CellBRIDGE: Learning Cellular Trajectories via Interaction-Aware Alignment

Sintesi Tecnica: CellBRIDGE

Problema

Inferire la dinamica cellulare da istantanee di popolazione è una sfida fondamentale nella sequenziatura dell'RNA a singola cellula (scRNA-seq). Poiché le misurazioni scRNA-seq sono distruttive, le singole cellule non possono essere tracciate nel tempo, rendendo l'inferenza delle traiettorie un problema sottodeterminato. Sebbene il Trasporto Ottimale (OT) fornisca un quadro rigoroso per allineare le distribuzioni attraverso i punti temporali, gli approcci standard si affidano esclusivamente alle distanze di espressione genica. Questi metodi trattano implicitamente le cellule come particelle indipendenti, trascurando la comunicazione cellula-cellula strutturata (CCI) mediata dal segnalamento ligando-recettore (LR), che è nota per guidare lo sviluppo e le malattie. Di conseguenza, la scelta della funzione di costo nell'OT rimane un collo di bottiglia per la generazione di accoppiamenti biologicamente significativi.

Metodologia: CellBRIDGE

Gli autori introducono CellBRIDGE (Cell-Based Regularized Interaction-Driven Gene Expression), un framework che potenzia l'OT basato sulle caratteristiche con un costo di interazione diretto e tipizzato, derivato dall'attività LR.

1. Costruzione del Costo Sensibile alle Interazioni

Invece di fare affidamento sulle coordinate spaziali (che non sono disponibili nella scRNA-seq dissociata), CellBRIDGE costruisce reti di comunicazione proxy all'interno di ogni istantanea:

• Pre-processing: I conteggi dell'espressione genica vengono normalizzati e mappati in $[0, 1]$ utilizzando una funzione di saturazione di Hill per catturare gli effetti di occupazione dei recettori.
• Scoring: Per un insieme di $P$ coppie ligando-recettore, viene costruito un tensore CCI diretto e non negativo $G \in \mathbb{R}^{n \times n \times P}_{\geq 0}$. Il punteggio di interazione tra una cellula mittente $i$ e una cellula ricevente $j$ per la coppia $p$ è calcolato come il prodotto dell'espressione del ligando in $i$ e dell'espressione del recettore in $j$.
• Struttura: Ciò produce una rappresentazione multi-canale e diretta della comunicazione cellula-cellula.

2. Formulazione Fused Gromov–Wasserstein (FGW)

CellBRIDGE inquadra il problema di allineamento come un'ottimizzazione Fused Gromov–Wasserstein (FGW). Cerca un accoppiamento $\Gamma$ che minimizzi una somma pesata di due termini:

1. Costo delle Caratteristiche ($F$): Il costo di trasporto standard nello spazio dell'espressione genica (ad es., distanza euclidea al quadrato), che impone un'evoluzione fluida degli stati trascrizionali.
2. Costo della Struttura ($S$): Un termine di distorsione che misura il disallineamento tra i profili di interazione diretti e multi-canale delle coppie di cellule sorgente e target.

La funzione obiettivo è:
$$\min_{\Gamma \in \Pi(a,b)} (1-\alpha) \langle \Gamma, C \rangle_F + \alpha \sum_{i,k,j,l} \phi(g^{(0)}_{i \to k}, g^{(1)}_{j \to l}) \Gamma_{ij} \Gamma_{kl}$$
dove $\alpha \in [0, 1]$ bilancia la somiglianza delle caratteristiche e la preservazione della struttura di interazione, e $\phi$ è una metrica di somiglianza (predefinito: distanza euclidea al quadrato) tra i vettori dei canali LR.

3. Modularità e Integrazione a Valle

Un principio di progettazione chiave è che il prior di interazione viene iniettato solo a livello di accoppiamento. L'accoppiamento risultante $\Gamma^*$ funge da input plug-and-play per vari modelli di traiettoria a tempo continuo, tra cui:

• Conditional Flow Matching (CFM): Apprendimento di campi di velocità deterministici.
• Metric Flow Matching (MFM): Apprendimento di flussi su una varietà riemanniana dipendente dai dati.
• Stochastic Schrödinger Bridges (SF2M): Modellazione di dinamiche stocastiche.
• Unbalanced OT: Gestione dei cambiamenti di massa della popolazione (proliferazione/apoptosi).

