Generating Joint Transcriptomic and Morphological Responses to Drug Perturbations via Rectified Flow

Le papier présente PertFlow, un cadre computationnel unifié basé sur le flux rectifié capable de prédire simultanément les profils d'expression génique et de générer des images morphologiques cellulaires en réponse à des perturbations médicamenteuses, comblant ainsi une lacune majeure dans la modélisation conjointe des réponses transcriptomiques et phénotypiques.

L'essentiel

🧪 PertFlow : Le "Simulateur de Vol" pour les Cellules et les Médicaments

Imaginez que vous êtes un chef cuisinier (le chercheur) qui veut savoir ce qui va arriver à un plat (une cellule) si vous y ajoutez un ingrédient secret (un médicament).

Jusqu'à présent, les scientifiques avaient deux problèmes majeurs :

1. Ils pouvaient prédire comment les goûts changent (l'ADN et les gènes de la cellule), mais pas à quoi le plat ressemble une fois cuit (la forme de la cellule).
2. Ou alors, ils pouvaient voir à quoi le plat ressemble, mais pas comprendre pourquoi il a changé de goût.

Ils traitaient ces deux aspects séparément, comme si la recette et l'assiette étaient deux mondes différents. C'est là qu'intervient PertFlow.

🚀 L'Analogie du "Simulateur de Vol"

PertFlow est comme un simulateur de vol ultra-puissant pour les cellules.

• L'entrée : Vous donnez au simulateur l'état actuel de la cellule (une photo de la cellule saine + sa "recette" génétique) et vous lui dites : "Voici le médicament X, à telle dose, dans telle cellule."
• La magie : Au lieu de faire des expériences réelles en laboratoire (qui prennent des semaines et coûtent cher), PertFlow génère instantanément deux choses :
  1. La nouvelle recette (comment les gènes de la cellule vont réagir).
  2. La nouvelle photo (à quoi va ressembler la cellule une fois le médicament agi).

C'est la première fois qu'un ordinateur peut prédire simultanément les deux : ce qui se passe dedans (les gènes) et ce qui se voit dehors (la forme).

🎨 Comment ça marche ? (La Cuisine et le Peintre)

Pour faire cela, PertFlow utilise une technologie appelée "Rectified Flow" (Flux Rectifié). Imaginez cela comme un chemin de fer très direct :

1. Le Chef et le Peintre : Le modèle a deux "cerveaux" connectés. L'un est un chef qui comprend les ingrédients (les gènes), l'autre est un peintre qui comprend les formes (l'image de la cellule).
2. Le Pont Magique : Au lieu de les laisser travailler séparément, PertFlow construit un pont entre eux. Si le chef dit "Ce médicament va casser la structure", le peintre sait immédiatement dessiner une cellule qui s'effondre. Si le peintre voit une cellule qui devient ronde, le chef sait que certains gènes spécifiques doivent s'activer.
3. Le Résultat : Le modèle dessine une image de la cellule malade et écrit la liste des gènes actifs, le tout en une seule passe, avec une précision bluffante.

🏆 Les Résultats : Est-ce que ça marche vraiment ?

Les auteurs ont testé leur invention sur 40 médicaments différents et 3 types de cellules. Voici ce qu'ils ont découvert :

• La précision : Les images générées par l'ordinateur sont si réalistes que des médecins experts (pathologistes) ont eu du mal à les distinguer des vraies photos de laboratoire. Ils ont donné une note de 7,5 sur 10 (sur une échelle où 10 est parfait). C'est comme si un dessinateur avait réussi à copier une photo de la vie réelle à la main !
• La logique biologique : Le modèle ne fait pas n'importe quoi. Il a correctement prédit que certains médicaments cassent les "tuyaux" de la cellule (microtubules) ou abîment l'ADN, exactement comme on le sait en science.
• La vitesse : Au lieu de devoir cultiver des cellules pendant des jours pour voir l'effet d'un médicament, PertFlow le fait en quelques secondes.

💡 Pourquoi est-ce une révolution ?

Imaginez que vous voulez tester 10 000 médicaments contre le cancer.

