Sintesi Tecnica: HEIST - Un Modello di Fondazione a Grafi per la Trascrizionomica e la Proteomica Spaziale

Problematica

La trascrittomica e la proteomica a singola cella hanno permesso approfondimenti profondi sull'eterogeneità cellulare, tuttavia la tradizionale sequenziatura dell'RNA a singola cella (scRNA-seq) manca del contesto spaziale necessario per comprendere l'organizzazione dei tessuti, le interazioni del microambiente e come la co-espressione genica influenzi i comportamenti a livello tissutale. Sebbene la trascrittomica e la proteomica spaziale affrontino questo problema preservando le posizioni fisiche, i modelli computazionali esistenti affrontano limitazioni significative:

1. Ignorare la complessità spaziale o molecolare: Molti modelli ignorano le informazioni spaziali o non riescono a modellare i complessi programmi genetici e proteomici all'interno delle cellule, impedendo l'inferenza di come la regolazione interna si adatti ai segnali del microambiente.
2. Vocabolari fissi: La maggior parte dei modelli di fondazione utilizza vocabolari genici fissi, ostacolando la loro generalizzabilità a dataset contenenti geni o proteine non presenti durante il pre-addestramento.
3. Mancanza di modellazione gerarchica: Gli approcci esistenti spesso trattano le cellule e i geni come strutture piatte o grafi completamente connessi, fallendo nel catturare il bias induttivo di reti di co-espressione sparse e biologicamente plausibili che interagiscono con i vicinati spaziali.

Metodologia: Architettura HEIST

Gli autori propongono HEIST (Hierarchical EmbeddIngs for Spatial Transcriptomics), un modello di fondazione a transformer grafico gerarchico progettato per modellare congiuntamente la prossimità spaziale e le reti di co-espressione genica interna.

1. Costruzione del Grafo Gerarchico

HEIST modella i tessuti come un grafo gerarchico a due livelli:

• Livello Superiore (Grafo Spaziale): Un grafo cellula-cellula ($G_c$) costruito computando i poligoni di Voronoi dalle coordinate cellulari e collegando le cellule in poligoni adiacenti per catturare la prossimità spaziale e l'architettura tissutale.
• Livello Inferiore (Reti di Co-espressione Genica): Ogni cellula è rappresentata da una rete di co-espressione genica di livello inferiore ($G^k_g$). Queste reti sono costruite per tipo cellulare computando l'informazione mutua a coppie tra geni denoisati (usando MAGIC) e collegando le coppie sopra una soglia adattiva e guidata dai dati $\tau$.

2. Architettura del Modello

HEIST impiega un Hierarchical Graph Transformer che esegue due tipi distinti di passaggio di messaggi:

• Passaggio di Messaggi Intra-livello: All'interno di ogni livello, il modello aggiorna gli embedding cellulari utilizzando un CellGraphTransformer (che cattura le interazioni spaziali a lungo raggio) e gli embedding genici utilizzando un GeneGraphTransformer (che cattura i pattern di co-espressione fine).
• Passaggio di Messaggi Cross-livello: Un meccanio di attenzione direzionale innovativo integra le due modalità.
  • Da Gene a Cellula: Gli embedding cellulari sono raffinati tramite riassunti aggregati (pooled) dei loro geni costituenti, assicurando che gli stati trascrizionali diano forma all'identità spaziale.
  • Da Cellula a Gene: Gli embedding genici sono aggiornati in base al contesto spaziale della loro cellula genitrice. Ciò consente allo stesso gene di essere codificato diversamente a seconda del suo contesto cellulare, consentendo al modello di generalizzare a geni non visti o caratteristiche proteomiche senza ri-addestramento.

3. Obiettivi di Pre-addestramento

HEIST è pre-addestrato su 22,3 milioni di cellule da 124 tessuti in 15 organi utilizzando una combinazione di obiettivi auto-supervisionati:

• Apprendimento Contrastivo: Allinea cellule e geni simili (ad esempio, cellule vicine dello stesso tipo, geni co-espressi) mentre allontana le coppie dissimilarmente. Include l'allineamento contrastivo cross-livello per garantire la coerenza tra le rappresentazioni di geni e cellule.
• Autoencoder Mascherato (MAE): Il modello ricostruisce i valori di espressione genica e le coordinate spaziali mascherate, costringendolo a inferire i dati mancanti e a imparare rappresentazioni robuste dei segnali genici e dei segnali spaziali.
• Regolarizzazione di Ortogonalità: Incoraggia le dimensioni degli embedding a essere decorrelate, promuovendo rappresentazioni diverse e non ridondanti.