Il framework risolve il problema FGW non convesso utilizzando una routine di gradiente condizionato (Frank-Wolfe) personalizzata e impiega uno schema di normalizzazione per garantire che i termini di caratteristica e struttura siano su scale comparabili.

Contributi Chiave

1. Visione del Costo-Funzione: Il documento identifica la progettazione del costo OT come una leva critica per l'allineamento delle istantanee, proponendo la fluidità della comunicazione cellula-cellula diretta e tipizzata come un prior biologicamente fondato, ortogonale al principio della minima azione nell'espressione genica.
2. FGW Tipizzato e Diretto: Gli autori generalizzano l'FGW per gestire strutture di interazione dirette a multi-relazione (vettoriali) derivate dal segnalamento LR, ottenendo accoppiamenti sensibili alle interazioni.
3. Ampia Applicabilità: Il metodo dimostra che gli accoppiamenti sensibili alle interazioni migliorano l'inferenza delle traiettorie in diversi framework (CFM, MFM, SF2M, UOT), stabilendo la struttura CCI come un prior general-purpose.
4. Interpretabilità Meccanicistica: Operando sul catalogo LR, CellBRIDGE consente perturbazioni in silico. Il silenziamento di specifiche coppie LR induce spostamenti nelle traiettorie che recapitano gli effetti biologici attesi dell'inibizione delle vie.

Risultati Sperimentali

Gli autori hanno valutato CellBRIDGE su dati sintetici e sei dataset scRNA-seq del mondo reale (inclusi tumore polmonare, corteccia V1, stimolazione di cellule dendritiche e sviluppo dell'embrione di topo).

• Qualità dell'Accoppiamento: Sui dati sintetici con mappe di trasporto note, l'incorporazione della struttura di interazione ($\alpha > 0$) ha recuperato significativamente la vera mappa di trasporto, mentre l'OT basato solo sulle caratteristiche ($\alpha=0$) ha fallito a causa del disallineamento di cluster con espressioni simili ma ruoli di segnalazione differenti.
• Inferenza delle Traiettorie: Su dataset reali, CellBRIDGE ha costantemente ridotto gli errori di interpolazione (distanze Wasserstein-1 e Wasserstein-2) rispetto ai baseline allo stato dell'arte (ad es., TrajectoryNet, DSB, Moscot, OT-CFM). Le migliori prestazioni sono state tipicamente raggiunte con un setting bilanciato ($\alpha \approx 0.5$), sebbene alcuni dataset (ad es., Stimolo Dendritico) abbiano favorito il setting basato solo sulla struttura ($\alpha=1$).
• Fondamento Biologico: Gli studi di ablazione hanno confermato che i guadagni sono stati guidati da una struttura LR coerente. La randomizzazione del catalogo LR o la rimescolanza delle voci del tensore CCI hanno degradato le prestazioni.
• Perturbazioni In Silico: Sui dati del cancro al polmone, il silenziamento di specifiche coppie LR (EGFR, ALK, MET) ha indotto spostamenti nelle traiettorie coerenti con la nota inibizione terapeutica delle vie, mentre le modifiche a vie cardio-renali non correlate hanno avuto effetti trascurabili.
• Limitazioni: Il metodo si basa sull'assunto che la geometria delle interazioni sia approssimativamente persistente tra le istantanee. In sistemi con rapido rimodellamento e grandi gap temporali (ad es., sviluppo dell'embrione di topo su 6 giorni), il prior di interazione è diventato non informativo e le prestazioni non sono migliorate rispetto all'OT basato solo sulle caratteristiche.

Significato e Rivendicazioni

Il paper sostiene che CellBRIDGE affronti la natura sottodeterminata dell'inferenza delle traiettorie iniettando un bias induttivo biologico: l'evoluzione fluida della comunicazione ligando-recettore. Decoupling (decomponendo) il prior strutturale dal modello dinamico, CellBRIDGE offre un approccio modulare e interpretabile che migliora la fedeltà dell'allineamento e consente l'analisi controfattuale specifica per meccanismo. Gli autori sottolineano che il loro metodo non richiede dati spaziali, rendendolo applicabile alla scRNA-seq dissociata standard, e che completa i progressi esistenti nella modellazione generativa raffinando il problema della corrispondenza finale senza alterare le architetture a valle.