技術要約: DeMixPert

問題提起

単一細胞データにおいて、未経験の遺伝子摂動に対するトランスクリプトーム全体の応答を予測することは、依然として重大な計算上の課題である。正確な予測には、摂動特異的な転写変化と不均一な細胞応答という2つの異なる現象を同時に復元する必要がある。

既存の手法は、決定論的な応答構造と確率的な集団レベルの変動が絡み合っているために、しばしば失敗する。この絡み合いにより、支配的な共通パターン（基底細胞状態に起因する系統的変動）が、より微弱な摂動特異的シグナルを覆い隠してしまう。その結果、標準的な評価指標が摂動の特定の効果ではなく、共通の変動によって支配されてしまい、分布外（OOD）への汎化能を損なう。さらに、実験的に観察されていない条件下での応答を予測するには、以下の3つの絡み合った要素を解きほぐす必要がある：

1. 系統的応答（Systematic Response）: 摂動条件間で共有される、基底状態に依存した構造。
2. 摂動特異的応答（Perturbation-Specific Response）: 特定のターゲットによって誘導される固有の転写効果。
3. 集団レベルの変動（Population-Level Variation）: 条件特異的なサブポピュレーションとその相対的な存在量。

現在のアプローチは通常、完全な摂動応答をモノリシックなターゲットとしてモデル化しており、これらの構成要素を明示的に分離したり、複雑で条件依存的な細胞の不均一性の分布をモデル化したりすることに失敗している。先行研究は個々の側面には対処しているが、基底状態依存の系統的応答、摂動特異的応答、および条件依存的な集団レベルの変動を**共同で解きほぐす（jointly disentangle）**ことはほとんどない。

手法: DeMixPert

著者らは、これらの構成要素を解きほぐし、OOD単一細胞摂動応答をモデル化するために設計されたフレームワークであるDeMixPert（Gaussian Mixtureを用いた分解応答モデリング）を提案する。そのアーキテクチャは、主に3つのモジュールで構成されている。

1. 決定論的応答中心の学習 (Deterministic Response Center Learning)

系統的変動が摂動特異的な効果を不明瞭にすることを防ぐため、DeMixPertは、別々に学習された2つのコンポーネントを合算することで、決定論的な応答中心（$\bar{r}_i$）を構築する。

• 系統的応答 ($g_i$): コントロール細胞の基底状態 ($s_i$) から導出される。これは、細胞のコンテキストに依存し、摂動条件間で共有されるパターンを捉える。
• 摂動特異的応答 ($a_p$): scGPTから得られた事前学習済みのターゲット埋め込み ($e_p$) から推論される。このコンポーネントにより、事前学習中に学習された生物学的関係を活用することで、未知のターゲットへの汎化が可能となる。
• 定式化: $\bar{r}_i = g_i + a_p$。この中心は、潜在的な応答空間における期待される決定論的なシフトを表す。

2. ガウス型プロトタイプ可逆ネットワーク (Gaussian Prototype Invertible Network)

決定論的中心の周囲にある残りの集団レベルの変動（$\epsilon_i$）をモデル化するために、DeMixPertはガウス型プロトタイプ可逆ネットワークを採用している。

• グローバル・プロトタイプ: EMアルゴリズムを用いて、訓練時の残差からグローバルに学習された、$K$ 個の対角ガウス型プロトタイプ（$\mathcal{N}(\mu_k, \text{diag}(\sigma_k^2))$）の集合。これらは再利用可能な変動パターンを表す。
• 適応的重み付け: 固定された重みの代わりに、モデルは基底状態 ($s_i$) と摂動埋め込み ($a_p$) の連結に基づき、条件依存的な混合重み ($\alpha_i$) を予測する多層パーセプトロン (MLP) を使用する。
• 可逆変換: 条件付き可逆ネットワーク ($T_\theta$) が、適応型ガウス混合系からサンプリングされたソース変数から、最終的な集団レベルの変動分布へとマッピングを行う。これにより、変動の順方向の生成と、尤度監督のための観測された変動の逆投影の両方が可能になる。

3. 発現再構成 (Expression Reconstruction)

