Applications of temporal graph learning for predicting the dynamics of biological systems

Résumé Technique : Applications de l'Apprentissage de Graphes Temporels pour la Prédiction de la Dynamique des Systèmes Biologiques

Énoncé du Problème
Les récents progrès dans les modèles de base biologiques (par exemple, scGPT, scFoundation, Geneformer) ont démontré de fortes performances dans l'apprentissage de représentations à partir de données transcriptomiques unicellulaires en utilisant des architectures de transformateurs. Cependant, ces approches opèrent principalement dans des contextes statiques, échouant à modéliser explicitement l'évolution temporelle des programmes de développement. Cette limitation est critique en biologie du développement, où les états cellulaires émergent, se différencient et se réorganisent continuellement. Bien que des technologies telles que l'inférence de pseudotemps et la vitesse ARN permettent de reconstruire des trajectoires ordonnées à partir de données unicellulaires asynchrones, les méthodes existantes traitent généralement les états cellulaires de manière indépendante ou les modélisent comme des instantanés statiques, négligeant la structure régulatrice évolutive (Réseaux de Régulation Génique, ou GRN) qui sous-tend les transitions développementales. Le défi central consiste à formuler les systèmes biologiques développementaux comme des processus de graphes évolutifs adaptés à l'apprentissage de graphes temporels, permettant ainsi la prédiction d'états biologiques futurs au-delà de la représentation statique.

Méthodologie
Les auteurs proposent un pipeline qui transforme les données transcriptomiques unicellulaires en graphes temporels discrets pour appliquer des Réseaux de Neurones à Graphes Temporels (TGNN). La méthodologie se déroule comme suit :

1. Inférence de Trajectoire et Discrétisation : À partir de matrices d'expression génique unicellulaire, des trajectoires de développement sont inférées en utilisant le Pseudotemps de Diffusion (DPT). Les cellules sont ensuite agrégées en intervalles temporels (instantanés) basés sur leurs valeurs de pseudotemps. La taille de l'intervalle est optimisée pour équilibrer la résolution temporelle avec la robustesse statistique requise pour l'inférence de GRN (visant généralement 300 à 500 cellules par instantané).
2. Construction de GRN Temporels : Pour chaque intervalle de pseudotemps, un Réseau de Régulation Génique (GRN) est inféré en utilisant SCENIC. Ce cadre combine l'analyse de co-expression génique avec l'enrichissement en motifs de facteurs de transcription pour identifier des interactions régulatrices biologiquement significatives. Le résultat est un graphe temporel discret $G = \{G(1), \dots, G(T)\}$, où chaque instantané $G(t)$ contient :
   • Nœuds ($V$) : Gènes avec des identités persistantes au cours du temps.
   • Arêtes ($E(t)$) : Interactions régulatrices inférées au temps $t$.
   • Caractéristiques de Nœud ($X(t)$) : Statistiques d'expression génique agrégées (moyenne, médiane, variance, etc.) au sein de l'intervalle.
   • Caractéristiques d'Arête : Scores de confiance issus de l'inférence de GRN.
3. Apprentissage de Graphes Temporels : Des TGNN sont appliqués à cette séquence de graphes pour apprendre des représentations de nœuds temporelles qui capturent à la fois les dépendances structurelles au sein des instantanés et les dynamiques temporelles entre eux.
4. Tâches de Prévision : Le cadre est évalué sur trois tâches complémentaires :
   • Prévision de l'Expression Génique Future : Prédire la variation temporelle de l'expression génique moyenne ($\Delta x$) entre des instantanés consécutifs.
   • Prévision de Liens Futurs : Estimer la probabilité que des interactions régulatrices existent dans l'instantané suivant $G(t+1)$.
   • Prévision de la Centralité de Degré Sortant Futur : Prévoir l'importance topologique (degré sortant) des gènes dans les instantanés futurs pour identifier les hubs régulateurs.

Contributions Clés et Résultats
L'étude évalue le cadre proposé sur deux ensembles de données de développement de souris disponibles publiquement : la gastrulation érythroïde et l'endocrinogenèse pancréatique. Les résultats mettent en évidence plusieurs découvertes clés :

• Supériorité par rapport aux Modèles de Base Statiques : Dans la prévision de l'expression génique, les modèles temporels basés sur des graphes ont constamment surpassé les modèles de base biologiques établis (scGPT et scFoundation). Cela suggère que la modélisation explicite de la structure régulatrice évolutive fournit des informations prédictives que les représentations statiques pré-entraînées seules ne peuvent capturer.
• Efficacité des Architectures Spectrales : Les architectures de convolution de graphes spectrales, spécifiquement ChebNet et GCRN-GRU, se sont imposées comme les meilleures performantes sur toutes les tâches. Les auteurs émettent l'hypothèse que ces architectures sont particulièrement adaptées à la topologie hétérophile et centrée sur les hubs des GRN, où les facteurs de transcription agissent comme régulateurs centraux connectés à plusieurs cibles. Les convolutions spectrales peuvent propager efficacement l'information à travers des voisinages multi-sauts dans ces topologies en forme d'étoile.
• Dynamiques Temporelles dans la Prévision de Liens : Pour la prévision de liens, les modèles temporels (en particulier GCRN-GRU) ont significativement surpassé les bases statiques (GCN, GAT) et les stratégies de mémorisation simples (EdgeBank). Cela indique que les ensembles de données contiennent des dynamiques temporelles non triviales au-delà de la simple persistance des arêtes, que les TGNN capturent avec succès.
• Pertinence Biologique de la Prévision des Hubs : Le modèle a identifié avec succès des hubs régulateurs temporellement importants. Dans l'ensemble de données de gastrulation érythroïde, les trajectoires de centralité prédites s'alignaient avec des programmes biologiques connus : les premiers stades étaient dominés par des régulateurs prolifératifs (par exemple, E2f8, Ran), tandis que les stades ultérieurs montraient une centralité croissante pour des régulateurs érythroïdes canoniques (par exemple, Klf1, Spi1, Erg).

Signification et Revendications
L'article positionne l'apprentissage de graphes temporels comme un paradigme prometteur et complémentaire aux approches actuelles de modèles de base en biologie unicellulaire. Les auteurs affirment que :

1. Modélisation Explicite des Dynamiques : La reformulation des systèmes développementaux en graphes évolutifs permet la modélisation explicite des changements de structure régulatrice, offrant un avantage distinct par rapport à l'apprentissage de représentations statiques.
2. Complémentarité : Plutôt que de remplacer les modèles de base, l'apprentissage de graphes temporels offre une extension nécessaire pour les tâches nécessitant la prédiction de l'évolution dynamique des systèmes, telles que la progression développementale et la trajectoire des maladies.
3. Faisabilité : Malgré la nature destructive du séquençage ARN unicellulaire (qui empêche le suivi direct de cellules individuelles), la reconstruction computationnelle de graphes temporels via le binning de pseudotemps est une stratégie viable pour appliquer l'apprentissage profond aux systèmes biologiques dynamiques.

Le travail est présenté comme un « travail en cours », les auteurs notant leur intention d'étendre le benchmark à des ensembles de données supplémentaires, à des modèles de base plus récents et à des architectures plus récentes basées sur l'attention temporelle (par exemple, DyGFormer) dans des travaux futurs.