scDRP: Disentangled representation learning for predicting single-cell responses to perturbations and estimating individual treatment effects

तकनीकी सारांश: scDRP: एकल-कोशिका प्रतिक्रियाओं की भविष्यवाणी के लिए विलगित प्रतिनिधित्व अधिगम (Disentangled Representation Learning)

1. समस्या विवरण

सिंगल-सेल अनुक्रमण तकनीकें (जैसे, Perturb-seq, sci-Plex) विभिन्न रासायनिक या आनुवंशिक विक्षोभों (perturbations) के तहत जीन नियामक सर्किटों के बड़े पैमाने पर प्रोफाइलिंग को सक्षम बनाती हैं। हालाँकि, ये प्रयोग स्वाभाविक रूप से विनाशकारी होते हैं, जो केवल विभिन्न स्थितियों के तहत कोशिकाओं के असुमेलित स्नैपशॉट प्रदान करते हैं। फलस्वरूप, एक ही कोशिका को विक्षोभ से पहले और बाद में देखना असंभव है, जिससे व्यक्तिगत उपचार प्रभाव (Individual Treatment Effects - ITE)—अर्थात, एक विशिष्ट उपचार के प्रति एक एकल कोशिका की सटीक कारण संबंधी प्रतिक्रिया—का अनुमान लगाने में एक मौलिक बाधा उत्पन्न होती है।

मौजूदा विधियाँ दो प्राथमिक सीमाओं का सामना करती हैं:

• जनसंख्या-औसत पर ध्यान (Population-Average Focus): scGEN जैसे ढांचे औसत जनसंख्या प्रतिक्रियाओं की भविष्यवाणी करते हैं, जिससे वह विषमता (heterogeneity) छिप जाती है जो ऑर्गनॉइड्स जैसे जटिल प्रणालियों को समझने के लिए महत्वपूर्ण है जहाँ उप-जनसंख्याएँ अलग-अलग तरह से प्रतिक्रिया करती हैं।
• अत्यधिक सुदृढ़ धारणाएँ (Overly Strong Assumptions): CINEMA-OT जैसी विधियाँ यह मानती हैं कि विक्षोभ-प्रेरित संकेत कन्फाउंडर्स (जैसे, कोशिका प्रकार) से पूरी तरह स्वतंत्र हैं और रैखिक संयोजनों (linear combinations) पर निर्भर करती हैं, जो कोशिकीय प्रतिक्रियाओं को नियंत्रित करने वाले जटिल गैर-रैखिक संबंधों और अंतःक्रियाओं की उपेक्षा करती हैं।

चुनौती यह है कि कन्फाउंडर्स (जैसे, कोशिका प्रकार) को ध्यान में रखते हुए और गैर-रैखिक गतिकी (nonlinear dynamics) को समझते हुए, काउंटरफैक्चुअल अवस्थाओं (एक नियंत्रण कोशिका विक्षोभ के प्रति कैसे प्रतिक्रिया करेगी) का अनुमान कैसे लगाया जाए और असुमेलित जनसंख्या डेटा से ITE का आकलन कैसे किया जाए।

2. कार्यप्रणाली: scDRP ढांचा

लेखक scDRP का प्रस्ताव करते हैं, जो ITE का अनुमान लगाने के लिए विलगित प्रतिनिधित्व अधिगम (disentangled representation learning) को सशर्त इष्टतम परिवहन (conditional optimal transport - OT) के साथ जोड़ता है।

A. विलगित लेटेंट प्रतिनिधित्व (Disentangled Latent Representation)
scDRP उच्च-आयामी जीन अभिव्यक्ति प्रोफाइल ($x$) को निम्न-आयामी लेटेंट चरों ($z$) के फलन के रूप में मॉडल करता है, जो दो सशर्त रूप से स्वतंत्र उप-स्थानों (subspaces) में विभाजित हैं:

1. विक्षोभ-अपरिवर्तनीय पहचान ($z_u$): स्थिर आंतरिक गुणों (जैसे, कोशिका प्रकार, परिपक्वता चरण) और कन्फाउंडर्स ($w$) को कैप्चर करता है।
2. विक्षोभ-प्रेरित प्रतिक्रिया ($z_d$): विक्षोभ ($a$) और कन्फाउंडर्स द्वारा प्रेरित भिन्नता को कैप्चर करता है।

इस पृथक्करण को सीखने के लिए, scDRP एक $\beta$-वेरिएशनल ऑटोएन्कोडर ($\beta$-VAE) का उपयोग करता है, जिसे निम्नलिखित द्वारा नियमित (regularize) किया जाता है:

