Résumé technique : Chreode – Un modèle de monde cellulaire pour la dynamique temporelle en une étape et la prédiction de perturbations

Énoncé du problème

Prédire comment l'état transcriptionnel d'une cellule évolue sous l'effet de signaux développementaux ou de perturbations génétiques est central pour la biologie in-silico et le programme AI Virtual Cell. Les approches existantes se heurtent à quatre limitations critiques :

1. Sous-exploitation des données temporelles : La plupart des méthodes réduisent des instantanés destructifs de scRNA-seq en des cartes statiques de contrôle vers traitement, jetant l'information sur la vitesse de changement inhérente aux données de séries temporelles.
2. Modélisation inadéquate de l'action : De nombreux modèles traitent les interventions (médicaments, knockouts) comme des contextes latents à concaténer plutôt que comme des interventions causales de type do-calcul, échouant à résoudre les perturbations compositionnelles ou dépendantes de la trajectoire.
3. Coûts d'inférence élevés : Les solveurs multi-étapes (EDOs, ponts de Schrödinger) nécessitent une intégration itérative pour chaque requête. Le passage à l'échelle pour des requêtes de type criblage ($10^8$ tuples) entraîne des coûts computationnels prohibitifs ($10^{10}$ passages avant).
4. Absence de biais inductif biologique : Les méthodes actuelles d'appariement de flux et de transport optimal paramétrisent les champs de vitesse comme des réseaux de neurones génériques, ignorant la structure biologique du paysage de Waddington (flux potentiel descendant, courants rotationnels et dispersion stochastique).

Méthodologie : Chreode

Chreode est présenté comme un modèle de monde cellulaire en une étape qui prédit les transitions d'état cellulaire conditionnées par l'action $p(z_{t+\Delta} | z_t, \text{do}(a))$ via un opérateur de transition résiduel structuré.

1. Architecture centrale : Le résiduel de Waddington

Au lieu d'un déploiement itératif, Chreode prédit l'état latent futur $\hat{z}_{t+\Delta}$ en un seul passage avant en ajoutant un résiduel appris $R_\theta$ à l'état d'entrée $z_t$ :
$$\hat{z}_{t+\Delta} = z_t + \alpha(\Delta) \cdot R_\theta(z_t, \Delta, a, \epsilon)$$
où $\alpha(\Delta) = 1 - e^{-\Delta/\tau}$ est une porte temporelle apprenable assurant un changement nul à $\Delta=0$. Le résiduel $R_\theta$ est décomposé en trois composantes biologiquement interprétables :

• Flux potentiel descendant ($-\nabla_z U_\theta$) : Le gradient négatif d'une fonction de potentiel apprise $U_\theta$, poussant les cellules vers des bassins de destin à faible potentiel.
• Flux antisymétrique ($S_\theta z_t$) : Une composante rotationnelle modélisant les courants hors équilibre (par exemple, le cycle cellulaire). $S_\theta$ est paramétré comme $P_\theta Q_\theta^\top - Q_\theta P_\theta^\top$ pour garantir une antisymétrie exacte ($S_\theta^\top = -S_\theta$).
• Dispersion stochastique ($\sigma_\theta \odot \epsilon$) : Mise à l'échelle du bruit élément par élément pour capturer la variabilité biologique intrinsèque.

2. Pipeline d'entraînement

Chreode utilise une recette de préentraînement en deux étapes sur un atlas embryonnaire de souris de 2,4 millions de cellules (7 jeux de données, 88 points temporels) :

• Étape 1 (Encodeur) : Un encodeur scVI partagé est entraîné sur un vocabulaire fixe d'orthologues inter-espèces (16 520 orthologues 1:1 souris-humain) pour produire une représentation latente figée.
• Étape 2 (Squelette de dynamique) : Un squelette basé sur DiT (Diffusion Transformer) apprend l'opérateur de transition en une étape. Il utilise une fonction de perte de champ dérivant au niveau de la population adaptée de Deng et al. [2026], combinant :
  • MMD à noyau et $W_2$ de Sinkhorn pour l'appariement de distributions.
  • Un terme de champ dérivant ($L_{drift}$) pour imposer la cohérence d'équilibre.
  • Un régularisateur descendant ($L_{down}$) pour empêcher le mouvement ascendant.
• Découplage de l'encodage temporel : Pour assurer la stabilité lors de l'extrapolation à long terme, la branche potentielle utilise un encodage flexible Time2Vec, tandis que la branche antisymétrique utilise un code Fourier à basse fréquence borné pour empêcher les taux de rotation de dériver vers des fréquences non vues.

