GeneRhythm uncovers gene expression rhythms that shape the dynamic transcriptional landscape in single-cell omics

Resumen Técnico de GeneRhythm

Planteamiento del Problema
Los programas dinámicos de expresión génica impulsan el desarrollo y la enfermedad, sin embargo, los marcos analíticos actuales de célula única operan predominantemente en el dominio del tiempo. Estos métodos convencionales capturan cambios en la magnitud de la expresión y la similitud de las trayectorias, pero no logran resolver cómo esos cambios se organizan rítmicamente. En consecuencia, los programas reguladores que difieren en periodicidad, fase o dinámica multiescala suelen parecer indistinguibles si comparten tendencias generales similares. Esta limitación oscurece dimensiones fundamentales de la regulación génica, al confundir distintos mecanismos reguladores que poseen estructuras rítmicas diferentes pero trayectorias en el dominio del tiempo similares.

Metodología
Los autores presentan GeneRhythm, un marco que reformula la expresión génica en el dominio tiempo-frecuencia para modelar explícitamente la estructura rítmica como una dimensión primaria de la regulación génica. El flujo de trabajo procede a través de las siguientes etapas:

1. Reconstrucción de Trayectorias e Interpolación: Los datos de célula única (scRNA-seq, scATAC-seq, transcriptómica espacial) se procesan para inferir trayectorias celulares (por ejemplo, usando Monocle3). La expresión génica se agrega en puntos de control (milestones) y se suaviza mediante interpolación de splines cúbicos para generar señales continuas en el dominio del tiempo.
2. Transformación Tiempo–Frecuencia: Las señales continuas se someten a una Transformada de Wavelet Continua (CWT) utilizando una wavelet de tipo "Mexican hat". Esto genera mapas tiempo-frecuencia ($W(a, b)$) que preservan la localización temporal y capturan patrones oscilatorios a través de múltiples escalas, definiendo un "perfil rítmico" para cada gen.
3. Aprendizaje de Representación Profunda: Una arquitectura de red neuronal profunda de múltiples ramas integra tres conjuntos de características:
   • $X_c$: Expresión génica a través de las células.
   • $X_t$: Características dinámicas en el dominio del tiempo (derivadas de la trayectoria).
   • $X_f$: Características rítmicas en el dominio de la frecuencia (derivadas de la wavelet).
     Las Redes Convolucionales de Grafos (GCN) incorporan prioris de Interacción Proteína-Proteína (PPI) para propagar la información rítmica a través de las redes regulatorias. Un marco de Autoencoder Variacional (VAE) aprende una incrustación (embedding) de gen unificada en el espacio latente que captura la magnitud de la expresión, la progresión temporal y la estructura resuelta en frecuencia.
4. Funcionalidades Principales:
   • Agrupamiento Rítmico (Rhythmic Clustering): Los genes se agrupan basándose en una organización rítmica compartida en el espacio latente, independientemente de la forma de la trayectoria en el dominio del tiempo.
   • Identificación de Genes Rítmicamente Diferenciales (DRG): Pruebas estadísticas (t-test sobre perfiles de frecuencia) identifican cambios rítmicos específicos de la condición, incluso cuando las diferencias en la expresión media son insignificantes.
   • Perturbación Rítmica In Silico: El marco simula perturbaciones de genes o vías dentro del espacio latente del dominio de la frecuencia. Cuantifica el desplazamiento de las representaciones del estado de enfermedad hacia los estados de control para priorizar reguladores cuyo impacto funcional está codificado en la estructura rítmica.
   • Sonificación Génica: La dinámica resuelta en frecuencia se traduce en partituras musicales estructuradas (MIDI), mapeando las escalas de la wavelet al tono (pitch) y la amplitud a la densidad de notas, proporcionando una modalidad interpretable para el análisis exploratorio.