• हिल्बर्ट-श्मिट सशर्त स्वतंत्रता मानदंड (HSCIC): $w$ के दिए होने पर $z_u$ और $z_d$ के बीच सख्त सशर्त स्वतंत्रता सुनिश्चित करता है।
• गेटेड $L_0$ नॉर्म (Gated $L_0$ Norm): इष्टतम लेटेंट आयामों का चयन करने और पहचान क्षमता (identifiability) सुनिश्चित करने के लिए विरलता (sparsity) को प्रोत्साहित करता है।

B. काउंटरफैक्चुअल मिलान के लिए सशर्त इष्टतम परिवहन (Conditional Optimal Transport)
काउंटरफैक्चुअल भविष्यवाणियां उत्पन्न करने के लिए, scDRP को नियंत्रण कोशिकाओं को विक्षोभ समूह में उनके "जुड़वां" समकक्षों के साथ मिलाना होगा। यह ढांचा रैंक-संरक्षण धारणा (rank-preserving assumption) के तहत कार्य करता है: एक सजातीय उप-जनसंख्या (जो $w$ या $z_u$ द्वारा निर्धारित होती है) के भीतर, एक विक्षोभ प्रतिक्रियाओं के वितरण को बदल देता है लेकिन व्यक्तिगत कोशिकाओं के सापेक्ष रैंक (quantile) को सुरक्षित रखता है।

इस मिलान को विलगित लेटेंट स्पेस में एक सशर्त इष्टतम परिवहन (Conditional Optimal Transport) समस्या के रूप में तैयार किया गया है। लक्ष्य एक इष्टतम कपलिंग मैट्रिक्स $\Gamma^*$ खोजना है जो परिवहन लागत को कम करता है:
$$C(z_s, z_t) = \alpha \|z_s^u - z_t^u\|_2^2 + \beta \|z_s^d - z_t^d\|_2^2$$

• पहला पद ($\alpha$) एक सॉफ्ट बाधा के रूप में कार्य करता है जो यह सुनिश्चित करता है कि मिलान की गई कोशिकाओं की आंतरिक पहचान समान हो।
• दूसरा पद ($\beta$) प्रतिक्रिया स्थान पर परिवहन लागत है, जो एक आयाम में क्वांटाइल मिलान के समान है।

एक बार इष्टतम कपलिंग मिलने के बाद, काउंटरफैक्चुअल लेटेंट अवस्थाओं ($\tilde{z}$) को उत्पन्न करने के लिए बैरसेंट्रिक प्रोजेक्शन (barycentric projection) का उपयोग किया जाता है, जिन्हें फिर ITE ($\hat{\tau} = \tilde{x} - x$) का अनुमान लगाने के लिए डिकोड किया जाता है।

C. डाउनस्ट्रीम विश्लेषण और सामान्यीकरण

• बाइक्लस्टरिंग (Biclustering): ITE मैट्रिक्स का विश्लेषण कार्यात्मक जीन मॉड्यूल (Functional Gene Modules - FGMs)—जीन और कोशिकाओं के समूहों की पहचान करने के लिए किया जाता है जो विशिष्ट प्रतिक्रिया पैटर्न प्रदर्शित करते हैं।
• अनदेखे डोज़ (Unseen Doses): अनदेखे विक्षोभ डोज़ के लिए, scDRP $z_d$ के माध्य और विचरण के इंटरपोलेशन के लिए लेटेंट स्पेस पर गॉसियन प्रोसेस रिग्रेशन का उपयोग करता है, जिसके बाद काउंटरफैक्चुअल्स उत्पन्न करने के लिए अवशेष सुधार (residual correction) किया जाता है।
• संयोजन प्रभाव (Combinatorial Effects): यह ढांचा व्यक्तिगत ITEs को वेक्टर्स के रूप में मानकर और वेक्टर संयोजन (समानांतर चतुज नियम) लागू करके संयुक्त विक्षोभ प्रभावों के परिमाण का अनुमान लगाता है, हालांकि यह केवल पूर्ण परिमाण (absolute magnitude) का अनुमान लगा सकता है, दिशा (ऊपर/नीचे-नियमन) का नहीं।

3. मुख्य परिणाम

लेखक चार वास्तविक दुनिया के डेटासेट (Kang et al., Dong et al., Hagai et al., Norman et al.) और सिमुलेशन के माध्यम से scDRT को मान्य करते हैं:

