LoCoFlow: Local-Context Flow Matching for Single-Cell Dynamics and Fate Inference

Résumé Technique : LoCoFlow

Problématique

Le séquençage de cellules uniques fournit des instantanés à haute résolution des états cellulaires à des points temporels discrets, mais la nature destructrice de la mesure empêche l'observation de véritables correspondances longitudinales entre les cellules individuelles. La reconstruction de trajectoires de développement continues à partir de ces instantanés est un problème mal posé comportant de multiples solutions possibles. De plus, les méthodes existantes traitent souvent les cellules comme des vecteurs isolés, échouant ainsi à représenter de manière adéquate la géométrie de la variété (manifold) locale de l'espace d'état cellulaire ou l'incertitude inhérente à la diversification des lignées. Bien que des cellules ayant des états transcriptionnels similaires puissent présenter des tendances de destin divergentes, les approches actuelles de transport optimal et de flow-matching infèrent généralement des couplages temporels au niveau de la cellule individuelle, manquant d'un cadre robuste pour modéliser l'évolution des voisinages cellulaires locaux en tant qu'unités cohérentes.

Méthodologie : LoCoFlow

Les auteurs introduisent LoCoFlow (Local-Context Flow Matching), un cadre qui intègre la géométrie locale des nuages de points avec l'incertitude de destin conditionnelle pour modéliser la dynamique des cellules uniques. La méthode opère en deux étapes principales :

1. Construction de Patchs Locaux et Correspondance Hiérarchique

Au lieu de faire correspondre des cellules isolées, LoCoFlow construit des « patchs » (voisinages locaux) chevauchants autour de cellules ancres.

• Définition du Patch : Pour les données d'expression, les patchs sont des voisinages géodésiques sur un graphe de plus proches voisins ; pour les données spatiales, ce sont des voisinages de taille fixe dans les coordonnées mesurées.
• Transport Hiérarchique : La méthode emploie un schéma de transport optimal (OT) à deux niveaux. Premièrement, elle résout un problème de transport au niveau du patch en utilisant la distance de Bures pour aligner les centres et les covariances des patchs (capturant à la fois la localisation et la dispersion). Deuxièmement, au sein des paires de patchs conservées, elle calcule un plan de transport au niveau de la cellule régularisé par l'entropie.
• Assignation Souple (Soft Assignment) : L'agrégation de ces plans produit une distribution conditionnelle des cellules cibles pour chaque source, plutôt qu'une assignation stricte, préservant ainsi de multiples correspondances de successeurs potentiels.

2. Pipeline d'Entraînement en Deux Étapes

• Étape 1 : Transport de Pont Régularisé par la Géométrie :
  • En utilisant les ensembles de points terminaux appariés dérivés du transport hiérarchique, le modèle apprend des « ponts » (chemins intermédiaires) entre les patchs sources et cibles.
  • Un réseau de neurones prédit un champ de vitesse résiduel $f_\theta$ qui, combiné à une interpolation linéaire, garantit que le chemin passe exactement par les points terminaux.
  • Priors Géométriques : La fonction de perte inclut des termes d'énergie cinétique et une pénalité radiale qui contraint la déformation relative (expansion/contraction) du patch sans restreindre la translation commune. Elle pénalise également les vitesses orthogonales à la géométrie de la variété locale estimée.
• Étape 2 : Distillation de la Vitesse Conditionnelle :
  • Puisque l'état futur est inconnu lors de l'inférence, le pont (qui nécessite les deux points terminaux) ne peut pas être utilisé directement. LoCoFlow distille les vitesses du pont en un champ de vitesse conditionnel $V_\omega$.
  • Latents Hiérarchiques : Le modèle apprend à générer des codes cibles $c_i$ à partir d'un contexte source $Z_0$ en utilisant une structure latente hiérarchique : un latent partagé par le patch $\eta_P$ (capturant les résultats au niveau de la population) et des latents spécifiques à la cellule $\eta_i$ (capturant la variation individuelle).
  • Entraînement : Un encodeur de cible apprend d'abord à mapper les points terminaux observés vers des codes $c^\star$. Ensuite, un générateur apprend à produire ces codes à partir du contexte source et des latents. Le réseau de vitesse est entraîné pour correspondre aux vitesses du pont conditionnées par ces codes générés.
  • Inférence : Lors de l'inférence, les codes latents sont tirés d'un prior (sans observations futures) et maintenus fixes pendant l'intégration. Cela permet d'échantillonner des trajectoires alternatives représentant l'incertitude de destin.

