Single-Cell Cross-Modal Transfer by Adversarial Fine-Tuning of Foundation Models

Sintesi Tecnica: Trasferimento Cross-Modale a Singola Cellula tramite Fine-Tuning Avversariale di Modelli di Fondazione

Problematica
La trascrittomica spaziale (ST) offre letture dell'espressione genica con risoluzione spaziale, ma è spesso limitata nella copertura del trascrittoma e nella scala subcellulare. Al contrario, il sequenziamento dell'RNA a singola cella (scRNA-seq) fornisce dati dell'intero trascrittoma, ma manca del contesto spaziale a causa della dissociazione dei tessuti. Sebbene queste modalità siano complementari, l'acquisizione di dati ST e scRNA-seq accoppiati dagli stessi campioni è spesso troppo costosa o impossibile. Di conseguenza, esiste la necessità di metodi computazionali capaci di tradurre i dati scRNA-seq in caratteristiche di contesto spaziale. La sfida centrale affrontata consiste nell'apprendere questa traduzione partendo da dati completamente non accoppiati (dove le cellule in ciascuna modalità originano da campioni di tessuto o pazienti differenti), sfruttando il fatto che entrambe le modalità si manifestano come dati di conteggio (count data).

Metodologia: SCXM
Gli autori propongono SCXM (Single-Cell Cross-Modal), un framework che utilizza il fine-tuning avversariale di un modello di fondazione pre-addestrato per scRNA-seq per tradurre l'espressione genica scRNA-seq in caratteristiche di espressione spazialmente raggruppate (spatially bulked).

• Backbone del Modello di Fondazione: L'encoder ($G_E$) è costruito su un modello transformer pre-addestrato, GeneformerV2. Per adattare questo modello di fondazione, gli autori impiegano una strategia di "fine-tuning" in cui tutti i blocchi di auto-attenzione tranne gli ultimi quattro sono congelati. Un MLP a due strati viene appeso al token <cls> per proiettare la rappresentazione sulla dimensionalità spaziale target.
• Definizione del Contesto Spaziale: Il contesto spaziale ($Z$) è definito tramite convoluzione su un grafo spaziale derivato dai dati ST. Per una data cella $i$ e un gene $g$, il contesto è calcolato come una somma pesata dei valori di espressione delle cellule vicine ($z_{ig} = \sum_{j \in N(i)} k_{ij} y_{jg}$), utilizzando un kernel gaussiano con un raggio di 25µm.
• Framework di Apprendimento (WGAN-GP): L'addestramento utilizza una Wasserstein GAN con Gradient Penalty (WGAN-GP).
  • Generatore ($G_E$): Mappa l'input scRNA-seq ($X$) in una rappresentazione spaziale latente ($Z$).
  • Discriminatore ($D$): Addestrato per stimare la Earth Mover's Distance (EMD) tra la distribuzione generata e la distribuzione spaziale reale, imponendo la continuità K-Lipschitz tramite una penalità del gradiente.
  • Decoder ($G_D$): Un decoder congelato ricostruisce l'espressione genica ST a partire dalle caratteristiche spaziali precomputate $Z$ derivate dai dati ST.
• Funzione Obiettivo: Il modello è addestrato con un approccio semi-supervisionato che combina quattro termini:
  1. Perdita WGAN ($L_{WGAN}$): Perdita avversariale per allineare le distribuzioni.
  2. Penalità del Gradiente ($L_{GP}$): Impone la continuità Lipschitz.
  3. Perdita di Ricostruzione ST ($L_{ST}$): Assicura che il decoder possa ricostruire i dati ST dai propri parametri spaziali.
  4. Perdita di Coerenza Spaziale ($L_{SC}$): Una penalità di coerenza in cui la predizione dell'encoder per i dati scRNA-seq viene decodificata dal decoder congelato e confrontata con l'input scRNA-seq originale (sezionato al pannello genico spaziale). Ciò sfrutta l'intercambiabilità dei dati di conteggio tra le modalità.

