Résumé technique : ContextFlow

Énoncé du problème

L'inférence de trajectoires cellulaires à partir de données omiques longitudinales et spatialement résolues est cruciale pour comprendre la dynamique tissulaire lors du développement, de la régénération et des maladies. Cependant, les technologies de profilage sont destructrices, ne fournissant que des instantanés non appariés et transversaux à des points discrets dans le temps, plutôt que des trajectoires continues. Bien que des cadres récents de matching de flux (FM) aient émergé comme modèles génératifs efficaces pour apprendre des dynamiques latentes continues, les approches les plus avancées reposant sur des couplages de transport optimal (OT) font face à une limitation majeure : elles déterminent les transitions cellule-à-cellule uniquement sur la base de la similarité transcriptomique.

Cette dépendance exclusive à la similarité transcriptomique conduit souvent à des transitions biologiquement peu plausibles. Par exemple, les plans OT peuvent coupler des cellules ayant des fonctions biologiques distinctes (par exemple, des neurones inhibiteurs et excitatoires) simplement parce que leurs profils d'expression génique sont statistiquement similaires à un instant donné. De telles erreurs se propagent dans le champ de vitesse appris, entraînant des dynamiques inférées globalement incohérentes et biologiquement irréalistes. Les méthodes existantes ne parviennent pas à exploiter pleinement la richesse contextuelle de la transcriptomique spatiale, telle que l'organisation tissulaire locale et les motifs de communication ligand-récepteur, pour contraindre ces transitions.

Méthodologie : ContextFlow

Les auteurs proposent ContextFlow, un cadre de matching de flux conscient du contexte qui intègre des priors spatiaux explicites dans le processus de matching de flux couplé par OT. La méthode vise à régulariser l'objectif de transport optimal pour garantir que les trajectoires apprises soient non seulement statistiquement cohérentes, mais aussi biologiquement significatives.

1. Plausibilité des transitions

ContextFlow définit une métrique de Plausibilité des Transitions (TP) pour capturer la probabilité qu'une cellule évolue d'un état à un autre au cours du temps. Cette métrique combine deux types de priors spatiaux :

• Lissage Spatial (SS) : Basé sur l'observation que les cellules voisines dans un microenvironnement répondent à des stimuli similaires et présentent un lissage local dans l'expression. Le prior SS quantifie la dissimilarité entre les profils d'expression moyens des voisinages locaux de deux cellules.
• Motifs de Communication Cellule-Cellule (LR) : En exploitant les connaissances préalables sur les interactions ligand-récepteur (LR), ce prior évalue la similarité des motifs de communication entre les microenvironnements de deux cellules. Les cellules présentant des profils de signalisation LR similaires sont considérées comme ayant plus de chances de transitionner l'une vers l'autre.

Ces priors sont combinés en une Matrice de Plausibilité des Transitions (TPM), qui encode les contraintes biologiques pour les transitions cellulaires entre points temporels consécutifs.

2. Transport Optimal Régularisé par Prior

La TPM est intégrée dans la formulation du Transport Optimal Entropique (EOT) via deux schémas novateurs :

• Matrice de Coût Consciente du Prior (PACM) : La TPM est directement incorporée dans la fonction de coût de transport. Un score de plausibilité plus élevé (indiquant une transition moins plausible) augmente le coût de transport, pénalisant ainsi de tels couplages. Cette approche nécessite de régler un hyperparamètre de compromis ($\alpha$) entre le coût euclidien original et le coût conscient du prior.
• Régularisation Entropique Consciente du Prior (PAER) : Au lieu de modifier le coût, cette approche modifie le terme de régularisation entropique. La TPM est utilisée pour définir une matrice de probabilité conjointe a priori, qui biaise le terme d'entropie pour favoriser les couplages cohérents avec les priors biologiques. Cette formulation évite la nécessité d'un hyperparamètre de compromis de coût supplémentaire et fournit un mécanisme de "filtre doux".