• सिमुलेशन प्रदर्शन: scDRP, ITEs और कंडीशनल एवरेज ट्रीटमेंट इफेक्ट्स (CATEs) का अनुमान लगाने में CINEMA-OT और scGEN की तुलना में लगातार बेहतर प्रदर्शन करता है, विशेष रूप से गैर-रैखिक सेटिंग्स में और जब कोशिका-प्रकार लेबल अज्ञात हों। यह ग्राउंड-ट्रुथ पेयरिंग और लेटेंट डिसेंटैंगलमेंट को सटीक रूप से रिकवर करता है।
• वास्तविक डेटा भविष्यवाणी: वास्तविक डेटासेट पर, scDRP ऐसे काउंटरफैक्चुअल वितरण उत्पन्न करता है जो देखे गए उपचार वितरणों के साथ निकटता से मेल खाते हैं (उच्च PCC, कम RMSE, कम MMD), जबकि अन्य विधियों में काफी अंतर दिखाई देता है।
• जैविक अंतर्दृष्टि:
  • राइनोवायरस और सिगरेट का धुआं: ब्रोंकाइल ऑर्गनॉइड डेटा के पुन: विश्लेषण ने सूक्ष्म पैटर्न प्रकट किए, जिससे सिलियरी बायोजेनेसिस (ciliary biogenesis) और सेल-साइकिल प्रोग्रेशन के लिए विशिष्ट FGMs की पहचान हुई, जो पिछले रैखिक विश्लेषणों में छूट गए थे।
  • इंटरफेरॉन उत्तेजना (Interferon Stimulation): PBMCs में, scDRP ने विषम प्रतिरक्षा प्रतिक्रियाओं को सुलझाया, विशिष्ट कोशिका प्रकारों (जैसे, CD4+ T कोशिकाएं, मोनोसाइट्स) को विशिष्ट कार्यात्मक मॉड्यूल (जैसे, एंटीवायरल रक्षा, एपोप्टोसिस, मेटाबॉलिक रेगुलेशन) से जोड़ा।
  • CRISPR विक्षोभ: K562 ल्यूकेमिया कोशिकाओं में, विधि ने प्रमुख कार्यात्मक मॉड्यूल (MHC I एंटीजन प्रेजेंटेशन) और विशिष्ट जीन-संचालित विचलन (जैसे, ऑक्सीडेटिव स्ट्रेस को विभेदन से जोड़ने वाला KLF1) की पहचान की।
• सामान्यीकरण: मॉडल अनदेखे रासायनिक डोज़ के लिए डोज़-रिस्पॉन्स कर्व्स को सफलतापूर्वक इंटरपोलेट करने और संयुक्त उपचार प्रभावों के परिमाण का अनुमान लगाने में सफल रहा।

4. महत्व और दावे

लेखक दावा करते हैं कि scDRP एकल-कोशिका विक्षोभ डेटा से विषम कारण संबंधों को निकालने के लिए एक सिद्धांतिक कम्प्यूटेशनल दृष्टिकोण प्रदान करता है। इसका महत्व निम्नलिखित में निहित है:

• सैद्धांतिक कठोरता: यह कंडीशनल OT का उपयोग करके काउंटरफैक्चुअल मिलान के लिए कठोर धारणाएं स्थापित करता है, जो ह्यूरिस्टिक (heuristic) दृष्टिकोणों से आगे बढ़ता है।
• जैविक रिज़ॉल्यूशन: पहचान को प्रतिक्रिया से अलग करके, यह कोशिका-प्रकार-विशिष्ट कार्यात्मक जीन मॉड्यूल और विषम तंत्रों की खोज को सक्षम बनाता है जिन्हें जनसंख्या-औसत विधियाँ अस्पष्ट कर देती हैं।
• बहुमुखी प्रतिभा: यह ढांचा अनदेखे विक्षोभ डोज़ और संयोजनों के लिए सामान्यीकृत होता है, जो इन सिलिको विक्षोभ स्क्रीनिंग और तर्कसंगत चिकित्सीय लक्ष्य खोज की सुविधा प्रदान करता है।

लेखक अपनी सीमाओं को स्वीकार करते हुए नोट करते हैं कि विलगन (disentanglement) उन पहचान योग्य धारणाओं (सशर्त स्वतंत्रता) पर निर्भर करता जिन्हें केवल अवलोकन संबंधी डेटा से सत्यापित नहीं किया जा सकता है, और वर्तमान में संय combinación संबंधी निष्कर्ष केवल प्रभाव का परिमाण रिकवर करते हैं, दिशा नहीं। भविष्य के कार्यों के लिए टेम्पोरल/स्पेशियल मोडैलिटीज को शामिल करने और scATAC-seq जैसे अन्य डेटा प्रकारों तक विस्तार करने का सुझाव दिया गया है।