最終的な予測応答潜在変数は $\hat{r}_i = \bar{r}_i + \epsilon_i$ である。これは基底状態の表現 ($s_i$) と結合され、発現デコーダ ($D_\psi$) によって、摂動後の遺伝子発現プロファイル ($\hat{x}^p_i$) を再構成する。

学習目的関数

モデルは、以下の複合損失関数を用いてエンドツーエンドで学習される：

• 応答アライメント損失 ($L_{align}$): 予測された応答潜在とターゲットの潜在との間のMSE。
• 集団変動尤度損失 ($L_{gm}$): 条件付きガウス混合系におけるターゲット変動の負の対数尤度であり、混合重みと可逆変換の両方を監督する。
• 遺伝子発現再構成損失 ($L_{rec}$): 摂動後およびコントロールの発現再構成に関するMSE。
• 分布損失 ($L_{dist}$): 生成された分布と観測された分布を集団レベルで一致させるためのエネルギー距離。

主な貢献

1. 分解応答フレームワーク: DeMixPertは、決定論的な応答構造から確率的な細胞の不均一性を解きほぐし、適応型ガウス混合系を用いて条件特異的な応答分布を捉える、OOD単一細胞摂動予測のための応答モデルを提案する。
2. ガウス型プロトタイプ可逆ネットワーク: 著者らは、再利用可能なガウス型プロトタイプとコンテキスト適応型の重みを用いて、集団レベルの変動をモデル化する新しいメカニズムを導入した。これにより、単峰性の分布を仮定することなく、複雑で条件依存的な不均一性を捉えることができる。
3. 優れたOOD性能: 定量的分析により、DeMixPertが未知の摂動設定において、既存の手法を上回る性能を示し、摂動特異的な応答を効果的に回収しつつ、集団レベルの分布の忠実性を維持していることが示された。

実験結果

DeMixPertは、広く使用されている4つの単一細胞遺伝的摂動データセット、AdamsonおよびPapalexi（単一遺伝子摂動）、ならびにNormanおよびReplogle（組み合わせ摂動）を用いて評価された。評価には、未知のターゲットへの汎化をテストするための、条件が互いに素な分割（condition-disjoint splits）が用いられた。

• 評価指標: モデルは、差分的発現回復（C-DEGs, DES）、分布の一致（エネルギー距離、ワッサースタイン距離）、発現誤差（MSE）、および摂動識別能（PDS）の指標を用いて評価された。
• 主な知見:
  • 単一遺伝子データセット（Papalexi, Adamson）において、DeMixPertは最高のC-DEGsスコア（22.000および10.733）と最低のエネルギー距離（0.171および0.448）を達成し、GEARS、scGPT、STATEなどのベースラインを大幅に上回った。
  • 組み合わせデータセット（Norman, Replogle）において、DeMixPertは最高の摂動識別スコア（0.981および0.938）と最低のエネルギー距離（0.374および0.155）を達成した。
  • アブレーション研究: 分解メカニズムを除去した場合（w/o Decomp）、または系統的コンポーネントを除去した場合（w/o Sys）は、摂動識別スコア（PDS）およびセントロイド精度が著しく低下し、これらのコンポーネントを分離することが摂動特異的なシグナルを区別するために極めて重要であることが確認された。
  • 解釈性: 可視化により、応答表現から系統的コンポーネント ($g_i$) を取り除くとクラスターの純度が高まることが確認され、分解が基底状態の変動から摂動特異的な構造を正常に分離していることが示された。さらに、学習されたガウス型プロトタイプの重みの分岐と、集団分布間のエネルギー距離との間に有意な正の相関が見られ、混合組成メカニズムの解釈可能性が検証された。

意義

本論文は、DeMixPertが現在の摂動予測手法における決定的な限界、すなわち共有される系統的変動と特定の摂動効果の絡み合いに対処していると主張している。応答を明示的に分解し、適応型ガウス混合系を通じて集団の不均一性をモデル化することにより、DeMixPertは未知の摂動に対する優れた汎化を実現している。このフレームワークは、予測精度を向上させるだけでなく、不均一な細胞応答の構造化された解釈を提供し、転移可能な基底状態のパターンと、固有の摂動シグネチャを分離する。このアプローチは、網羅的な測定が不可能な実験環境において、細胞応答の in silico 推定のためのより強固な基盤を提供するものである。