技術的サマリー：単一細胞摂動予測のための潜在動的因果過程の学習

問題定義

単一細胞摂動予測は、遺伝的または化学的介入に対する細胞の応答をモデル化し、特に未見の摂動に対する応答を予測すること（分布外、OOD 汎化）を目的としています。中心的な課題は、既存の機械学習アプローチが、摂動応答の二つの不可分な特性のいずれか一方のみに対処している点にあります：

1. 遅延性：摂動は、観測された遺伝子発現に直接作用するのではなく、観測されていない細胞プログラム（潜在変数）を通じて作用します。
2. 動的性質：これらの潜在プログラムの状態は時間とともに進化し、異なる時間点で観測される遺伝子発現プロファイルを生成します。

既存の手法は、潜在的な因果メカニズムの学習に焦点を当てつつも、時間的進化を無視して応答を静的なスナップショットとして扱うか、あるいは遺伝子発現の時間的変化をモデル化するものの、これらの変化を駆動する根本的な因果生成メカニズムを明示的に捉えることに失敗しています。本論文は、潜在的な細胞プログラムとその時間的進化を同時に捉える統合フレームワークを提案することで、このギャップに対処します。

手法：CITE-VAE

著者は、潜在動的因果生成モデルに基づいた学習フレームワークであるCITE-VAE（Causality-Inspired temporal Variational AutoEncoder、因果に着想を得た時間的変分オートエンコーダ）を提案します。

1. 生成モデル

モデルは、時間 $t$ における潜在細胞状態 $z_t$ を以下の 2 つの構成要素に分解します：

• 摂動不変な背景プログラム（$z_t^\iota$）：介入の影響を受けない安定した細胞状態を表します。
• 摂動応答性メカニズム（$z_t^\nu$）：介入によって駆動される動的な状態を表します。

生成過程は以下のように定式化されます：

• 外因性ノイズ：不変ノイズ $n_t^\iota$ は独立であり、一方、応答性ノイズ $n_t^\nu$ は摂動ラベル $u$ が与えられた条件付き独立です。
• 潜在ダイナミクス：
  • 不変状態は時間不変な遷移を通じて進化します：$z_t^\iota = f_\iota(z_{t-1}^\iota) + n_t^\iota$。
  • 応答性状態は、親ノードと介入に依存する構造的因果方程式を通じて進化します：$z_{t,\nu,j}^t = f_{\nu,j}(z_{t-1}^{pa(j)}, u) + n_{t,\nu,j}$。
• 観測：観測された遺伝子発現 $x_t$ は、時間不変で滑らかかつ可逆な写像 $g(z_t)$ を介して生成されます。

2. 理論的識別可能性

本論文は、特定の仮定の下で、潜在的因果変数が識別可能（自明な同値類まで復元可能）であることを証明する理論的解析を提供します。主要な仮定は以下の通りです：

• 環境の十分性：応答性イノベーションにおける分布変化を誘発するのに十分な多様な摂動が存在すること。
• 最適時間的整合：学習された不変表現が環境間で安定していること（整合損失を最小化）。
• 時間的介入の十分性：各応答性座標について、親の寄与が除去される環境（ハード介入）が存在すること。

定理 4.1 は、不変ブロックが可逆な線形変換まで識別可能であり、応答性ブロックは置換と成分ごとのスケーリングまで識別可能であることを確立します。

3. 学習フレームワーク

これらの理論的保証を実用的なアルゴリズムに変換するために、CITE-VAE は 3 つの構成要素からなる結合目的関数を最適化します：

1. 時間的 ELBO（尤度最大化）：潜在変数が観測されたスナップショットを再構成し、介入下での時間的進化を説明するのに十分な情報を保持することを保証します。
2. 不変整合損失：推定された不変表現（$z^\iota$）が異なる摂動環境間で一貫性を保つように強制し、不変因子と応答性因子の絡み合いを防ぎます。
3. 構造的スパース性正則化：過学習を抑制し、解釈可能な因果構造を促進するために、応答性遷移メカニズムにおけるスパースな依存関係を奨励します（学習可能な下三角隣接行列を介して）。