• Avant : Il fallait les tester un par un en laboratoire, sur des cellules réelles. C'était long, cher et parfois dangereux.
• Avec PertFlow : On peut faire un "test virtuel". On demande à l'ordinateur : "Montre-moi ce que ce médicament fait à la cellule." Si l'image générée montre que la cellule meurt ou se déforme de manière dangereuse, on sait tout de suite que ce médicament est prometteur (ou dangereux) sans avoir à le fabriquer physiquement.

En résumé

PertFlow est un pont intelligent entre le monde invisible des gènes et le monde visible des formes cellulaires. C'est comme si on avait donné à un ordinateur la capacité de voir l'invisible et de prédire l'avenir d'une cellule face à un médicament, tout en restant fidèle à la réalité biologique.

C'est une étape majeure pour accélérer la découverte de nouveaux médicaments et comprendre comment ils agissent sur notre corps, le tout grâce à l'intelligence artificielle.

Résumé technique

1. Problématique et Motivation

La découverte de médicaments et la médecine personnalisée nécessitent une compréhension approfondie de la manière dont les perturbations chimiques (médicaments) altèrent les états cellulaires. Traditionnellement, les approches de modélisation traitent les données transcriptomiques (expression des gènes, RNA-seq) et morphologiques (images cellulaires, Cell Painting) de manière isolée.

• Limites actuelles : Les méthodes existantes prédisent soit l'expression génique, soit les changements morphologiques, mais pas les deux simultanément. Or, ces deux modalités sont intrinsèquement liées : l'expression génique pilote les transformations morphologiques, et les changements structurels modulent l'activité génique.
• Défi principal : Il n'existe aucune méthode capable de générer conjointement des profils d'expression génique et des images cellulaires réalistes à partir d'un état cellulaire de contrôle, conditionnés par des métadonnées de médicaments (structure, dose, type cellulaire, temps). Cela pose trois défis majeurs : l'alignement de données dans des espaces de représentation hétérogènes, la capture de conditions complexes de médicaments, et la génération simultanée de données discrètes (gènes) et continues (images) avec une cohérence biologique.

2. Méthodologie : L'architecture PertFlow

Les auteurs proposent PertFlow, un cadre computationnel unifié basé sur l'apprentissage profond et le Rectified Flow (Flux Rectifié).

A. Formulation du problème

Le modèle apprend une fonction $f_\theta$ qui mappe un état cellulaire de contrôle (RNA-seq + Image) et des informations sur le médicament ($c$) vers un état de traitement (RNA-seq + Image) :
$$x^{treat}_{rna}, x^{treat}_{img} = f_\theta(x^{ctrl}_{rna}, x^{ctrl}_{img}, c)$$

B. Architecture du modèle

PertFlow intègre trois composants principaux :

1. Encodeurs de modalités individuelles :
   • RNA-seq : Utilise une architecture d'attention auto-attentionnelle (transformer) pour capturer les interactions gène-gène, enrichie par des embeddings issus d'un graphe de connaissances (PrimeKG) intégrant les interactions protéine-protéine et les voies biologiques.
   • Images : Utilise un encodeur de type ResNet pour extraire des caractéristiques visuelles hiérarchiques des images de microscopie (Cell Painting).
   • Médicaments : Encodage des structures chimiques (empreintes moléculaires Morgan/RDKit, descripteurs 2D/3D) et des métadonnées (concentration, temps, lignée cellulaire).
2. Mécanisme d'Attention Cross-Modale :
   • Les tokens de RNA et d'image subissent une auto-attention intra-modale, suivie d'une attention croisée bidirectionnelle. Cela permet aux caractéristiques transcriptomiques de s'aligner avec les caractéristiques morphologiques et vice-versa, créant un espace d'embedding partagé cohérent.
   • Les embeddings enrichis sont fusionnés avec les conditions de médicaments via un encodeur partagé.
3. Têtes de Génération (Heads) :
   • Prédiction Transcriptomique : Une régression directe (couche fully-connected) prédit le profil d'expression génique de traitement à partir de l'embedding partagé.
   • Génération Morphologique : PertFlow adapte le Rectified Flow. Contrairement aux modèles de diffusion classiques qui apprennent à prédire le bruit, le Rectified Flow apprend un champ de vitesse constant ($v_t$) le long d'un chemin linéaire entre le bruit initial ($z_0$) et l'image cible. Un réseau UNet prédit ce champ de vitesse conditionné par l'embedding partagé et le temps. L'inférence utilise un solveur d'ODE (DOPRI5) pour intégrer ce champ de vitesse.