Contributi Chiave

1. Primo Modello di Fondazione Gerarchico per l'Omica Spaziale: HEIST è il primo modello che incorpora esplicitamente reti di co-espressione insieme a grafi spaziali in un quadro gerarchico unificato, permettendo ai programmi genici locali di influenzare l'organizzazione a livello tissutale e viceversa.
2. Embedding Genici Dinamici e Consapevoli del Contesto: A differenza dei modelli che si affidano a vocabolari fissi, HEIST calcola dinamicamente gli embedding genici dalle reti di co-espressione e dal contesto cellulare. Ciò consente la generalizzazione a nuovi tipi di dati, inclusa la proteomica spaziale, senza ri-addestramento.
3. Efficienza Computazionale: Utilizzando la modellazione sparsa ed evitando l'auto-attenzione completa su tutti i geni, HEIST ottiene velocità significative, riportate come 8× più veloce di SCGPT-SPATIAL e 48× più veloce di SCFOUNDATION per l'estrazione degli embedding.
4. Bias Induttivo Biologico: L'architettura cattura la co-espressione genica fine all'interno delle cellule e le interazioni cellulari a lungo raggio attraverso il passaggio di messaggi cross-livello, producendo embedding biologicamente contestualizzati.

Risultati Sperimentali

HEIST è stato valutato su quattro task a valle attraverso molteplici tecnologie (MERFISH, Xenium, CODEX, MIBI) e organi:

• Clustering Cellulare: HEIST ha superato i baseline (STAGATE, GraphST, CellPLM, scGPT-spatial) nei punteggi di Informazione Mutua Normalizzata (NMI). Crucialmente, ha identificato con successo subpopolazioni spazialmente informate che i modelli precedenti avevano collassato, rivelando l'eterogeneità guidata dal microambiente (ad esempio, distinti sottocluster di neuroni L4-IT).
• Annotazione del Tipo Cellulare: Ha raggiunto F1 score allo stato dell'arte in quattro dei cinque dataset, con miglioramenti sostanziali (ad esempio, +48,5% sui dati del collo UPMC) rispetto ai baseline.
• Predizione dell'Esito Clinico: HEIST ha ottenuto l'AUC-ROC più alto in sei dei sette scenari, inclusa la predizione della risposta all'immunoterapia, della remissione e delle condizioni placentari. Notevolmente, ha superato i baseline specifici della proteomica fino al 44,3% sfruttando tutti i marker disponibili senza ri-addestramento.
• Imputazione Genica: Dopo il fine-tuning, HEIST ha superato tutti i baseline (incluso MAGIC e i modelli di fondazione sottoposti a fine-tuning) nella correlazione di Pearson per l'imputazione genica su dataset di placenta e pelle.
• Predizione Ligando-Recettore: HEIST ha raggiunto un AUC-ROC di 0,995 nella predizione delle interazioni ligando-recettore, superando significativamente altri modelli di fondazione, indicando che i suoi embedding catturano efficacemente le firme spaziali della comunicazione cellulare.

Significato e Rivendicazioni

L'articolo afferma che HEIST rappresenta un avanzamento significativo nella modellazione dell'omica spaziale unificando le gerarchie spaziali e molecolari. La sua importanza primaria risiede nella sua capacità di:

• Scoprire Nuova Biologia: Catturando subpopolazioni specifiche del microambiente che i modelli precedenti non rilevavano, HEIST fornisce intuizioni più profonde sull'organizzazione dei tessuti e sulla progressione delle malattie (ad esempio, la progressione dello stadio di Braak nell'Alzheimer).
• Abilitare il Trasferimento Cross-Modale: Il meccanismo di embedding dinamico consente al modello di generalizzare ai dati proteomici e a dataset con diversi set di geni, affrontando una limitazione maggiore dei modelli di fondazione attuali a vocabolario fisso.
• Fornire una Base Scalabile: Con prestazioni allo stato dell'arte e un'elevata efficienza computazionale, HEIST offre una base pratica e general-purpose per diversi compiti biologici e clinici a valle, dalla annotazione cellulare alla predizione delle risposte terapeutiche.

Gli autori concludono che modellare sia l'informazione molecolare (co-espressione) che quella spaziale è essenziale per sviluppare modelli trasferibili per l'omica spaziale, un vuoto che HEIST mira a colmare.