Contributi Chiave

1. Traduzione Non Accoppiata: È stato dimostrato che un modello di fondazione a singola cella può eseguire la traduzione cross-modale da scRNA-seq a caratteristiche di contesto ST utilizzando dati completamente non accoppiati, senza richiedere campioni accoppiati per l'addestramento.
2. Fine-Tuning Avversariale: Introduzione di un protocollo specifico di fine-tuning avversariale per i modelli di fondazione nel dominio omico, utilizzando penalità di coerenza per guidare l'encoder verso una distribuzione posteriore coerente.
3. Validazione Biologica: È stato dimostrato che le cellule dissociate conservano indizi riguardanti i loro precedenti vicinati spaziali, permettendo al modello di inferire pattern di espressione spazialmente raggruppati (ad esempio, distinguendo l'espressione genica clusterizzata rispetto a quella isolata).

Risultati
Il metodo è stato valutato su tre dataset: Polmone Umano, Cervello di Topo e Cancro al Seno Umano, utilizzando i dati Xenium Prime come set di validazione accoppiato ad alta densità (high-plex).

• Performance: SCXM ha superato i metodi di traduzione non accoppiati esistenti (scConfluence e scACT) in tutti i dataset.
  • Polmone: Coefficiente di Correlazione di Pearson (PCC) mediano di 0.4291 (SCXM) rispetto a 0.1750 (scConfluence) e 0.0065 (scACT).
  • Seno: PCC mediano di 0.4551 (SCXM) rispetto a 0.1964 (scConfluence) e 0.0284 (scACT).
  • Cervello: PCC mediano di 0.1700 (SCXM) rispetto a 0.0573 (scConfluence) e 0.0151 (scACT). Gli autori notano che la performance è stata inferiore sul dataset cerebrale più piccolo, ma evidenziano che il gene con le migliori prestazioni ha raggiunto un PCC di 0.7085.
• Caratterizzazione della Nicchia: Il modello ha identificato con successo regioni di alta espressione spazialmente raggruppata (ad esempio, CXCR4), che correla con l'arricchimento di tipi cellulari specifici (cellule B) e ha permesso la segmentazione di cellule B isolate rispetto a quelle clusterizzate. L'analisi differenziale ha rivelato una significativa up-regulation di geni legati alla nicchia (es. POU2AF1, MS4A1) nei gruppi clusterizzati.
• Arricchimento dei Pathway: L'analisi GSEA sul dataset del polmone ha mostrato che le predizioni di SCXM ricapitola meglio i pathway relativi all'identità di lignaggio polmonare e all'angiogenesi (biologia spaziale su larga scala), seguiti dai pathway della risposta immunitaria. I pathway relativi alla segnalazione cellula-cellula e al ciclo cellulare sono stati ricapitati con meno successo.

Significato e Rivendicazioni
L'articolo sostiene che SCXM dimostra un successo preliminare nella traduzione tra scRNA-seq e dati ST partendo da fonti completamente non accoppiate. Gli autori postulano che la performance superiore rispetto ai metodi di base sia attribuibile all'uso di penalità di coerenza (Equazioni 3 e 4), che introducono efficacemente la semi-supervisione sfruttando la relazione dei dati di conteggio tra le modalità, contrapponendosi ai metodi puramente non supervisionati basati su coerenza di ciclo o piani di trasporto ottimale.

Il lavoro suggerisce che il punto di forza primario di SCXM risieda nel catturare contesti spaziali prominenti (come il lignaggio tissutale e l'angiogenesi) piuttosto che processi di segnalazione altamente localizzati e fini. Gli autori concludono con modestia che, sebbene il metodo sia promettente, sono necessari ulteriori lavori per comprenderne i limiti, in particolare riguardo ai cambiamenti di dominio tra diversi tipi di tessuti e tecnologie, e per esplorare l'integrazione della composizione del tipo cellulare spaziale per una rappresentazione più universale della biologia spaziale.