What Drives GNN Performance in Tissue Dynamics? Insights from Vertex-Model Simulations

Resumen Técnico: Un Benchmark In Silico Controlado para la Predicción de la Dinámica de Tejidos mediante GNN

Planteamiento del Problema
Comprender la dinámica de los tejidos, particularmente la remodelación epitelial durante la morfogénesis y la cicatrización de heridas, requiere modelar cómo los cambios mecánicos y bioquímicos locales se propagan a través de una red de contacto celular. Si bien las Redes Neuronales de Grafos (GNN) ofrecen un enfoque prometedor para aprender mediciones de tejido con estructura de grafo, evaluar su eficacia se ve dificultado por las limitaciones de los datos experimentales: los conjuntos de datos suelen ser pequeños, ruidosos y específicos de cada sistema. Esta variabilidad dificulta aislar si el rendimiento del modelo se debe a la superioridad arquitectónica, la disponibilidad de características o regímenes tisulares específicos. Además, los estudios existentes suelen confundir el descubrimiento de eventos (predecir cuándo y dónde ocurre un evento de remodelación) con la predicción de la respuesta condicional (predecir el resultado geométrico dado un cambio conocido). Existe una falta de benchmarks controlados que puedan variar sistemáticamente la geometría del tejido, la mecánica y las características de entrada para diagnosticar los impulsores específicos del rendimiento de las GNN en la remodelación de tejidos.

Metodología
Los autores introducen un benchmark in silico controlado basado en un modelo de vértices 2D de tejidos epiteliales confluentes. La tarea central es un problema de regresión de estado completo: dado una representación de grafo de un tejido y una perturbación topológica local especificada (una transición T1, o intercambio de vecinos celulares), predecir las longitudes relajadas post-evento de todas las interfaces célula-célula.

• Protocolo de Simulación: Los tejidos se generan utilizando un modelo de vértices donde las configuraciones celulares minimizan un funcional de energía que penaliza las longitudes de las aristas y las desviaciones de un área celular preferida. Para generar diversos estados pre-T1, el sistema experimenta una etapa de "fusión" con ruido activo (simulando fluctuaciones estocásticas de actomiosina) seguida de un enfriamiento (quench) a un estado pasivo. Luego, se impone una única transición T1 en una interfaz aleatoria y el sistema se relaja hacia un nuevo equilibrio mecánico.
• Conjunto de Datos: El benchmark comprende 32 cohortes de simulaciones (1,632 grafos de tejido únicos), variando los niveles de ruido activo para controlar el desorden del tejido (cuantificado por la hexagonalidad). El conjunto de datos se divide en conjuntos de entrenamiento, validación y prueba basados en los niveles de ruido para asegurar la cobertura del espacio de parámetros.
• Arquitecturas: Se comparan cinco arquitecturas de GNN:
  • Redes de Paso de Mensajes (MPNNs): GraphSAGE, Red de Atención de Grafos (GAT), Red de Isomorfismo de Grafos (GIN) y Agregación de Vecindad Principal (PNA).
  • Red de Orden Superior: Redes de Grafos Probablemente Poderosas (PPGN), que operan sobre representaciones de pares nodo-nodo para capturar motivos de conectividad global.
• Variables Experimentales: El estudio varía sistemáticamente:
  • Tamaño del conjunto de entrenamiento (1 a 32 cohortes).
  • Características de entrada (con características de arista vs. solo topología).
  • Regímenes mecánicos (coeficiente de elasticidad de área, cizallamiento global).
  • Propiedades del tejido (tamaño, desorden/hexagonalidad).
  • Complejidad de la perturbación (eventos T1 simples vs. dobles).
• Métricas: El rendimiento se evalúa mediante el Error Absoluto Medio (MAE) normalizado contra una "línea base de identidad" (que predice las longitudes post-T1 iguales a las longitudes pre-T1). La métrica es una relación logarítmica ($\log_2(\text{Error del Modelo} / \text{Error de Identidad})$), donde los valores negativos indican una mejora sobre la línea base. La resolución espacial se mantiene analizando el error como una función de la distancia de "salto" (hop) topológico desde el evento T1.

Contribuciones Clave y Resultados

1. Eficiencia de Muestreo y Clasificación de Arquitecturas:

   • En el régimen con características de arista (donde se proporcionan las longitudes pre-T1), PNA y PPGN demostraron una eficiencia de muestreo superior, superando la línea base de identidad con tan solo 41 grafos de entrenamiento.
   • GraphSAGE y GIN requirieron conjuntos de datos más grandes (81+ grafos) para superar la línea base, mientras que GAT tuvo dificultades constantes para superar la línea base de identidad en todos los tamaños de dataset.
   • A medida que el tamaño del dataset aumentaba, GraphSAGE y PNA alcanzaron un rendimiento óptimo comparable, lo que sugiere que la eficiencia de muestreo es un diferenciador crítico en regímenes de bajos datos comunes en biología.

