技術要約: FlowGRN+

問題提起

単一細胞RNAシーケンシング（scRNA-seq）データから遺伝子制御ネットワーク（GRN）を推定することは、計算生物学における重要な課題である。scRNA-seqは遺伝子発現の高解像度なスナップショットを提供する一方で、その破壊的な性質により、個々の細胞を時間経過とともに追跡することができず、結果として基礎となる動的なプロセスを覆い隠してしまう静的なデータとなる。

既存の手法には、以下のような重大な限界がある：

• 静的なアプローチ: 古典的な手法（例：GENIE3、TIGRESS）はデータを静的なスナップショットとして扱うため、時間的なダイナミクスを捉えることができない。
• ODEベースのモデル: SCODEやGRISLIなどの手法は、常微分方程式（ODE）を通じてダイナミクスをモデル化しようと試みるが、高次元かつ非線形なシステムにおいては、単純化しすぎたりスケーラビリティの問題に直面したりすることが多い。
• ディープラーニングの限界: 条件付きフローマッチング（CFM）は、分布の変化からベクトル場を学習するための有望なフレームワークであるが、前世代の最先端モデルであるFlowGRNには、以下の具体的な欠点が存在する：
  1. 時間的不整合性: 離散的な時点間の線形補間（リニア・インターポレーション）に依存しているため、区間の境界で学習されたベクトル場に不連続性が生じる。
  2. ドロップアウトへの感受性: 線形補間された参照軌跡は、ノイズや「ドロップアウト」（ゼロ値）の影響を受けやすく、不安定な参照速度ベクトルを招く。
  3. 自動化の欠如: 分離されたスナップショット分布を必要とするため、細胞を分割するための手動の人間による検査やクラスタリングが必要となり、再現性を阻害する。
  4. 多様体との不整合: 再構成された軌跡が、データの固有多様体から逸脱してしまう可能性がある。

手法: FlowGRN+

著者らは、FlowGRNの限界に対処するために、CFMパイプラインに**スプライン適合（spline fitting）と多様体投影（manifold projection）を統合した強化されたフレームワークであるFlowGRN+**を提案している。この手法は、対数変換された遺伝子発現空間で動作し、以下の5段階のトレーニングパイプラインに従う：

1. 擬似時間ビン分割とサンプリング

クラスタリングアルゴリズムを使用して時間間隔を定義する代わりに、FlowGRN+は、事前計算された擬似時間軸（$\tau$）に沿って細胞をカウントに基づいて均等にビン分割する。この層化サンプリング戦略により、プロセスが自動化され、手動のパラメータ調整の必要性が排除される。

2. 参照軌跡のためのスプライン適合

安定した参照軌跡を生成するために、本手法は連続する擬似時間ビンから細胞をサンプリングし、線形または三次補間ではなく、平滑化スプライン（smoothing splines）（曲率正則化を伴うB-スプライン）を適合させる。

• メカニズム: スプライン $\gamma(\tau)$ は、データ適合と曲率（$\lambda_{reg}$）のバランスをとる損失関数を最小化する。
• 利点: このアプローチは、非局所的な観測を結びつけ、平滑化を通じてドロップアウトの影響を軽減し、潜在的な不連続性を擬似時間範囲全体に分散させることで、CFMモデルに対してより堅牢なトレーニング信号を提供する。

3. 多様体投影スキーム

スプラインがデータの多様体から外れた方向を向く参照速度を生み出す「オーバーシュート」の問題に対処するため、FlowGRN+は以下の投影スキームを導入している：

• 局所幾何学の推定: 与えられた細胞 $x$ に対して、手法はk近傍（kNN）を特定してデータの多様体の局所接空間を推定する。
• スペクトルフィルタリング: 重み付き局所共分散行列が計算される。固有次元の選択における不安定性を避けるため、著者らは固有値にスペクトルフィルタリング（収縮）を適用し、近似的な投影行列 $P(x)$ を生成する。
• 精緻化: サンプリングされた細胞位置と参照速度ベクトルの両方が、接空間および多様体に投影される。アフィン・レトラクション（引き戻し）演算子により、積分中に点が多様体の近くに留まることが保証される。

4. 条件付きフローマッチングのトレーニング

CFMモデル $v_\theta(x, \tau)$ は、メトリックを考慮した損失関数を用いて、投影された参照速度に一致するようにトレーニングされる。この損失は、投影行列 $P(x)$ をメトリックとして組み込み、接空間内での誤差を罰すると同時に、積分中に軌跡が多様体から逸脱するのを防ぐための小さな正則化項を追加する。