Resultados Clave

• Agrupamiento Rítmico: En conjuntos de datos de sangre embrionaria de ratón y de la cresta neural, GeneRhythm identificó módulos de genes coherentes en el espacio de frecuencia a pesar de tener trayectorias divergentes en el dominio del tiempo. Los grupos de alta frecuencia se enriquecieron para la señalización inmunitaria y programas regulatorios rápidos, mientras que los grupos de baja frecuencia se alinearon con el mantenimiento del desarrollo y funciones de mantenimiento (housekeeping). Al realizar comparaciones contra scNET, scSTEM, Clust y WGCNA, GeneRhythm demostró métricas de agrupamiento geométrico superiores (Calinski–Harabasz, Davies–Bouldin, Dunn, Silhouette) y una mayor coherencia biológica a nivel de vía.
• Descubrimiento de Ritmos Diferenciales: A través de conjuntos de datos de exposición al arsénico, COVID-19 y diabetes, el análisis de DRG identificó marcadores rítmicos específicos de la enfermedad que fueron omitidos por el análisis convencional de expresión diferencial (DEG). Por ejemplo, en células expuestas al arsénico, el marcador Maml2 mostró una reorganización rítmica distinta sin cambios significativos en la expresión media. Del mismo modo, KLRF1 en COVID y THRAP3 en diabetes exhibieron fenotipos rítmicos estructurados invisibles para los métodos estándar de DEG.
• Aplicaciones Multi-Ómicas y Espaciales: En transcriptómica espacial (corteza prefrontal dorsolateral humana), el análisis rítmico distinguió direcciones espaciales de "Capas Cruzadas" (Cross Layers) frente a "Capas Intra" (Intra Layers), revelando marcadores corticales como GLYAT que eran indetectables mediante comparaciones de expresión estática. En datos pareados de scATAC-seq y scRNA-seq, el marco identificó genes "preparados" (primed) donde la accesibilidad de la cromatina mostró señales rítmicas diferenciales que preceden a los cambios transcripcionales.
• Perturbación y Relevancia Clínica: La perturbación in silico en conjuntos de datos de COVID y adenocarcinoma ductal pancreático (PDAC) identificó candidatos terapéuticos (ej. Azeliragon, Gemcitabine) y vías que no fueron priorizadas por los métodos basados en la expresión. En PDAC, los genes identificados de forma única mediante la perturbación en el dominio de la frecuencia mostraron una estratificación pronóstica (análisis de supervivencia) significativamente más fuerte en comparación con aquellos identificados por la perturbación convencional no basada en la frecuencia.

Significancia y Reivindicaciones
El artículo sostiene que GeneRhythm establece la estructura rítmica definida por el dominio de la frecuencia como una dimensión fundamental de la regulación génica, previamente no modelada. Al cambiar del dominio del tiempo al de tiempo-frecuencia, el marco:

1. Revela Programas Regulatorios Ocultos: Revela programas transcripcionales relevantes para la enfermedad y módulos regulatorios que son invisibles para los análisis convencionales del dominio del tiempo porque difieren en periodicidad o fase en lugar de magnitud.
2. Proporciona una Base Analítica General: El enfoque se generaliza a través de diversas modalidades (scRNA-seq, scATAC-seq, transcriptómica espacial) y contextos biológicos (desarrollo, enfermedad), ofreciendo una base unificada para analizar, comparar y perturbar programas regulatorios dinámicos.
3. Permite Obtener Información Accionable: A través de la perturbación rítmica in silico y la sonificación, el marco traduce la compleja dinámica del dominio de la frecuencia en representaciones interpretables, vinculando la sensibilidad rítmica con dianas terapéuticas, el enriquecimiento de vías y los resultados clínicos.

Los autores posicionan a GeneRhythm no como un reemplazo para las herramientas existentes, sino como una lente complementaria que resuelve sistemáticamente la estructura regulatoria que se pierde por la similitud de trayectorias y las comparaciones de expresión media, reduciendo así la ambigüedad al alinear los hallazgos de la dinámica regulatoria con los mecanismos biológicos.