Résumé Technique : CellBRIDGE

Énoncé du Problème

L'inférence de la dynamique cellulaire à partir de clichés de populations est un défi fondamental en séquençage d'ARN sur cellule unique (scRNA-seq). Comme les mesures de scRNA-seq sont destructives, les cellules individuelles ne peuvent pas être suivies à travers le temps, ce qui rend l'inférence de trajectoire comme un problème sous-déterminé. Bien que le Transport Optimal (OT) fournisse un cadre rigoureux pour aligner les distributions entre les points temporels, les approches standards reposent uniquement sur les distances d'expression génique. Ces méthodes traitent implicitement les cellules comme des particules indépendantes, négligeant la communication cellule-cellule (CCI) structurée médiée par la signalisation ligand-récepteur (LR), laquelle est pourtant connue pour piloter le développement et les pathologies. Par conséquent, le choix de la fonction de coût dans l'OT demeure un goulot d'étranglement pour la génération de couplages biologiquement significatifs.

Méthodologie : CellBRIDGE

Les auteurs introduisent CellBRIDGE (Cell-Based Regularized Interaction-Driven Gene Expression), un cadre qui augmente l'OT basé sur les caractéristiques par un coût d'interaction dirigé et typé, dérivé de l'activité LR.

1. Construction du Coût Sensible aux Interactions

Au lieu de s'appuyer sur des coordonnées spatiales (indisponibles dans le scRNA-seq dissocié), CellBRIDGE construit des réseaux de communication proxys au sein de chaque cliché :

• Prétraitement : Les comptes d'expression génique sont normalisés et projetés dans $[0, 1]$ à l'aide d'une fonction de saturation de Hill pour capturer les effets d'occupation des récepteurs.
• Scoring : Pour un ensemble de $P$ paires ligand-récepteur, un tenseur de CCI dirigé et non négatif $G \in \mathbb{R}^{n \times n \times P}_{\geq 0}$ est construit. Le score d'interaction entre une cellule émettrice $i$ et une cellule réceptrice $j$ pour la paire $p$ est calculé comme le produit de l'expression du ligand dans $i$ et de l'expression du récepteur dans $j$.
• Structure : Cela aboutit à une représentation multi-canaux et dirigée de la communication cellule-cellule.

2. Formulation Gromov-Wasserstein Fusionnée (FGW)

CellBRIDGE cadre le problème d'alignement comme une optimisation de type Gromov-Wasserstein fusionné (FGW). Il cherche un couplage $\Gamma$ qui minimise une somme pondérée de deux termes :

1. Coût de Caractéristique ($F$) : Le coût de transport standard dans l'espace d'expression génique (par exemple, la distance euclidienne au carré), imposant une évolution fluide des états transcriptionnels.
2. Coût de Structure ($S$) : Un terme de distorsion mesurant l'incohérence entre les profils de communication dirigés et multi-canaux des paires de cellules sources et cibles.

La fonction objectif est :
$$\min_{\Gamma \in \Pi(a,b)} (1-\alpha) \langle \Gamma, C \rangle_F + \alpha \sum_{i,k,j,l} \phi(g^{(0)}_{i \to k}, g^{(1)}_{j \to l}) \Gamma_{ij} \Gamma_{kl}$$
où $\alpha \in [0, 1]$ équilibre la similitude des caractéristiques et la préservation de la structure d'interaction, et $\phi$ est une métrique de similitude (par défaut, la distance euclidienne au carré) entre les vecteurs de canaux LR.

3. Modularité et Intégration Aval

Un principe de conception clé est que le prior d'interaction est injecté uniquement au niveau du couplage. Le couplage résultant $\Gamma^*$ sert d'entrée "plug-and-play" pour divers modèles de trajectoire en temps continu, notamment :

• Flow Matching Conditionnel (CFM) : Apprentissage de champs de vitesse déterministes.
• Metric Flow Matching (MFM) : Apprentissage de flux sur une variété riemannienne dépendante des données.
• Ponts de Schrödinger Stochastiques (SF2M) : Modélisation de la dynamique stochastique.
• OT Non-Équilibré (Unbalanced OT) : Prise en compte des changements de masse de population (prolifération/apoptose).