訓練には、破壊的な単一細胞シーケンシングでは細胞ごとのペアリングが不可能であるため、隣接する時間点からのスナップショットの疑似ペアを使用して時間的遷移を近似します。

主要な貢献

1. 統合モデル：静的な因果モデルまたは純粋な時間モデルの限界に対処し、潜在的な細胞プログラムとその時間的進化を同時に捉える潜在動的因果生成モデルを提案します。
2. 識別可能性解析：尤度ベースの学習と不変整合を組み合わせることで、潜在的因果変数が（自明な変換を除いて）一意に復元可能であることを示す厳密な理論的保証を提供します。
3. CITE-VAE アルゴリズム：ELBO、整合、スパース性の目的の特定の組み合わせを通じてこれらの識別可能性条件を実装する、理論駆動型の変分オートエンコーダフレームワークを開発します。
4. 実証的検証：合成ベンチマークおよび現実世界の単一細胞 CRISPR 摂動データにおける手法の有効性を実証します。

実験結果

合成データ（Causal-3DIdent）

Causal-3DIdent ベンチマークを用いた実験は、理論的識別可能性の結果を検証します。

• 復元：モデルは、不変因子（$R^2 > 0.95$）および応答性因子（$0.959$）に対して、高い精度で真の潜在因子を復元することに成功しました。
• 軌跡の可視化：投影された潜在軌跡は真の物理的運動を密に追跡し、モデルが時間を通じて一貫した状態遷移を捉えていることを確認しました。

現実世界のデータ（hiPSC CRISPR 摂動）

分布外（OOD）汎化のための Leave-One-Intervention-Out（LOO）プロトコルを用いて、23 種類の単一遺伝子ノックアウトを有する縦断的ヒト人工多能性幹細胞（hiPSC）データセットで評価されました。

• 性能：CITE-VAE は、潜在的因果モデル（SAMS-VAE、Discrepancy-VAE）、時間的ダイナミクスモデル（RENGE、scNODE）、および基盤モデル（scGPT、UCE）を含む最先端のベースラインを上回りました。
• 指標：発現変動遺伝子（DE）指標において優れた性能を達成しました（例：SAMS-VAE の 0.621 対 0.691 のデルタ・ピアソン相関）一方で、ゲノム全体の再構成精度（$R^2 > 0.95$）を競争力のある水準で維持しました。
• アブレーション：整合またはスパース性正則化子を除去すると、DE 中心の指標における性能が著しく低下し、摂動応答性メカニズムを捉えるために結合目的関数が不可欠であることを確認しました。

補助ベンチマーク（E-MTAB-14065）

クローンレベルの変動を有する心筋分化データセットにおいて、CITE-VAE は安定したベースラインの中で最良の RMSE を達成し、DE 指標において強力な性能を維持しました。これは、異なる生物学的コンテキストにおける頑健性を示しています。

意義と主張

本論文は、摂動応答の潜在的かつ動的な性質を明示的にモデル化することで、CITE-VAE が未見の摂動に対する原理的な汎化を達成すると主張しています。その意義は以下の点にあります：

• 理論的基盤：学習目的と真の因果メカニズムの復元を結びつける識別可能性保証を提供することで、ヒューリスティックなアプローチを超えています。
• 実用的な頑健性：厳密な仮定が現実の生物データにおいて近似しか満たされない場合でも、理論的洞察が有効であることを実証し、未見の遺伝子ノックアウトの予測改善につながっています。
• 方法論的洞察：動的かつ摂動されたシステムにおける効果的な表現学習には、生成モデルと不変性制約の結合が必要であり、いずれか一方に依存するだけでは不十分であることを強調しています。

著者は、因果表現学習の大半の作業と同様に、このアプローチが（加法的ノイズ、十分な環境的多様性などの）仮定に依存しており、これらがすべての現実世界のシナリオで厳密に成り立つわけではないことを認めています。しかし、実証結果は、近似条件下でも手法が頑健で有益であることを示唆しています。