PerturbMap: Cross-Context Transfer of Single-Cell Perturbation Responses

Résumé technique de PerturbMap : Transfert de réponses de perturbations entre contextes

1. Définition du problème

L'article traite d'une lacune spécifique dans les atlas de perturbations à cellule unique : le scénario « source observée, destinataire non mesuré ». Dans de nombreux criblages biologiques, une perturbation génétique $p$ est mesurée dans un ou plusieurs contextes sources (par exemple, des états cellulaires ou des conditions spécifiques) mais est absente dans un contexte « destinataire » cible où un chercheur cherche à comprendre son effet.

Le défi central est la confiance sélective. Copier simplement la réponse mesurée de la source vers le contexte destinataire ignore le recâblage spécifique au contexte des programmes transcriptionnels. Inversement, ignorer les données de la source rejette des preuves expérimentales précieuses sur l'intervention de requête spécifique. L'objectif est de prédire le vecteur de réponse relatif au contrôle $y_r(q)$ dans un contexte destinataire $r$ pour une requête de perturbation $q$, étant donné :

1. Les réponses mesurées des sources $\{y_s(q)\}$ pour le même $q$ dans les contextes sources $s$.
2. Des données d'entraînement appariées d'autres perturbations observées à la fois dans les contextes sources et destinataires.
3. Des contraintes strictes où le résultat du destinataire pour la requête est verrouillé (indisponible) pendant l'entraînement et l'inférence du modèle.

Cela diffère de la prédiction standard de perturbations non vues (ex. scGen, GEARS) qui généralise à partir d'identifiants de perturbation ; ici, l'entrée inclut la réponse réelle mesurée de la requête dans un autre contexte.

2. Méthodologie : PerturbMap

PerturbMap est un cadre de transport de réponse pondéré par la fiabilité uniquement lors de l'entraînement. Il opère sous une séparation stricte par identité conservée, garantissant qu'aucune information provenant des identités de test ne fuit dans l'ajustement du modèle. Le flux de travail comprend quatre modules principaux :

A. Coordonnées de réponse uniquement pour l'entraînement
La méthode construit d'abord un système de coordonnées de faible rang partagé en utilisant uniquement les perturbations d'entraînement. Elle ajuste une base de rang-$K$ (via des itérations QR) à la matrice de réponse d'entraînement $Y^{tr}$, excluant les lignes destinataires conservées. Cette base partagée sert de système de coordonnées pour le prédicteur de base, les jetons de la source et les cartes de routage.
$$z_c(p) = (y_c(p) - \mu)U^\top$$

B. Prédicteur de base local au destinataire
Un prédicteur de base local $b_r(p)$ est entraîné sur le contexte destinataire en utilisant uniquement le descripteur de la perturbation (par exemple, les corrélations avec les gènes ancres de contrôle) et la base de faible rang partagée. Crucialement, ce modèle de base ne reçoit aucun jeton de réponse de la source spécifique à la requête. Il sert de prédiction de repli si le transport de la source est jugé peu fiable.

C. Experts de la source vers le destinataire
Pour chaque contexte source observé $s$, une carte de régression de Ridge affine est ajustée pour transformer les coordonnées de la source en coordonnées du destinataire en utilisant des perturbations d'entraînement appariées.
$$A_{s \to r} = \arg \min_A \| \tilde{Z}_s A - \tilde{Z}_r \|_F^2 + \lambda \eta_s \|A\|_F^2$$
Cela crée un « expert » capable de projeter la réponse de la source $y_s(q)$ de la requête dans l'espace de coordonnées du destinataire.

D. Calibrage de la fiabilité uniquement lors de l'entraînement
Avant de prédire les requêtes conservées, la méthode estime la fiabilité de chaque route source-vers-destinataire en utilisant un ensemble disjoint d'ancres de validation (perturbations d'entraînement conservées pour la validation).

1. Coefficient d'interpolation ($\alpha$) : Détermine la quantité de mélange entre la prédiction de l'expert et la prédiction de base.
2. Score de route ($\rho$) : Calcule la réduction relative de l'erreur quadratique moyenne (MSE) de validation obtenue par la route par rapport à la base.
3. Porte de contrôle de dommage (Ablation) : Un modèle logistique secondaire de faible capacité estime la probabilité qu'une route spécifique réduise l'erreur pour une requête spécifique, basée sur des caractéristiques telles que la distance de la requête aux descripteurs d'entraînement et les résidus de la route.

