scGRIP: a graph-based explainable AI framework for single-cell multi-omics Gene Regulatory Inference with Prior Knowledge

Le cadre d'intelligence artificielle explicable scGRIP, basé sur un graphe et intégrant des connaissances préalables, permet d'inférer avec interprétabilité et scalabilité des réseaux de régulation génique à haute résolution dans des données multi-omiques uniques, révélant ainsi des mécanismes clés dans des maladies comme la maladie d'Alzheimer.

L'essentiel

🧬 scGRIP : Le Détective des Cellules

Imaginez que votre corps est une immense ville peuplée de milliards de cellules. Chaque cellule est comme une petite usine qui fabrique des produits (des protéines) pour maintenir la ville en vie. Mais comment ces usines savent-elles quoi produire et quand ?

C'est là qu'intervient le GRN (Réseau de Régulation Génique). C'est le "plan directeur" ou le "manuel d'instructions" qui dit à la cellule : "Active cette machine, éteins celle-là".

Le problème, c'est que dans les maladies comme la maladie d'Alzheimer, ce manuel est brouillé. De plus, chaque cellule est unique, un peu comme chaque habitant de la ville a sa propre personnalité. Les anciennes méthodes de recherche regardaient la ville d'en haut, en moyenne, ce qui effaçait les détails importants.

scGRIP est un nouvel outil, une sorte de détective ultra-intelligent, qui permet de lire ce manuel d'instructions pour chaque cellule individuellement, en tenant compte de ce que nous savons déjà de la biologie.

---

🛠️ Comment fonctionne scGRIP ? (Les 3 Astuces Magiques)

Les chercheurs ont construit scGRIP avec trois ingrédients principaux, que l'on peut comparer à une enquête policière moderne :

1. La Carte du Trésor (Le Graphes de Connaissances)

Avant même de regarder les données, scGRIP possède une carte du trésor (une base de connaissances).

• L'analogie : Imaginez que vous cherchez un voleur. Vous ne commencez pas au hasard. Vous avez une carte qui vous dit : "Les voleurs aiment souvent se cacher dans les ruelles sombres (les régions régulatrices) et ils parlent à certains gardes (les gènes cibles)."
• En science : scGRIP utilise une carte qui relie les "chefs" (les facteurs de transcription) aux "zones d'action" (les éléments régulateurs) et aux "ouvriers" (les gènes). Cela aide le modèle à ne pas chercher des liens impossibles.

2. Le Traducteur Universel (L'Encodage par "Jeton")

Les cellules parlent deux langues : l'ADN ouvert (ATAC-seq) et les protéines produites (ARN). Souvent, ces langues ne se comprennent pas bien ensemble.

• L'analogie : Imaginez que scGRIP est un traducteur qui utilise un dictionnaire commun (un "codebook"). Il prend un mot en langue A (l'ADN) et un mot en langue B (l'ARN) et les transforme tous les deux en un même "jeton" (un token) dans une langue neutre.
• Le résultat : Cela permet de voir que deux cellules très différentes en apparence partagent en réalité le même "humeur" ou le même état interne.

3. L'Enquêteur de Cause à Effet (GraphSHAP)

C'est la partie la plus brillante. Une fois que le modèle a compris la cellule, il doit dire : "Qui est responsable de cette action ?".

• L'analogie : Imaginez un groupe de suspects. L'enquêteur (GraphSHAP) demande à chaque suspect : "Si tu n'étais pas là, le crime aurait-il eu lieu ?". Il teste chaque suspect individuellement pour voir son impact réel.
• En science : Au lieu de dire "Ce gène est important", scGRIP dit : "Dans cette cellule précise, c'est ce chef-là qui a forcé l'usine à produire ce produit". Cela donne une explication claire et non pas juste une prédiction mystérieuse.

---

🕵️‍♂️ Le Cas Réel : La Maladie d'Alzheimer

Pour tester leur détective, les chercheurs l'ont envoyé enquêter sur la maladie d'Alzheimer, en se concentrant sur les microglies (les cellules de police du cerveau qui nettoient les déchets).

