CHACAM: a cell-cell interaction-guided hierarchical attention model for high-precision cell identity annotation of scRNA-seq data in early C. elegans embryogenesis

La vita inizia come una singola cellula, una minuscola sfera che contiene il progetto di un intero organismo. Nei primissimi momenti dello sviluppo, questa cellula si divide ancora e ancora, creando un ammasso di cellule in rapida crescita. Per decenni, gli scienziati hanno saputo che in questo piccolo verme tondo, Caenorhabditis elegans, questo processo è straordinariamente prevedibile. Ogni singolo verme segue esattamente lo stesso percorso: la prima cellula si divide, le cellule figlie si dividono, e si dividono ancora, sempre nello stesso ordine e sempre finendo nello stesso posto. Grazie a questa perfetta costanza, i biologi hanno a lungo utilizzato questo verme come una mappa per capire come una singola cellula diventi un animale complesso. Tuttavia, una nuova sfida è emersa con l'avanzare della tecnologia. Gli scienziati possono ora leggere le istruzioni genetiche, o il "trascrittoma", di singole cellule all'interno di questi embrioni. Sebbene questo sembri una svolta, ha rivelato un problema confuso: mentre le cellule si dividono, le istruzioni genetiche nelle sorelle strettamente correlate diventano quasi identiche. Quando gli scienziati cercano di classificare queste cellule basandosi solo sul loro codice genetico, spesso non riescono a distinguerle, costringendoli a raggruppare cellule distinte in categorie vaghe e ambigue.

Per risolvere questo enigma, un team di ricercatori ha sviluppato un nuovo approccio che guarda oltre il codice genetico all'interno della cellula. Si sono resi conto che una cellula non esiste nel vuoto; essa è costantemente in contatto e in comunicazione con i suoi vicini. Nell'embrione precoce, il destino di una cellula è pesantemente influenzato dai segnali che riceve dalle specifiche cellule che sta fisicamente toccando. I ricercatori hanno costruito un modello computazionale chiamato CHACAM che combina i dati genetici di una cellula con una mappa dettagliata di chi tocca chi. Integrando questo contesto fisico, il modello può distinguere tra cellule che appaiono geneticamente identiche ma che si trovano in quartieri diversi. Questo metodo ha permesso loro di creare una mappa perfettamente chiara dell'embrione del verme, risolvendo identità che erano rimaste ambigue per anni e rivelando nuovi marcatori genetici che definiscono ogni cellula unica.

Il cuore del problema risiede nella somiglianza tra cellule strettamente correlate. Nelle prime fasi dello sviluppo del verme, le cellule si dividono così rapidamente che le cellule sorelle, nate dalla stessa cellula madre, hanno un profilo genetico quasi identico. I metodi tradizionali per identificare queste cellule si affidano alla ricerca di geni specifici che fungano da marcatori, come un cartellino identificativo. Tuttavia, quando le differenze genetiche sono così piccole, i cartellini non sono abbastanza distinti per distinguere le sorelle. Negli studi precedenti, ciò ha portato a una situazione in cui gli scienziati potevano solo etichettare un gruppo di cellule con un nome generico, come "ABalx", riconoscendo che il gruppo esisteva ma non potendo dire quale cellula specifica fosse quale. Questa mancanza di precisione rendeva difficile comprendere la sequenza esatta degli eventi che guida lo sviluppo, poiché i ricercatori stavano essenzialmente lavorando con una mappa sfocata.

I ricercatori ipotizzarono che l'informazione mancante fosse l'ambiente fisico. Sapevano, da decenni di osservazioni, che specifiche cellule nell'embrione del verme toccano sempre vicini specifici. Ad esempio, una cellula potrebbe toccare un vicino che invia un segnale per diventare una cellula muscolare, mentre la sua sorella, che appare geneticamente identica, tocca un vicino diverso che invia un segnale per diventare una cellula nervosa. Il nuovo modello, CHACAM, è stato progettato per utilizzare questa conoscenza. Esso parte da un database curato di canali di comunicazione noti tra le cellule, specificamente le coppie di molecole che permettono a una cellula di inviare un segnale a un'altra. Successivamente, sovrappone questo a una mappa tridimensionale ad alta risoluzione dell'embrione che mostra esattamente quali cellule si toccano in ogni minuto di sviluppo.

Il modello funziona guardando una cellula e ponendosi due domande: quali geni sta esprimendo e chi sta toccando? Confronta il profilo genetico della cellula con una libreria di riferimento di tipi cellulari noti. Se il profilo genetico è ambiguo, il modello osserva i vicini della cellula. Calcola un punteggio basato sulla probabilità di interazioni specifiche tra la cella e i suoi vicini. Ad esempio, se una cellula tocca un vicino noto per interagire con un tipo cellulare specifico, il modello inferisce che la cella è probabilmente di quel tipo. I ricercatori hanno utilizzato una strategia che chiamano "triangolazione" per confermare queste ipotesi. Sceglievano una cellula di riferimento con un'identità nota e controllavano le sue interazioni con la cellula ambigua. Se la cellula di riferimento è nota per toccare un tipo di sorella ma non l'altra, e i punteggi di interazione corrispondono a quel modello, l'identità della cellula ambigua può essere determinata con alta fiducia.