Prédiction finale :
La prédiction finale est une combinaison pondérée du prédicteur de base et des experts de source acceptés. Les poids sont déterminés par les scores de route dérivés de la validation ($\rho$) et, dans la version d'ablation, la probabilité de contrôle de dommage adaptative à la requête.
$$\hat{y}_r(q) = \sum_{s} w_{s \to r}(q) \cdot c_{s \to r}(q)$$
où $c_{s \to r}(q)$ est la prédiction mélangée de la source $s$.

3. Contributions clés

1. Formulation du problème : Définition de la prédiction de réponse de perturbation « source observée, destinataire non mesuré » comme un test par identité conservée, se distinguant de la généralisation standard de perturbation non vue.
2. Algorithme PerturbMap : Introduction d'une méthode qui projette les jetons de réponse de la source dans les coordonnées du destinataire en utilisant un pondération de fiabilité uniquement lors de l'entraînement. Elle décide quelles routes influencent une requête en fonction des résidus de validation plutôt que de l'identité de la requête.
3. Évaluation rigoureuse : Évaluation de la méthode sur une cohorte de mélanome Perturb-CITE-seq (Frangieh et al.) avec :
   • Des plis externes par identité conservée (40 identités de test par pli).
   • Des contrôles de l'information appariée (réponse nulle, copie brute, copie calibrée, affine mélangée).
   • Une référence centralisée plus forte (TokPool) pour la comparaison du plafond de performance.
   • Rapport explicite des « taux de dommage » (cas où la méthode est moins performante que la ligne de base).
4. Études d'ablation : Investigation du contrôle de dommage adaptatif à la requête et de la sensibilité du point de fonctionnement (rang, plafonds d'ancres, règles d'agrégation).

4. Résultats expérimentaux

L'évaluation principale a été menée sur la cohorte de mélanome de Frangieh et al. avec trois contextes (Co-culture, Contrôle, IFN$\gamma$).

• Gain de performance : PerturbMap-GR (fiabilité de la route globale) a réduit l'MSE de l'effet complet de 4,1 % (de $1,649 \times 10^{-3}$ à $1,581 \times 10^{-3}$) par rapport au modèle de base LowRank du destinataire.
• Signification statistique : L'intervalle de confiance à 95 % apparié pour la réduction de l'MSE était de $[-1,16, -0,33] \times 10^{-4}$, excluant zéro. Cela a amélioré les prédictions pour 161 des 200 identités conservées.
• Comparaison avec les lignes de base :
  • A surpassé FedAvg, Zero-response, Raw-copy et Calibrated-copy.
  • A surpassé les contrôles Shuffled-affine, confirmant que le gain provient de l'appariement aligné source-destinataire et non d'une simple calibration marginale.
  • Est resté à moins de $2,82 \times 10^{-6}$ MSE de la référence centralisée TokPool, qui dispose d'une interface d'entraînement plus puissante.
• Métriques secondaires :
  • L'MSE de l'effet absolu top-20 s'est amélioré d'environ 12 % par rapport aux contrôles de copie.
  • La récupération top-10 basée sur le cosinus (par rapport à LowRank) est passée de 74,5 % à 80,5 %.
  • Le taux de dommage (par rapport à LowRank) est de 19,5 %, nettement inférieur aux 49,5 % de la copie brute.
• Vérification secondaire : Sur une cohorte séparée de Perturb-seq multi-sources de Jiang et al., le pondération de la fiabilité a montré un gain faible mais significatif par rapport à la fusion uniforme des experts, validant l'approche dans un cadre de source plus riche.

5. Signification et affirmations

Le papier affirme modestement que les réponses mesurées des sources peuvent servir de preuve au moment de la requête pour combler les effets manquants du destinataire, à condition que le transfert soit guidé par des estimations de fiabilité uniquement lors de l'entraînement.

• Affirmation centrale : Les réponses de la source alignées par identité fournissent des informations prédictives au-delà du comportement propre au destinataire, de la copie directe ou de la calibration marginale.
• Limites : Les auteurs déclarent explicitement que PerturbMap n'élimine pas le transfert négatif (il nuit toujours à environ 19,5 % des identités par rapport à la base) et n'est pas un générateur de cellule virtuelle de pointe pour des contre-factuels de distribution complète. Il prédit des effets de moyenne de condition, et non des distributions de cellules uniques au sein d'une condition.
• Implication : La méthode démontre que le « réutilisation sans effacement du contexte » est possible grâce à un transport sélectif piloté par la validation, offrant une solution pratique pour les atlas de perturbations incomplets sans nécessiter une interface d'entraînement centralisée et groupée.