• Ce qu'ils ont découvert : scGRIP a vu que dans les cerveaux malades, ces cellules de police étaient en mode "panique". Elles activaient des circuits d'alerte (liés au système immunitaire) et commençaient à attaquer les fibres amyloïdes (les déchets toxiques), mais d'une manière désordonnée.
• La découverte clé : Ils ont identifié des chefs spécifiques (comme SPI1 et APOE) qui prenaient le contrôle de l'usine cellulaire d'une manière différente chez les malades par rapport aux personnes en bonne santé.
• Pourquoi c'est important ? Avant, on voyait juste que le cerveau était malade. Maintenant, on sait exactement quels interrupteurs ont été actionnés et par qui, ce qui ouvre la voie à de nouveaux traitements pour calmer cette panique cellulaire.

---

🌟 En Résumé

scGRIP est comme un GPS intelligent pour la biologie.

1. Il utilise une carte préexistante pour ne pas se perdre.
2. Il traduit les différents langages des cellules pour les comprendre ensemble.
3. Il identifie les coupables précis dans chaque cellule, expliquant pourquoi une cellule agit d'une certaine manière.

Grâce à cela, nous passons de la simple observation de la maladie à la compréhension fine de ses mécanismes, cellule par cellule. C'est un pas de géant vers des médicaments plus précis et personnalisés.

Résumé technique

Titre

scGRIP : Un cadre d'IA explicable basé sur les graphes pour l'inférence de réseaux de régulation génique (GRN) à partir de données multi-omiques single-cell avec connaissances a priori.

---

1. Problématique

L'avènement des technologies de séquençage multi-omiques single-cell (couplant scRNA-seq et scATAC-seq) permet d'observer simultanément l'expression des gènes et l'accessibilité de la chromatine au niveau de cellules individuelles. Cela offre l'opportunité d'inférer des réseaux de régulation génique (GRN) spécifiques à chaque cellule, essentiels pour comprendre l'hétérogénéité cellulaire et les mécanismes des maladies.

Cependant, l'inférence précise de ces GRN à haute résolution se heurte à plusieurs défis majeurs :

• Sparsité et bruit : Les données single-cell sont intrinsèquement bruyantes et éparses.
• Manque d'interprétabilité : Les méthodes existantes (comme LINGER ou GLUE) manquent souvent de transparence dans la manière dont les interactions sont déduites.
• Évolutivité : La gestion de graphes de régulation massifs avec des modèles complexes pose des problèmes de mémoire et de calcul.
• Intégration des connaissances : L'utilisation de bases de données de motifs de liaison (motifs) hétérogènes entraîne une variabilité importante entre les cadres méthodologiques.

2. Méthodologie : Architecture de scGRIP

scGRIP est un auto-encodeur variationnel graphique (Graph VAE) conçu pour intégrer des connaissances biologiques a priori avec des données dynamiques single-cell. L'architecture repose sur trois piliers techniques :

A. Représentation Graphique et Connaissances A Priori

Le paysage régulateur est formalisé comme un graphe hétérogène où :

• Nœuds : Facteurs de transcription (TF), éléments régulateurs (RE, e.g., promoteurs/enhancers) et gènes cibles (TG).
• Arêtes : Interactions potentielles TF-RE (basées sur la liaison de motifs cis-régulateurs via cisTarget) et RE-TG (basées sur la proximité génomique par rapport au site de début de transcription, TSS).
• Embeddings Statiques : Une représentation initiale de la structure du graphe est générée via node2vec pour capturer la connectivité globale.

B. Tokenisation et Embeddings Dynamiques

Pour transformer ce squelette topologique statique en un modèle dynamique :

• Tokenisation : Les profils d'accessibilité de la chromatine et d'expression génique sont "tokenisés" via un codebook partagé (inspiré des modèles de fond comme xTrimoGene).
• Embeddings Spécifiques aux Cellules : Chaque cellule reçoit un embedding de nœud unique qui combine les features statiques du graphe (node2vec) et les données d'expression/accessibilité spécifiques à la cellule. Cela permet de capturer l'état moléculaire unique de chaque cellule au sein de la structure du graphe.
• Aggregation de Voisins : Une stratégie d'agrégation de voisinage inspirée de GraphSAGE est utilisée pour mettre à jour les représentations des nœuds en tenant compte de leur contexte régulateur local, assurant une évolutivité mémoire efficace.

C. Inférence Explicable via GraphSHAP

Pour attribuer les interactions régulatrices à un niveau cellulaire, scGRIP intègre GraphSHAP (une extension de SHAP pour les graphes) :

• Le modèle génère des perturbations locales en masquant sélectivement des nœuds (TF ou RE) dans le sous-graphe local d'un gène cible.
• Un modèle de substitution linéaire est ajusté pour estimer les valeurs de Shapley, quantifiant la contribution marginale de chaque TF et RE à l'expression du gène cible dans une cellule donnée.
• Cela permet de déduire des scores d'interaction TF-RE et RE-TG spécifiques à chaque cellule, rendant le modèle interprétable.

