PerturbMap: Cross-Context Transfer of Single-Cell Perturbation Responses

Sintesi Tecnica di PerturbMap: Trasferimento Cross-Context della Risposta alle Perturbazioni Single-Cell

1. Definizione del Problema

Il documento affronta una lacuna specifica negli atlanti di perturbazione single-cell: lo scenario "osservato nella sorgente, non misurato nel ricevente". In molti screening biologici, una perturbazione genetica $p$ viene misurata in uno o più contesti sorgente (ad es. stati cellulari o condizioni specifiche), ma è mancante in un contesto "ricevente" target dove un ricercatore ha bisogno di comprenderne l'effetto.

La sfida centrale è la fiducia selettiva. Copiare semplicemente la risposta misurata della sorgente nel contesto ricevente ignora il riassetto (rewiring) contesto-specifico dei programmi trascrizionali. Al contrario, ignorare i dati della sorgente scarta preziose evidenze sperimentali riguardanti la specifica perturbazione interrogata. L'obiettivo è predire il vettore di risposta rispetto al controllo $y_r(q)$ in un contesto ricevente $r$ per una query di perturbazione $q$, dati:

1. Risposte misurate della sorgente $\{y_s(q)\}$ per lo stesso $q$ nei contesti sorgente $s$.
2. Dati di addestramento accoppiati di altre perturbazioni osservate sia nei contesti sorgente che in quelli riceventi.
3. Vincoli rigorosi in cui l'esito della query nel ricevente è sigillato (non disponibile) durante l'addestramento e l'inferenza del modello.

Ciò differisce dalla standard predizione di perturbazioni non viste (es. scGen, GEARS) che generalizza da identificatori di perturbazione; qui, l'input include la reale risposta misurata della query in un contesto differente.

2. Metodologia: PerturbMap

PerturbMap è un framework di trasporto della risposta pesato sulla affidabilità basato solo sull'addestramento (train-only reliability-weighted response transport). Opera sotto una rigorosa divisione identity-held, garantendo che nessuna informazione dalle identità di test trapeli nell'apprendimento del modello. Il flusso di lavoro consiste in quattro moduli principali:

A. Coordinate della Risposta basate solo sull'Addestramento
Il metodo costruisce innanzitutto un sistema di coordinate a basso rango condiviso utilizzando solo le perturbazioni di addestramento. Adatta una base di rango-$K$ (tramite iterazioni QR) alla matrice di risposta di addestramento $Y^{tr}$, escludendo le righe del ricevente tenute in riserva. Questa base condivisa funge da sistema di coordinate per il predittore base, i token sorgente e le mappe di rotta.
$$z_c(p) = (y_c(p) - \mu)U^\top$$

B. Predittore Base Locale del Ricevente
Un predittore base locale $b_r(p)$ viene addestrato sul contesto ricevente utilizzando solo il descrittore della perturbazione (ad es. correlazioni con geni ancora di controllo) e la base condivisa a basso rango. Fondamentalmente, questo modello base non riceve alcun token di risposta della sorgente specifico per la query. Serve come predizione di fallback qualora il trasporto dalla sorgente sia ritenuto inaffidabile.

C. Esperti da Sorgente a Ricevente
Per ogni contesto sorgente $s$ osservato, viene adattata una mappa di regressione ridge affine per trasformare le coordinate della sorgente in coordinate del ricevente utilizzando le perturbazioni accoppiate di addestramento.
$$A_{s \to r} = \arg \min_A \| \tilde{Z}_s A - \tilde{Z}_r \|_F^2 + \lambda \eta_s \|A\|_F^2$$
Questo crea un "esperto" capace di proiettare la risposta misurata della query $y_s(q)$ nello spazio delle coordinate del ricevente.

D. Calibrazione dell'Affidabilità basata solo sull'Addestramento
Prima di predire le query tenute in riserva, il metodo stima l'affidabilità di ogni rotta sorgente-ricevente utilizzando un insieme disgiunto di ancore di validazione (perturbazioni di addestramento tenute fuori per la validazione).

1. Coefficiente di Interpolazione ($\alpha$): Determina quanto miscelare la predizione dell'esperto con la predizione base.
2. Punteggio della Rotta ($\rho$): Calcola la riduzione relativa dell'MSE di validazione ottenuta dalla rotta rispetto al modello base.
3. Gate di Controllo del Danno (Ablazione): Un modello logistico secondario a bassa capacità stima la probabilità che una specifica rotta riduca l'errore per una specifica query, basandosi su caratteristiche come la distanza della query dai descrittori di addestramento e i residui della rotta.