2. El Modo de Fallo "Predecir-o-Copiar":

   • Los autores identificaron un modo de fallo específico donde los modelos, particularmente PPGN y las MPNNs en saltos distales (lejos de la perturbación), dejaron de predecir cambios geométricos y en su lugar copiaron las longitudes de las aristas pre-T1.
   • Experimentos contrafácticos confirmaron que esto era una copia literal de la entrada: modificar la longitud de entrada pre-T1 resultaba en un desplazamiento proporcional en la predicción, alejándola de la verdad de campo (ground truth).
   • Estudios de ablación revelaron que en las MPNNs, este comportamiento es impulsado por el acceso directo a los atributos de arista crudos en la cabeza de regresión final. En PPGN, el comportamiento persiste incluso cuando se elimina este acceso directo, lo que sugiere que el modelo codifica la información de longitud internamente a través de representaciones ocultas de pares.

3. Importancia de las Características Geométricas:

   • En un régimen de "solo topología" (donde se retienen las longitudes pre-T1 y la etiqueta de la interfaz T1 específica), todas las arquitecturas sufrieron una caída drástica en el rendimiento. Ninguna pudo recuperar la precisión alcanzada por los modelos con características de arista entrenados con conjuntos de datos pequeños, incluso con los conjuntos de datos de solo topología más grandes.
   • Esto resalta que la información métrica explícita (longitud de arista) no es meramente un potenciador de rendimiento, sino un prerrequisito para el aprendizaje eficiente de la geometría relajada del tejido en este contexto.

4. Dependencia de la Estructura y Mecánica del Tejido:

   • Desorden del Tejido: La precisión de la predicción correlacionó fuertmente con la hexagonalidad. Los tejidos ordenados (alta hexagonalidad) fueron más fáciles de predecir, mientras que los tejidos desordenados aumentaron el error.
   • Régimen Mecánico: Cambiar el coeficiente de elasticidad de área o aplicar cizallamiento global alteró la clasificación de las arquitecturas. Por ejemplo, PPGN se mantuvo robusto ante la variación de la elasticidad, mientras que el rendimiento de GraphSAGE se degradó significativamente a medida que la elasticidad disminuía.
   • Tamaño del Tejillo: Los tejidos más grandes aumentaron el peso relativo de los errores de campo lejano en los promedios de grafo, revelando que el rendimiento del modelo es sensible a la extensión espacial del problema de predicción.

5. Consistencia Geométrica:

   • El estudio analizó si las longitudes de arista predichas podían integrarse en un diseño de tejido 2D consistente. Aunque el error de predicción correlacionó con el error de reconstrucción de la incrustación (embedding), la relación entre el error de incrustación y el error de predicción varió según la arquitectura. PPGN produjo los campos más consistentes geométricamente (menor ratio), lo que sugiere que sus representaciones de pares preservan mejor las restricciones métricas.

Significancia y Reivindicaciones
El artículo afirma proporcionar un entorno de prueba reproducible y controlado para diagnosticar el comportamiento de las GNN en la remodelación de tejidos, yendo más allá de las métricas simples de precisión para analizar por qué los modelos tienen éxito o fallan.

• Rendimiento Dependiente del Contexto: Los autores argumentan que no existe una arquitectura "mejor" universal para la predicción de tejidos; el rendimiento es condicional a la disponibilidad de características, el tamaño del dataset y el régimen mecánico específico del tejido.
• Valor Diagnóstico de los Benchmarks: El benchmark revela comportamientos ocultos, como la estrategia de "predecir-o-copiar", que serían enmascarados por los errores promedio de grafo. Demuestra que una alta precisión puede provenir de atajos triviales (copiar entradas) en lugar de aprender leyes físicas complejas.
• Necesidad de Características: Los resultados sugieren que para que las GNN aprendan la dinámica de los tejidos de manera efectiva a partir de datos limitados, las pistas geométricas explícitas (como las longitudes de las aristas) son esenciales, distinguiendo la computabilidad teórica de la capacidad de aprendizaje práctica.
• Direcciones Futuras: Los autores posicionan este trabajo como una línea base para futuras aplicaciones a datos vivos. Sugieren que los futuros benchmarks deberían expandir las representaciones de entrada para incluir marcadores biológicos (por ejemplo, polaridad, localización de proteínas) e incorporar la cuantificación de la incertidumbre para manejar la estocasticidad de los tejidos vivos. El estudio enfatiza que los controles de consistencia geométrica son necesarios para asegurar que las predicciones sean físicamente realizables.

En resumen, el artículo establece que el rendimiento de las GNN en la dinámica de tejidos está gobernado por una compleja interacción entre la arquitectura, el régimen de datos y la física del tejido, y proporciona un marco para desentrañar estos factores para guiar el desarrollo de modelos biológicos más robustos.