3. Entraînement et Inférence

ContextFlow utilise l'algorithme de Sinkhorn pour résoudre efficacement les problèmes d'EOT conscients du prior. Les couplages conscients du contexte spatial résultants sont utilisés pour définir les chemins de probabilité conditionnelle et les champs de vitesse afin d'entraîner un réseau de neurones à approximer le champ vectoriel de vitesse continu. Le modèle est entraîné via une perte de régression qui minimise la différence entre la vitesse apprise et la vitesse conditionnelle cible dérivée des couplages conscients du contexte.

Contributions clés

1. Définition de la Plausibilité des Transitions : L'article introduit un mécanisme flexible pour encoder l'organisation spatiale et les motifs de communication ligand-récepteur dans l'entraînement des champs de vitesse, permettant l'intégration explicite de connaissances biologiques spécifiques au domaine.
2. Intégration Principée des Priors : Les auteurs proposent deux méthodes (PACM et PAER) pour intégrer ces priors dans les méthodes de matching de flux basées sur OT les plus avancées. L'approche PAER est mise en avant pour sa capacité à éviter un réglage supplémentaire d'hyperparamètres tout en maintenant l'efficacité via l'optimisation de Sinkhorn.
3. Validation Empirique : Des expériences complètes démontrent que ContextFlow surpasse systématiquement les références de matching de flux existantes (y compris MOTFM, Metric-FM et MFM) sur plusieurs métriques de précision d'inférence et de cohérence biologique.

Résultats expérimentaux

Les auteurs ont évalué ContextFlow sur trois jeux de données de transcriptomique spatiale longitudinale : Régénération du cerveau d'axolotl, Organogenèse d'embryon de souris et Régénération hépatique.

• Fidélité Statistique : ContextFlow, en particulier la variante régularisée par entropie (CTF-H), a obtenu des performances supérieures en termes de distance de Wasserstein-2 ($W_2$), de Discrépance Moyenne Maximale (MMD) et de distance d'énergie par rapport aux références.
• Plausibilité Biologique : En utilisant une métrique $W_2$ pondérée par le type cellulaire, ContextFlow a généré des trajectoires qui ont mieux préservé l'équilibre distributionnel des types cellulaires. L'analyse visuelle a confirmé une réduction significative des couplages biologiquement peu plausibles (par exemple, les transitions entre neurones excitatoires et inhibiteurs) par rapport aux plans EOT standards.
• Généralisation : La méthode a démontré des performances robustes tant dans les tâches d'interpolation (prédiction de points temporels intermédiaires) que d'extrapolation (prédiction d'états futurs au-delà de l'horizon d'entraînement). La variante CTF-H a montré une force particulière dans l'échantillonnage de Problèmes à Valeur Initiale (IVP), où l'accumulation d'erreurs constitue un défi majeur.
• Efficacité : La stratégie d'intégration de prior proposée est computationnellement efficace, avec un temps d'exécution comparable aux méthodes OT par mini-lots standards et significativement plus rapide que d'autres outils d'alignement OT spatio-temporels comme DeST-OT, MOSCOT et TOAST.

Importance et revendications

L'article revendique que ContextFlow offre une fondation principielle pour la modélisation des dynamiques cellulaires à partir de données omiques spatiales en comblant le fossé entre l'optimalité statistique et l'interprétabilité biologique. En intégrant directement des priors spatiaux et fonctionnels dans le plan de transport, le cadre génère des trajectoires cohérentes avec l'organisation tissulaire connue et les mécanismes de communication cellule-à-cellule.

Les auteurs positionnent ContextFlow comme un cadre généralisable qui améliore les méthodes de matching de flux existantes sans sacrifier l'efficacité computationnelle. Ils notent que si la méthode réduit considérablement les transitions biologiquement peu plausibles, son efficacité repose sur la qualité des priors spatiaux et la disponibilité des données d'interaction ligand-récepteur. Le travail suggère que les applications futures pourraient s'étendre à la modélisation des perturbations et de la progression des maladies, offrant potentiellement une alternative plus interprétable aux modèles génératifs purement pilotés par les données.