Single-cell foundation models predict durable CAR T response despite imperfect cell annotation

Resumen Técnico: Los modelos fundacionales de célula única predicen la respuesta duradera de las células CAR T a pesar de una anotación celular imperfecta

Planteamiento del problema
La terapia de células T con receptor de antígeno quimérico (CAR) dirigido contra CD19 logra altas tasas de respuesta inicial en la leucemia linfoblástica aguda pediátrica (B-ALL), sin embargo, aproximadamente la mitad de los pacientes recaen en un año. La duración de la aplasia de células B (BCA) post-infusión sirve como un surogato farmacodinámico validado para la persistencia de las CAR T. Aunque la secuenciación de ARN de célula única (scRNA-seq) de los productos CAR T pre-infusión contiene información predictiva sobre la persistencia a largo plazo, la extracción de esta información requiere tradicionalmente una bioinformática altamente sofisticada y personalizada, además de una anotación celular experta. Esta dependencia de la anotación manual limita la reproducibilidad y la traslación clínica. Además, no está claro si los modelos fundacionales de célula única (scFMs) —redes basadas en transformadores de gran escala preentrenadas en millones de células— pueden generalizarse a los productos CAR T diseñados y estimulados por antígenos, los cuales representan un cambio de distribución significativo respecto a las células de sangre periférica en reposo utilizadas típicamente en los corpora de preentrenamiento.

Metodología
El estudio evaluó cuatro scFMs distintos: scGPT (transformador generativo), scFoundation (autoencoder enmascarado), CellPLM (modelo de lenguaje celular) y UCE (embeddings universales de células utilizando representaciones génicas derivadas de modelos de lenguaje de proteínas).

1. Conjuntos de datos:

   • Referencia: Un atlas de células mononucleares de sangre periférica (PBMC) sanas (48,530 células, 31 poblaciones anotadas) utilizado para el benchmarking zero-shot y las referencias de ajuste fino (fine-tuning).
   • Cohorte Primaria: Productos CAR T pre-infusión de 33 pacientes con B-ALL pediátrica (231,088 células) de dos ensayos clínicos. Los productos fueron perfilados bajo condiciones basales y bajo estimulación con CD19. Los pacientes fueron estratificados en tres grupos basados en la duración de la BCA: BCA1 (corta, n=17), BCA2 (intermedia, n=11) y BCA-L (larga duración sostenida, n=5).
   • Post-infusión: Un conjunto de datos de un solo paciente post-infusión (9,525 células) para probar la generalización de contexto cruzado.

2. Flujo de trabajo:

   • Anotación: Los modelos se aplicaron en modo zero-shot y, para scGPT y scFoundation, tras el ajuste fino en la partición de donantes sanos. La anotación del tipo de célula se realizó mediante mapeo de k-vecinos más cercanos (k-NN) en el espacio de embedding aprendido utilizando FAISS.
   • Métricas de desempeño: La precisión de la anotación se midió mediante puntuaciones F1 ponderadas.
   • Predicción Clínica: Las proporciones de tipos celulares a nivel de paciente derivadas de las anotaciones de scFM se utilizaron como características para un clasificador de regresión logística para predecir la probabilidad de una BCA sostenida (BCA-L vs. no sostenida).
   • Validación: Se utilizó validación cruzada de dejar uno fuera (LOOCV) para evaluar el desempeño predictivo. La significancia estadística de los biomarcadores se determinó mediante pruebas de permutación (1,000 aleatorizaciones de etiquetas).

Resultados Clave

• Desempeño de la Anotación y Cambio de Dominio:

  • En PBMCs sanas, los cuatro modelos lograron puntuaciones F1 ponderadas >0.84 en modo zero-shot, con alta precisión para poblaciones abundantes pero un desempeño pobre en subconjuntos raros.
  • La aplicación de los modelos a productos CAR T diseñados resultó en una penalización sistemática de la precisión, con puntuaciones F1 ponderadas que descendieron entre 0.21 y 0.25 unidades en comparación con las PBMCs.
  • La estimulación con CD19 impuso una penalización adicional (caída de 0.10–0.26 en F1), lo que indica que los estados transcripcionales inducidos por activación están subrepresentados en los datos de preentrenamiento.
  • El ajuste fino mejoró el desempeño de scGPT pero disminuyó ligeramente el de scFoundation, aunque ninguno recuperó totalmente la precisión de las PBMCs.
  • Fallos Sistemáticos: Todos los modelos fallaron consistentemente en identificar las células T reguladoras CD4+ (Treg) (F1 ≈ 0.00) y los subconjuntos de CD8+ agotados post-infusión, independientemente de la arquitectura o el ajuste fino.

