Generating and navigating single cell dynamics via a geodesic bridge between nonlinear transcriptional and linear latent manifolds

技術要約: GeoBridge

問題提起
時系列のシングルセルRNAシーケンシング（scRNA-seq）は、細胞プロセスを疎で非対の「スナップショット」として捉える。この制限は、連続的な細胞状態遷移の再構成や、制御可能かつ解釈可能な方法での状態間のナビゲーションを困難にしている。擬似時間（pseudotime）の順序付け、RNAベロシティ、および動的最適輸送（Dynamic Optimal Transport; DOT）のような既存の手法は、静的なデータから連続的な遷移を近似しようと試みるが、これらは多くの場合、高次元の遺伝子発現空間におけるユークリッド距離に依存している。多様体仮説の下では、生物学的データは低次元の非線形な微分可能多様体上に存在し、細胞間の「距離」は遺伝子発現の非線形関数となる。曲がった空間においてユークリッド距離を仮定すると、幾何学的な歪みが生じ、その結果、発達速度、運命確率、および状態間の距離の推定が不正確になる。さらに、元の高次元空間において任意の測地線距離を直接最適化することは、計算量的に実行不可能である。

手法
著者らは、生物学的時間の補間をリーマン計量学習問題として定式化したデータ駆動型フレームワークであるGeoBridgeを提案する。その核心となる革新は、非線形な転写多様体と線形な潜在多様体の間に「測地線の架け橋（geodesic bridge）」を構築することにある。

1. 可逆ニューラルネットワーク（INN）によるマッピング: GeoBridgeは、元の高次元遺伝子発現多様体（$\mathcal{M}$）から平坦な潜在ユークリッド多様体（$\mathcal{N}$）への全単射なマッピング $\phi: \mathcal{M} \to \mathcal{N}$ を学習するためにINNを採用する。
2. プルバック計量の構築: 複雑な計量テンソルを元の空間に明示的に定義する代わりに、GeoBridgeは潜在空間における単純なユークリッド計量（$g_\mathcal{N} = I$）を定義する。元の多様体上のリーマン計量（$g_\mathcal{M}$）は、プルバック構成を用いて誘導される：$g_\mathcal{M}(x) = J_\phi(x)^\top J_\phi(x)$。ここで、$J_\phi$ はマッピングのヤコビ行列である。
3. 測地線の線形化: 補足情報の定理2（Theorem 2）に示される主要な理論的結果は、このプルバック計量の下で、$\mathcal{M}$ 上の測地線が $\mathcal{N}$ 上の測地線と一対一で対応することを確立している。潜在空間における測地線は等速直線運動であるため、元の空間における複雑な非線形遷移は、潜在空間における直線として表現できる。
4. 学習目的関数:
   • 等速直線学習損失 ($\mathcal{L}_{CVL}$): 時系列データが潜在空間にマップされた際に、等速の直線軌跡に従うことを強制する。これは、生物学的時間の比率に基づいてソースとターゲットの潜在ベクトル間を補間し、生成された中間分布と真の中間分布の間の最大平均差異（MMD）を最小化することによって達成される。
   • 局所比例正規化 ($\mathcal{L}_{LPR}$): マッピングにおける過度な局所的歪み（引き伸ばしや圧縮）を防ぐ。これは、元の空間と潜在空間における局所的な近傍距離の比率が、一つのタイムスライス内で安定するように促し、生物学的に妥当な補間を保証する。
5. ダウンストリームへの応用:
   • 補間: 中間状態は、潜在空間における閉形式の線形補間を通じて生成され、元の空間へとマップされる。
   • 運命予測: 細胞の運命確率は、潜在空間におけるユークリッドコストを用いた最適輸送プランを用いて推定される。
   • 擬似時間推論: 潜在ユークリッド空間における最適輸送から導出されたカントロヴィッチ・ポテンシャル（KP）は、真の時間と線形関係にあり、堅牢な擬似時間の指標として機能する。
   • ドライバー遺伝子の特定: 動的なドライバー指数は、軌跡の発現勾配と速度成分のドット積を計算することによって算出される。
   • 運命ナビゲーション: 本フレームワークは、「仮想的なナビゲーション」を可能にし、任意の開始細胞とターゲットとなる細胞状態の間、さらには異なる系統間であっても、測地線経路を生成することができる。

主な結果
GeoBridgeは、多様な生物学的システムにおいて検証された：

• がん幹細胞におけるEMT–MET進行: GeoBridgeは、上皮間葉転換（EMT）および間葉上皮転換（MET）の連続的な軌跡を正常に再構成した。また、既知の生物学と一致するステージ特異的な調節モジュールおよびドライバー遺伝子（例：初期METにおけるRHO GTPaseサイクル、後期EMTにおける細胞外マトリックス組織化）を特定した。
• ヒト多能性幹細胞（hPSC）の分化: 本手法は、幹細胞由来の$\beta$細胞および腸クロム親和性様細胞への分岐ダイナミクスを解明した。時間分解能を持つマーカー遺伝子の発現を正確に捉え、各系統に対する明確な初期および後期調節プログラムを特定した。
• マルチターゲット造血系譜: 統一されたマルチターゲットモデルにおいて、GeoBridgeは造血幹細胞（HSC）を好中球、マスト細胞、および巨核球の運命へとナビゲートした。決定的なことに、好中球への偏りを持つ細胞を、生物学的に妥当な測地線経路に沿ってマスト細胞の運命へと仮想的に導く能力を示し、学習された幾何学の解釈可能性を検証した。
• ベンチマーク: GeoBridgeは、ホールドアウト補間精度（Wasserstein-1距離で測定）および擬似時間推論（真の時間ラベルとのピアソン相関で測定）において、最先端の手法（MioFlow, TIGON, DeepRUOT）を凌駕した。特筆すべきは、事前の次元削減を必要とせず、高次元の入力（上位2,000個の高変動遺伝子）に対して直接動作しながら、これらの結果を達成した点である。

意義と主張
本論文は、GeoBridgeが、疎なシングルセル測定値を連続的で制御可能なランドスケープへと変換する、原理に基づいたプルバック幾何学的手法を確立したと主張している。その主要な意義は以下の通りである：

1. 幾何学的厳密性: 生物学的時間が測地線運動に対応するリーマン計量を学習することで、ユークリッド的仮定による幾何学的歪みを回避する。
2. 計算効率: 潜在空間の平坦性を活用することで、明示的な閉形式の補間を可能にし、他のDOTベースの手法で必要とされる計算負荷の高い数値積分（例：Neural ODE）を排除する。
3. 制御性と解釈性: 細胞状態を「ナビゲート」するためのフレームワークを提供し、研究者が任意の表現型間の遷移をシミュレートし、その遷移を駆動する特定の遺伝子を特定することを可能にする。
4. 堅牢性: 明示的な時間注釈なしに（反復的な擬似時間精緻化を介して）訓練されたデータを用いても、滑らかな転写プログラムを回復できるほど、ノイズやスナップショットの疎性に対して堅牢である。

著者らは、GeoBridgeを単なる補間ツールとしてではなく、明示的な幾何学的構築に基づいた生成モデルとして位置づけており、細胞状態の遷移を再構成、解釈、および操作するための新しいパラダイムを提示している。