/COPD.
• Estados activos vs. subclínicos: Un hallazgo crítico fue la limitada concordancia entre los análisis de diagnósticos clínicos (enfermedad activa) y sus respectivos PRS (preclínico/asintomático).
  • Para la enfermedad de Alzheimer, el análisis de Estado Cognitivo resaltó la microglía-PVM y las vías inmunes, mientras que el análisis de AD PRS resaltó tipos celulares neuronales y vías de metabolismo del ARN.
  • Para la IPF, el análisis de PRS mostró mayores asociaciones con células inmunes y epiteliales en comparación con el análisis de diagnóstico clínico.
• Información biológica: El análisis de enriquecimiento de conjuntos de genes (GSEA) reveló procesos biológicos distintos. Por ejemplo, el Estado Cognitivo se vinculó con la regulación de células T, mientras que el AD PRS se vinculó con el metabolismo del ARN. Los trastornos respiratorios mostraron procesos relacionados con la ECM compartidos, pero distintas vías de inmunidad y contracción muscular dependiendo del fenotipo.
• Comparación de métodos: Las comparaciones con CNA* (varianza explicada por la abundancia celular) y scDRS (sobreexpresión de genes de GWAS) revelaron que diferentes métodos priorizan diferentes tipos celulares. Aunque hubo superposición (por ejemplo, microglía en CS), cada método también identificó subconjuntos únicos, lo que sugiere que la expresión diferencial, la proporción diferencial y la expresión específica capturan distintos aspectos de la biología de la enfermedad.

Significancia y afirmaciones
El artículo afirma que scEPS proporciona una comprensión más granular y mecánica de las enfermedades humanas complejas al modelar explícitamente la relación entre la expresión génica y los fenotipos de la enfermedad a nivel de vecindario celular.

• Diferenciación de etapas de la enfermedad: El estudio demuestra que las etapas activas/sintomáticas y las etapas preclínicas/asintomáticas involucran mecanismos biológicos y poblaciones celulares distintas. Esta distinción es crucial para el desarrollo terapéutico, ya que las intervenciones dirigidas a la biología preclínica pueden diferir de aquellas dirigidas a la inflamación sintomática.
• Información complementaria: Los autores argumentan que ninguna métrica de asociación de enfermedad (varianza de expresión, abundancia celular o sobreexpresión) es suficiente, y las discrepancias observadas entre scEPS, CNA* y scDRS subrayan la necesidad de integrar perspectivas complementarias para una comprensión holística de la biología de la enfermedad.
• Robustez: Se muestra que el método es robusto a la especificación incorrecta del modelo, la variación en el tamaño de los conjuntos de genes y la escasez de datos, proporcionando un marco estadísticamente riguroso para interpretar los atlas de enfermedades de célula única en el contexto del riesgo genético.

Los autores concluyen que, si bien scEPS ofrece mejoras sustanciales en la identificación de tipos celulares y procesos asociados a enfermedades, forma parte de un conjunto de herramientas más amplio donde la integración de múltiples perspectivas analíticas produce los conocimientos biológicos más completos.