Quando il team ha applicato questo metodo ai dati esistenti dell'embrione di C. elegans, i risultati sono stati sorprendenti. Nel dataset che copre l'embrione da una a sedici cellule, il modello ha risolto con successo l'identità di ogni singola cellula. Precedentemente, allo stadio di sedici cellule, otto cellule erano state raggruppate in quattro coppie di gemelli indistinguibili. Il nuovo metodo le ha separate tutte, raggiungendo un tasso di risoluzione del cento per cento. Ciò significa che, per la prima volta, gli scienziati hanno una mappa completa e univoca dell'identità genetica di ogni cellula nell'embrione a sedici cellule. Il modello ha funzionato altrettanto bene su un dataset più ampio che arrivava fino allo stadio di centodue cellule, identificando correttamente la stragrande maggioranza delle cellule anche quando alcuni dati erano mancanti.

Oltre a classificare le cellule, il modello ha fornito una comprensione più profonda di ciò che rende unica ogni cellula. Una volta identificate correttamente le cellule, i ricercatori hanno potuto cercare i geni specifici che distinguono una cellula dalla sua gemella. Hanno scoperto un nuovo insieme di geni marcatori che erano attivi solo in una delle due cellule sorelle, mentre gli studi precedenti avevano trovato solo marcatori che funzionavano per gruppi di cellule. Ad esempio, hanno trovato geni in grado di distinguere due cellule specifiche che precedentemente erano state accorpate. Questi nuovi marcatori offrono un livello di dettaglio molto più fine, permettendo agli scienziati di vedere l'esatto programma genetico in corso in ogni singola cellula. Questa mappa ad alta risoluzione funge da nuova risorsa per comprendere come le cellule prendono decisioni, fornendo un elenco chiaro dei geni coinvolti in ogni fase del processo.

Il successo di questo approccio evidenzia un cambiamento fondamentale nel modo in cui gli scienziati vedono l'identità cellulare. Dimostra che l'identità di una cellula non è determinata solo dai geni che trasporta, ma anche dal contesto fisico e chimico del suo ambiente. Combinando i dati genetici interni con la realtà esterna di chi tocca chi, i ricercatori sono stati in grado di vedere attraverso il rumore che aveva confuso le analisi precedenti. Il modello non si affida a supposizioni o simulazioni complesse; utilizza le regole invarianti e note dello sviluppo del verme per guidare l'interpretazione dei dati genetici. Questo metodo ha dimostrato che, quando le cellule sono troppo simili per essere distinte solo dai loro geni, la mappa fisica dell'embrione detiene la chiave per sbloccare le loro vere identità.

Le implicazioni di questo lavoro si estendono oltre il verme. Sebbene lo studio si sia concentrato su C. elegans a causa della sua linea cellulare perfettamente mappata, la logica si applica a qualsiasi sistema in cui le cellule siano difficili da distinguere. In organismi più complessi, come gli esseri umani, le cellule esistono spesso in ambienti affollati dove i loro vicini influenzano il loro comportamento. Se gli scienziati riuscissero a mappare i contatti fisici tra le cellule nei tessuti o nei tumori, potrebbero usare un approccio simile per classificare tipi cellulari che appaiono identici al microscopio. I ricercatori hanno osservato che, man mano che le tecnologie per mappare la posizione delle cellule migliorano, questo tipo di analisi consapevole del contesto diventerà sempre più importante. Lo studio funge da prova di concetto del fatto che integrare i dati di interazione fisica con i dati genetici può rivelare verità biologiche che erano precedentemente nascoste.

I ricercatori hanno anche riconosciuto i limiti del loro metodo. Il modello dipende fortemente dall'accuratezza della mappa di contatto e dalla completezza del database dei segnali cellula-cellula. Se la mappa di chi tocca chi è errata, o se un percorso di segnalazione critico manca dal database, il modello potrebbe non funzionare altrettanto bene. Nel caso del verme, la mappa di contatto è nota con estrema precisione grazie a decenni di imaging, ma in altri organismi, queste informazioni potrebbero essere più difficili da ottenere. Inoltre, l'attuale modello tratta le interazioni come un'istantanea statica nel tempo, piuttosto che tracciare come esse cambiano mentre l'embrione cresce. Nonostante queste limitazioni, il metodo ha già fornito un atlante completamente risolto dell'embrione precoce del verme, una risorsa che era precedentemente fuori portata. Questo traguardo fornisce una solida base per studi futuri, permettendo agli scienziati di porre domande più precise su come le cellule comunicano e su come decidono cosa diventare.