Contributions Clés

1. Représentation du Contexte Local : Déplace l'unité fondamentale de la modélisation dynamique des vecteurs d'expression isolés vers des états de population locale (nuages de points), modélisant explicitement l'évolution de la géométrie des voisinages.
2. Transport Hiérarchique : Introduit un mécanisme de transport optimal couplé au niveau du patch et de la cellule qui respecte à la fois le mouvement global des populations cellulaires et leurs changements structurels internes (ex: hétérogénéité, expansion).
3. Incertitude de Destin Conditionnelle : Développe un processus de distillation en deux étapes qui sépare les contraintes de chemin géométrique de l'incertitude des résultats, permettant l'échantillonnage de multiples trajectoires de destin plausibles sans observations futures.
4. Cadre d'Analyse de Perturbation : Fournit un mécanisme pour distinguer les effets de cellule focale des effets de voisinage (fond) dans les simulations de perturbation de gènes, révélant comment le contexte local façonne les réponses prédites.

Résultats Expérimentaux

L'article évalue LoCoFlow sur trois jeux de données : la différenciation des corps embryoïdes (EB), la reprogrammation d'iPSC, le développement de C. elegans et la régénération du cerveau d'Axolotl.

• Reconstruction Hors-Échantillon (Held-Out) : Sur les jeux de données EB et iPSC, LoCoFlow atteint des distances de Wasserstein ($W_1, W_2$) plus faibles que les modèles de référence comme OT-CFM, MFM et PACE dans la plupart des configurations à haute dimension (ex: PCA50). Cependant, l'article note que LoCoFlow présente parfois une Divergence de Moyenne Quadratique (MMD) plus élevée, suggérant que les prédictions peuvent être plus concentrées dans des régions spécifiques de l'espace d'état cellulaire.
• Prédiction de Destin (Données LARRY) : En utilisant les données de lignée tracée LARRY, LoCoFlow réduit l'erreur de Brier brute moyenne de 0,7990 (scDiffEq) à 0,6620, indiquant une meilleure précision dans la prédiction des vecteurs de probabilité de destin complets.
• Réponses aux Perturbations :
  • Patchs Géométriques : Lors de la perturbation de gènes dans des patchs géométriquement définis, les interventions de type « background-only » et « all-member » produisent des réponses alignées (ex: décalage du destin des monocytes vers les neutrophiles).
  • Minibatches Aléatoires : En revanche, les modèles utilisant des minibatches assemblées aléatoirement montrent des réponses opposées (focale vs background), soulignant l'importance du contexte géométrique.
• Interpolation Spatiale (Axolotl) : LoCoFlow améliore la prédiction spatiale ($W_2$) pour la régénération du cerveau d'Axolotl par rapport à OT-CFM, bien que les auteurs notent que les distributions spatiales prédites restent visuellement similaires au point temporel source, suggérant un besoin d'alignement spatial supplémentaire.

Signification et Revendications

L'article affirme que LoCoFlow fournit un cadre robuste pour étudier comment la structure de la population cellulaire locale façonne les trajectoires inférées, tout en représentant explicitement l'incertitude du destin cellulaire. Les auteurs soulignent que :

• Le Contexte Local est Critique : Les motifs de réponse distincts observés entre les patchs géométriques et les minibatches aléatoires soutiennent l'hypothèse que le contexte local est une représentation utile pour l'inférence probabiliste du destin.
• Hypothèses de Modélisation : Les auteurs maintiennent une position modeste, reconnaissant que les données instantanées n'identifient pas de manière unique les histoires cellulaires. Les composantes géométriques et latentes de LoCoFlow imposent des hypothèses de modélisation plutôt que de révéler les véritables relations de lignée.
• Hypothèses Testables : Le cadre génère des hypothèses testables concernant la manière dont le contexte local façonne les réponses prédites aux perturbations, distinguant les changements cellulaires intrinsèques des influences environnementales.

Le travail ne prétend pas résoudre l'ambiguïté fondamentale de l'inférence de trajectoire, mais propose une méthode qui s'aligne mieux sur la géométrie de la variété des états cellulaires et offre une manière structurée de quantifier et d'échantillonner l'incertitude du destin.