• Predicción Clínica a pesar de la Anotación Imperfecta:

  • A pesar de la reducción en la precisión de anotación por célula, las proporciones de tipos celulares derivadas de scFM estratificaron con éxito a los pacientes con BCA de larga duración (BCA-L) de los grupos no sostenidos.
  • El área bajo la curva ROC (AUC) de la LOOCV fue de 0.879 (IC 95%: 0.742–0.986) utilizando datos estimulados con CD19.
  • Descubrimiento de Biomarcadores: Las células CD8+ XCL1/2+ fueron la única población identificada consistentemente como un predictor significativo de persistencia duradera en ambos modelos, scGPT y scFoundation, bajo estimulación con CD19.
  • Superioridad sobre la Anotación Experta: Para varios tipos de células (p. ej., CD4+ Th2/Th9/Th17, CD4+ memoria), las proporciones derivadas de scFM superaron a las proporciones derivadas de las anotaciones manuales originales de expertos en poder discriminativo (p. ej., ΔAUC = +0.25 para Th2/Th9/Th17). Esto sugiere que los embeddings de scFM capturan la variación transcripcional continua que queda oscurecida por las etiquetas categóricas discretas.
  • Estado de Estimulación: Los biomarcadores difirieron entre las condiciones basales y estimuladas. Las células CD8+ XCL1/2+ y las células CD8+ ingenuas (naïve) fueron predictivas en ambos casos, mientras que las poblaciones proliferativas fueron significativas solo en las muestras basales.

• Generalización de Contexto Cruzado:

  • En los datos in vivo post-infusión, los modelos mostraron una generalización dependiente de la arquitectura. CellPLM fue el que mejor desempeño tuvo (F1=0.72), mientras que UCE colapsó (F1=0.51), asignando la mayoría de las células a una sola población.
  • Los estados de células T agotadas permanecieron sistemáticamente inidentificables en todas las arquitecturas en el entorno post-infusión.

Contribuciones Clave

1. Demostración de Robustez: El estudio establece que los scFMs pueden extraer señales clínicamente accionables de los productos de terapia celular CAR T a pesar de cambios de dominio significativos y una anotación por célula imperfecta.
2. Identificación de Biomarcadores: Identifica a las células CD8+ XCL1/2+ como un biomarcador reproducible y transversal a los modelos asociado con la persistencia duradera de las CAR T, vinculándolo con el reclutamiento de las células dendríticas cDC1 XCR1+.
3. Desacoplamiento de Anotación vs. Predicción: El trabajo desafía la suposición de que una anotación celular perfecta es un prerrequisito para una predicción clínica precisa, mostrando que las proporciones agregadas por cohorte pueden promediar el ruido de anotación para preservar la señal descendente.
4. Agente de Soporte de Decisiones Clínicas: Los autores desarrollaron y lanzaron un agente de IA localmente desplegable que automatiza el flujo de trabajo desde los datos de scRNA-seq hasta la predicción de riesgo a nivel de paciente, demostrando la viabilidad para la traslación clínica.
5. Limitaciones de Benchmarking: El estudio destaca brechas críticas en los scFMs actuales, específicamente su incapacidad para identificar los estados de células T reguladoras y agotadas, argumentando por la inclusión deliberada de estos estados de activación por enfermedad en los corpora de preentrenamiento de próxima generación.

Significancia y Reivindicaciones
El artículo sostiene que, si bien los scFMs actuales aún no son perfectos para la anotación por célula en contextos de terapia celular diseñada, sus embeddings portan suficiente señal fenotípica para apoyar la estratificación clínica a nivel de cohorte. Los autores postulan que la "prueba correcta" para la traslación clínica no es el benchmark de integración estándar o la precisión por célula, sino la capacidad de las representaciones para portar señal relevante del fenotipo en tareas descendentes bajo un cambio de dominio.

El estudio enmarca sus hallazgos de manera modesta como una prueba de concepto. Reconoce que la cohorte BCA-L es pequeña (n=5), lo que resulta en intervalos de confianza amplios, y que la comparación contra la anotación experta es un benchmark dentro del mismo conjunto de datos que requiere validación ortogonal (p. ej., citometría de flujo). Los autores enfatizan que el agente de soporte de decisiones es actualmente un prototipo que requiere validación prospectiva en cohortes más grandes y multicéntricas antes de su despliegue clínico rutinario. Concluyen que los futuros scFMs destinados a la terapia celular deben ser entrenados con datos que incluyan explícitamente los estados inmunológicos reguladores y agotados para superar los fallos sistemáticos actuales.