Predizione Finale:
La predizione finale è una combinazione pesata del predittore base e degli esperti sorgente accettati. I pesi sono determinati dai punteggi di rotta derivati dalla validazione ($\rho$) e, nella versione di ablazione, dalla probabilità di controllo del danno adattiva alla query.
$$\hat{y}_r(q) = \sum_{s} w_{s \to r}(q) \cdot c_{s \to r}(q)$$
dove $c_{s \to r}(q)$ è la predizione miscelata dalla sorgente $s$.

3. Contributi Chiave

1. Formulazione del Problema: Ha definito la predizione della risposta alla perturbazione "osservata nella sorgente, non misurata nel ricevente" come un test identity-held, distinguendola dalla standard generalizzazione di perturbazioni non viste.
2. Algoritmo PerturbMap: Ha introdotto un metodo per mappare i token di risposta della sorgente nelle coordinate del ricevente utilizzando una pesatura dell'affidabilità basata solo sull'addestramento. Decide quali rotte influenzano una query in base ai residui di validazione piuttosto che all'identità della query.
3. Valutazione Rigorosa: Ha valutato il metodo su una coorte di melanoma Perturb-CITE-seq con supporto manifest (Frangieh et al.) con:
   • Fold esterni identity-held (40 identità di test per fold).
   • Controlli con informazioni corrispondenti (risposta zero, copia grezza, copia calibrata, affine rimescolato).
   • Un riferimento centralizzato più forte (TokPool) per il confronto del limite di prestazione.
   • Rapporto esplicito sui "tassi di danno" (casi in cui il metodo performa peggio del baseline).
4. Studi di Ablazione: Ha investigato il controllo del danno adattivo alla query e la sensibilità del punto operativo (rango, limiti degli anchor, regole di aggregazione).

4. Risultati Sperimentali

La valutazione primaria è stata condotta sulla coorte di melanoma Frangieh et al. con tre contesti (Co-cultura, Controllo, IFN$\gamma$).

• Guadagno di Prestazione: PerturbMap-GR (affidabilità della rotta globale) ha ridotto l'MSE dell'effetto completo del 4,1% (da $1,649 \times 10^{-3}$ a $1,581 \times 10^{-3}$) rispetto al modello base LowRank del ricevente.
• Significatività Statistica: L'intervallo di confidenza al 95% appaiato per la riduzione dell'MSE era $[-1,16, -0,33] \times 10^{-4}$, escludendo lo zero. Ha migliorato le predizioni per 161 su 200 identità tenute in riserva.
• Confronto con i Baseline:
  • Ha superato FedAvg, Zero-response, Raw-copy e Calibrated-copy.
  • Ha superato i controlli Shuffled-affine, confermando che il guadagno deriva dall'allineamento sorgente-ricevente e non da una semplice calibrazione marginale.
  • È rimasto entro un MSE di $2,82 \times 10^{-6}$ dal riferimento centralizzato TokPool, che ha accesso a un'interfaccia di addestramento più forte.
• Metriche Secondarie:
  • L'MSE del top-20 dell'effetto assoluto è migliorato di circa il 12% rispetto ai controlli di copia.
  • Il recupero top-10 basato sul coseno (rispetto a LowRank) è aumentato dal 74,5% all'80,5%.
  • Il tasso di danno (rispetto a LowRank) è del 19,5%, significativamente inferiore al 49,5% della copia grezza (raw copy).
• Controllo Secondario: Su una coorte separata multi-sorgente Perturb-seq di Jiang et al., la pesatura dell'affidabilità ha mostrato un piccolo ma significativo guadagno rispetto alla fusione uniforme degli esperti, validando l'approccio in un contesto di sorgente più ricco.

5. Significato e Rivendicazioni

Il documento sostiene con moderazione che le risposte misurate della sorgente possono servire come evidenza al momento della query per colmare gli effetti mancanti nel ricevente, a condizione che il trasferimento sia guidato da stime di affidabilità basate solo sull'addestramento.

• Rivendicazione Centrale: Le risposte della sorgente allineate all'identità forniscono informazioni predittive che vanno oltre il comportamento del solo ricevente, la copia diretta o la calibrazione marginale.
• Limitazioni: Gli autori dichiarano esplicitamente che PerturbMap non elimina il trasferimento negativo (causa comunque danni a circa il 19,5% delle identità rispetto al modello base) e non è un generatore di cellule virtuali allo stato dell'arte per controfattuali distribuzionali completi. Predice effetti medi della condizione, non distribuzioni single-cell all'interno della condizione.
• Implicazione: Il metodo dimosta che il "riutilizzo senza cancellare il contesto" è possibile attraverso un trasporto selettivo guidato dalla validazione, offendo una soluzione pratica per atlanti di perturbazione incompleti senza richiedere un'interfaccia di addestramento centralizzata e aggregata.