5. 軌跡の再構成とGRN推論

一度トレーニングされると、ベクトル場は（接投影された速度とレトラクションステップを用いて）積分され、連続的な細胞軌跡を再構成する。これらの軌跡は遺伝子発現ドメインにマッピングされ、方向性を持つGRNを推論するためにdynGENIE3へと入力される。

主な貢献

論文では、主に3つの貢献を述べている：

1. FlowGRN+ フレームワーク: ドロップアウトに強い参照軌跡を生成するためにスプライン適合を利用する改良されたGRN推論モデルであり、線形補間と比較して学習されたダイナミクスの時間的一貫性を大幅に向上させる。
2. 多様体投影スキーム: 参照速度ベクトルをデータの多様体の局所接空間に投影することで、スプラインのオーバーシュートを効果的に軽減し、軌跡がデータのサポートに沿うように精緻化する新しい手法。
3. 実証的評価: BEELINEベンチマークにおける包括的な評価により、FlowGRN+が軌跡の滑らかさにおいてトップクラスの性能を達成し、GRN推論指標において競争力のある性能を示す一方で、手動介入への依存を低減していることを示している。

実験結果

著者らは、BEELINEベンチマークの7つの実験データセット（ヒトおよびマウス細胞）を用いて、以下の2つの主要な指標でFlowGRN+を評価した：

• AUPRC (Area Under Precision-Recall Curve): 全体的な適合率と再現率のトレードオフを測定する。
• EPR (Early Precision Ratio): 上位ランクのエッジにおける適合率を測定し、高信頼度の制御関係の回収を強調する。

主な知見:

• 性能: FlowGRN+はトップクラスの性能を発揮し、14の設定のうち6つでAUPRCにおいてトップ2のモデルにランクされ、14の設定のうち10つでEPRにおいてトップ2にランクされた。
• FlowGRNとの比較: FlowGRN+は14の設定中10の設定で元のFlowGRNよりも高いEPRを示し、上位ランクのエッジの回収能力が優れていることを示した。しかし、AUPRCが上回ったのは14の設定中4つのみであり、改善は全ランクのリストではなく、最も確信度の高い予測に集中していることが示唆された。
• 滑らかさ: アブレーション研究により、平滑化スプラインと多様体投影の組み合わせが、線形補間、三次スプライン、または投影のないモデルと比較して、最も滑らかな再構成軌跡（最小の正規化全変動）を生み出すことが確認された。
• アブレーションの洞察:
  • スプライン適合のみ（CFM学習なし）では、GRN推論の結果が悪かった（EPRがほぼゼロ）。これは、結合された状態依存のベクトル場を学習する必要性を裏付けている。
  • 投影スキームは、66.67%の設定でEPRを向上させ、71.43%の設定で軌跡の粗さを減少させた。
  • 平滑化スプラインは、EPRのランクと軌跡の滑らかさの両方において、三次スプラインおよびPCHIPスプラインよりも優れた性能を示した。

意義と限界

意義:
FlowGRN+は、scRNA-seqデータから細胞軌跡を再構成し、GRNを推論するための実用的かつ自動化されたフレームワークを提供する。ダイナミクスの時間的一貫性を向上させ、軌跡をデータの多様体に整合させることで、従来のCFMベースのアプローチにおける再現性と安定性の重要な問題に対処している。スプライン適合と多様体投影に関する知見は、他のCFMベースの細胞ダイナミクスモデルにも適用可能である。

限界:
著者らは、いくつかの制約を謙虚に認めている：

• 分岐ダイナミクス: 滑らかな多様体の仮定は、複雑な分岐軌跡を持つデータセットでは崩れる可能性があり、またODE解の一意性がそのような分岐のモデリングを制限する場合がある。
• 計算コスト: 投影スキーム、特に繰り返しのkNNクエリと行列の反転は、FlowGRNと比較してトレーニング時間を増加させる。
• ダウンストリームモデルへの感受性: 最終的なGRN推論の性能は、使用するダウンストリームモデル（例：dynGENIE3）の選択に大きく依存しており、異なるモデルクラスがネットワーク回収に実質的な影響を与える可能性がある。
• 今後の展望: 今後の方向性として、学習されたダイナミクスからのより良いネットワーク抽出や、既知の生物学的経路にCFMモデルを制約することなどが示唆されている。