Le cadre résout le problème non convexe de la FGW à l'aide d'une routine de gradient conditionnel (Frank-Wolfe) personnalisée et emploie un schéma de normalisation pour garantir que les termes de caractéristique et de structure soient sur des échelles comparables.

Contributions Clés

1. Perspective du Coût : L'article identifie la conception du coût de l'OT comme un levier critique pour l'alignement des clichés, proposant la fluidité de la communication cellule-cellule dirigée et typée comme un prior biologiquement fondé, orthogonal au principe de moindre action dans l'expression génique.
2. FGW Typée et Dirigée : Les auteurs généralisent la FGW pour gérer des structures d'interaction dirigées et multi-relations (vecteurs) dérivées de la signalisation LR, produisant des couplages sensibles aux interactions.
3. Large Applicabilité : La méthode démontre que les couplages sensibles aux interactions améliorent l'inférence de trajectoire à travers divers cadres (CFM, MFM, SF2M, UOT), établissant la structure CCI comme un prior polyvalent.
4. Interprétabilité Mécaniste : En opérant sur le catalogue LR, CellBRIDGE permet des perturbations in silico. Le silençage de paires LR spécifiques dans le catalogue induit des décalages de trajectoire qui recapitulent les effets biologiques attendus de l'inhibition de voies.

Résultats Expérimentaux

Les auteurs ont évalué CellBRIDGE sur des données synthétiques et six jeux de données scRNA-seq réels (incluant des tumeurs pulmonaires, le cortex V1, la stimulation de cellules dendritiques et le développement embryonnaire de la souris).

• Qualité du Couplage : Sur les données synthétiques avec des cartes de transport de vérité terrain connues, l'incorporation de la structure d'interaction ($\alpha > 0$) a permis de récupérer de manière significative la véritable carte de transport, alors que l'OT basé uniquement sur les caractéristiques ($\alpha=0$) a échoué en raison d'un mauvais alignement de clusters ayant des expressions similaires mais des rôles de signalisation différents.
• Inférence de Trajectoire : Sur les jeux de données réels, CellBRIDGE a systématiquement réduit les erreurs d'interpolation (distances Wasserstein-1 et Wasserstein-2) par rapport aux bases de référence de l'état de l'art (ex: TrajectoryNet, DSB, Moscot, OT-CFM). Les meilleures performances ont été obtenues avec un réglage équilibré ($\alpha \approx 0.5$), bien que certains jeux de données (ex: Stimulation Dendritique) aient favorisé le mode structure seule ($\alpha=1$).
• Fondement Biologique : Les études d'ablation ont confirmé que les gains étaient portés par une structure LR cohérente. La randomisation du catalogue LR ou le mélange des entrées du tenseur CCI a dégradé les performances.
• Perturbations In Silico : Sur les données de cancer du poumon, le silençage de paires LR spécifiques (EGFR, ALK, MET) a induit des décalages de trajectoire cohérents avec l'inhibition thérapeutique connue de ces voies, tandis que les modifications de voies cardio-rénales non liées n'ont eu que des effets négligeables.
• Limites : La méthode repose sur l'hypothèse que la géométrie d'interaction est approximativement persistante à travers les clichés. Dans les systèmes à remodelage rapide avec de grands écarts temporels (ex: développement embryonnaire de la souris sur 6 jours), le prior d'interaction devient non informatif et les performances ne s'améliorent pas par rapport à l'OT basé sur les caractéristiques.

Signification et Revendications

L'article affirme que CellBRIDGE répond à la nature sous-déterminée de l'inférence de trajectoire en injectant un biais inductif biologique : l'évolution fluide de la communication ligand-récepteur. En découplant le prior structurel de la dynamique du modèle, CellBRIDGE offre une approche modulaire et interprétable qui améliore la fidélité de l'alignement et permet une analyse contrefactuelle spécifique aux mécanismes. Les auteurs soulignent que leur méthode ne nécessite pas de données spatiales, ce qui la rend applicable au scRNA-seq dissocié standard, et qu'elle complète les avancées existantes en modélisation générative en affinant le problème de correspondance des points finaux sans altérer les architectures en aval.