3. Modes de transfert

Le squelette préentraîné prend en charge deux modes de transfert en aval distincts :

1. Initialisation par affinage : Le squelette initialise des modèles pour la prédiction de transitions temporelles sur des jeux de données retenus (par exemple, hématopoïèse de Weinreb, différenciation des îlots de Veres).
2. Injection d'encodage état-gène : La représentation de dynamique préentraînée est injectée en tant qu'encodage état-gène dans le prédicteur de perturbations GEARS existant, sans modifier la procédure d'entraînement de GEARS.

Résultats clés

Prédiction de la dynamique temporelle

• Hématopoïèse de Weinreb : Chreode affinée atteint la plus faible distance $W_2$ de Sinkhorn aux jours 4 et 6 par rapport aux modèles scratch appariés, PI-SDE et PRESCIENT.
• Différenciation des îlots de Veres : Chreode surpasse toutes les lignes de base (y compris PI-SDE et PRESCIENT) sur les sept points temporels cibles ($t=1$ à $7$).
• Destin clonal en zero-shot : En utilisant le squelette figé sans affinage, Chreode produit des scores de destin clonal (corrélation de Pearson $r=0,468$) compétitifs par rapport aux fortes lignes de base dynamiques-OT (moscot, WOT) et aux lignes de base SDE neuronales (scDiffEq).

Prédiction de perturbations

• Norman Perturb-seq : Lorsqu'elle est utilisée comme encodage état-gène dans GEARS, la représentation de dynamique préentraînée réduit l'erreur quadratique moyenne (MSE) DE20 sur le vocabulaire partagé de 0,2121 à 0,1858, soit une amélioration relative de 12,4 %. Cela suggère que les dynamiques de trajectoire développementale encodent des primitives transférables aux décalages d'état induits par CRISPR.

Efficacité

• Vitesse d'inférence : Chreode résout les requêtes en un seul passage avant (1 NFE), la rendant environ 3,0 fois plus rapide que PRESCIENT et 6,3 fois plus rapide que CellFlow sur une seule NVIDIA A100. Cette amortisation est cruciale pour passer à l'échelle des écrans de requêtes de $10^8$.

Signification et revendications

L'article revendique que Chreode est le premier modèle fondamental cellulaire à combiner :

1. Une inférence en une seule étape (amortissant les coûts de transition).
2. Un squelette préentraîné partagé entre les jeux de données en aval.
3. Un conditionnement conjoint temps et action.
4. Un prior résiduel structuré décomposant explicitement la vitesse en gradients potentiels, flux antisymétriques et dispersion stochastique.

Les auteurs interprètent le transfert réussi des dynamiques développementales vers la prédiction de perturbations comme une preuve que les deux processus traversent les variétés d'états cellulaires le long de trajectoires cohérentes. En déplaçant l'évolution distributionnelle du temps d'inférence au temps d'entraînement, Chreode permet une génération en un seul passage tout en préservant une décomposition inspirée de Waddington. Ce travail se positionne comme une contribution structurelle à l'agenda « AI Virtual Cell », offrant une alternative évolutive et biologiquement fondée aux solveurs multi-étapes et aux cartes de perturbations statiques.

Limitations notées par les auteurs :

• Le préentraînement est restreint aux données embryonnaires de souris ; le transfert inter-espèces repose uniquement sur la cartographie des orthologues.
• Le transfert de transition temporelle nécessite un affinage (pas de zero-shot strict) pour des performances optimales.
• Le transfert de perturbations réutilise l'architecture GEARS plutôt que de proposer un opérateur de perturbations autonome.
• L'échelle (2,4 millions de cellules) est inférieure à celle des modèles de monde cellulaire de grande taille concurrents entraînés sur des données propriétaires.