C. Fonction de Perte (Loss Function)

L'optimisation combine trois objectifs :

• Perte Transcriptomique ($L_{rna}$) : Combinaison de l'erreur quadratique moyenne (MSE) pour la précision des niveaux d'expression et de la perte de corrélation de Pearson pour préserver les motifs relatifs d'expression.
• Perte d'Image ($L_{img}$) : Prédiction de la vitesse dans le cadre du Rectified Flow.
• Perte de Cohérence Triplet ($L_{triplet}$) : Une perte contrastive qui force l'alignement entre les paires RNA-Image réelles et pénalise les paires désalignées (bruitées), assurant la cohérence multimodale.

3. Résultats Expérimentaux

A. Données et Évaluation

• Jeu de données : Plateforme de données Ginkgo (GDP), incluant 3 lignées cellulaires, 40 composés chimiques et 17 242 échantillons appariés (RNA-seq en vrac + images Cell Painting).
• Métriques Transcriptomiques : PertFlow atteint une corrélation de Pearson de 0,780 ± 0,264 et une corrélation de Spearman de 0,792, surpassant les modèles de base (MLP, VAE, PRNet) et les modèles unimodaux.
• Métriques Morphologiques :
  • FID (Fréchet Inception Distance) : 24,06 (très faible, indiquant une haute qualité et diversité).
  • SSIM/PSNR : Supérieurs aux modèles de diffusion basés sur UNet et PhenDiff.
  • Évaluation par des pathologistes : Des pathologistes certifiés ont noté les images générées avec une similarité médiane de 7,11 à 7,89/10 par rapport aux images réelles, surpassant les méthodes de référence.

B. Analyse Biologique et Mécanismes

• Récupération des mécanismes d'action : Le modèle a correctement prédit les effets morphologiques et géniques de médicaments connus :
  • Cevipabuline/Podophyllotoxine : Perturbation des microtubules (arrêt mitotique).
  • Camptothécine : Dommages à l'ADN.
  • Dabrafenib : Inhibition de la voie MAPK.
• Analyse d'enrichissement génique (GSEA) : Les gènes les plus importants identifiés par le modèle correspondent aux voies biologiques attendues (EMT, p53, apoptose, réponse au stress TNF-alpha/NF-kB), validant la pertinence biologique des prédictions.
• Cohérence Multimodale : Les analyses UMAP et t-SNE montrent que l'attention croisée aligne efficacement les espaces de caractéristiques RNA et Image, regroupant les échantillons par type de médicament et de lignée cellulaire dans un espace latent partagé.

4. Contributions Clés

1. Première approche unifiée : PertFlow est la première méthode capable de générer simultanément des réponses transcriptomiques et morphologiques à des perturbations chimiques.
2. Intégration du Rectified Flow : Application réussie du flux rectifié pour la génération d'images biologiques conditionnées par des données moléculaires, offrant une efficacité computationnelle et une stabilité supérieures aux modèles de diffusion classiques.
3. Alignement Cross-Modale : Utilisation d'un mécanisme d'attention croisée et d'un graphe de connaissances (PrimeKG) pour créer un espace d'embedding partagé robuste, permettant une prédiction cohérente même avec des données partielles.
4. Validation Rigoureuse : Évaluation combinant des métriques quantitatives (FID, Corrélation) et une validation qualitative par des experts humains (pathologistes) et des analyses biologiques (GSEA).

5. Signification et Perspectives

PertFlow représente une avancée majeure pour la découverte de médicaments virtuelle. En permettant de simuler simultanément les changements moléculaires et phénotypiques, il offre un outil puissant pour :

• Le criblage virtuel de nouveaux composés.
• La découverte de mécanismes d'action (MoA) pour des médicaments non caractérisés.
• La modélisation pharmacologique intégrée, réduisant la dépendance aux tests expérimentaux coûteux.

Bien que le modèle soit performant, les auteurs notent des défis restants, notamment la généralisation à des lignées cellulaires ou des composés totalement nouveaux (en dehors de la distribution d'entraînement) et l'intégration de contextes micro-environnementaux complexes (interactions cellule-cellule). Néanmoins, PertFlow pose les bases d'une nouvelle génération de modèles génératifs multimodaux en biologie computationnelle.