D. Décodeur à Modèle de Sujets (Topic Model)

Un décodeur linéaire basé sur le modèle Embedded Topic Model (ETM) reconstruit les données d'entrée (expression et accessibilité) à partir des embeddings de sujets. Cela assure que les représentations latentes sont interprétables comme des programmes biologiques cohérents.

3. Contributions Clés

1. Intégration Graphique des Connaissances : Construction d'un graphe de connaissances régulatrices intégrant TF, RE et TG, servant de squelette pour l'apprentissage.
2. Tokenisation Multi-omiques : Utilisation d'un codebook partagé pour créer des embeddings dynamiques spécifiques aux cellules, combinant contexte structurel et données d'expression.
3. Attribution Explicable : Application de GraphSHAP pour quantifier l'importance des arêtes du graphe au niveau de chaque cellule, dépassant les approches "boîte noire".
4. Évolutivité : Utilisation de GraphSAGE pour permettre l'entraînement sur de grands graphes sans explosion de la mémoire, surpassant les méthodes basées sur l'attention (comme GAT).

4. Résultats et Évaluations

Performance d'Inférence (Benchmark)

• Données : Évalué sur trois ensembles de données multi-omiques (PBMC, BMMC, Cortex humain).
• Comparaison : scGRIP a surpassé les méthodes de l'état de l'art (LINGER et GLUE) ainsi qu'une baseline de corrélation de Pearson.
• Métrique : Mesurée par l'AUPRC (Area Under the Precision-Recall Curve) pour la prédiction des sites de liaison TF-RE.
  • Exemple : Sur les cellules T CD4, scGRIP a atteint un AUPRC de 0,630 contre 0,620 pour LINGER et 0,625 pour GLUE.
  • scGRIP a récupéré un nombre significativement plus élevé de paires TF-RE validées par ChIP-seq.

Inférence Spécifique aux Cellules et Types Cellulaires

• Classification : Les scores d'interaction régulateur inférés par scGRIP ont permis une classification précise des types cellulaires (AUROC élevé), surpassant les variantes sans attribution SHAP.
• Dynamique Régulatrice : L'analyse a montré que l'activité régulatrice (ex: SOX5) peut être active dans un type cellulaire même si l'expression du TF est faible, capturant ainsi des états fonctionnels que l'expression génique seule ne révèle pas.

Étude de Cas : Maladie d'Alzheimer (AD)

• Application : Inférence de GRN différentiels dans la microglie entre échantillons AD et contrôles.
• Découvertes :
  • Identification de changements régulateurs coordonnés impliquant SPI1 et APOE.
  • Activation de voies immunitaires innées (dégranulation des neutrophiles) et de voies liées à l'amyloïde.
  • Validation indépendante sur un jeu de données ROSMAP : scGRIP a montré une meilleure enrichissement hypergéométrique des paires RE-TG prédites par rapport à LINGER dans la microglie et les astrocytes.

Imputation et Représentation

• scGRIP excelle dans l'imputation croisée de modalités (ATAC vers RNA et vice-versa), atteignant des corrélations de Pearson de 0,73 (ATAC2RNA) et 0,57 (RNA2ATAC), surpassant des modèles comme BABEL et MultiVI.
• Les visualisations UMAP montrent une séparation claire des populations cellulaires, supérieure aux méthodes concurrentes.

5. Signification et Impact

scGRIP représente une avancée significative dans l'analyse des données multi-omiques single-cell en :

1. Résolvant le compromis interprétabilité/performance : Il fournit des GRN spécifiques aux cellules tout en étant explicable grâce à l'attribution de Shapley.
2. Révélant l'hétérogénéité fine : Il permet de découvrir des programmes régulateurs spécifiques à des conditions pathologiques (comme la neuroinflammation dans la maladie d'Alzheimer) qui seraient masqués par des méthodes d'agrégation.
3. Offrant une scalabilité pratique : Son architecture permet de traiter des graphes de régulation complets sur de grands jeux de données sans contraintes mémoire excessives.

En conclusion, scGRIP fournit un cadre robuste pour passer de la simple corrélation à une compréhension mécanistique des réseaux de régulation génique dans des contextes biologiques complexes et pathologiques.