Learning Explicit Single-Cell Dynamics Using ODE Representations

In dit artikel stellen de auteurs Cell-Mechanistic Neural Networks (Cell-MNN) voor, een volledig end-to-end encoder-decoder architectuur die gebruikmaakt van een lokaal gelijnd ODE-model om de dynamiek van celdifferentiatie te leren en interpreteerbare, biologisch consistente geninteracties bloot te leggen zonder de noodzaak van dure optimal transport-preprocessing.

De kern

🧬 De "Reisgids" voor Cellen: Hoe Cellen Beslissen Wat Ze Worden

Stel je voor dat je een enorme stad hebt vol met miljoenen mensen. Iedereen begint als een baby (een stamcel), maar na verloop van tijd beslissen ze wat ze willen worden: een brandweerman, een leraar, of een kok. In ons lichaam zijn dit cellen die beslissen of ze een huidcel, een zenuwcel of een spiercel worden. Dit proces heet differentiatie.

Het probleem? We kunnen niet elke persoon in die stad 24 uur per dag volgen. Als we kijken, is de persoon vaak al weggegaan of is de foto gemaakt op één enkel moment. We hebben dus alleen maar losse foto's van mensen op verschillende plekken in de stad, maar we weten niet precies hoe ze daar zijn gekomen.

Wetenschappers willen graag weten: Hoe verandert een cel precies? Welke interne regels (genen) sturen dit proces? En kunnen we voorspellen wat een cel in de toekomst zal worden?

🚧 Het Probleem met de Huidige Methoden

Tot nu toe probeerden wetenschappers deze "reis" te reconstrueren met een methode die lijkt op het oplossen van een gigantisch puzzelstukje met optimal transport (een complexe wiskundige techniek).

• De analogie: Stel je voor dat je duizenden mensen op een foto moet verdelen over een kaart, zodat je hun route kunt tekenen. Als je 100 mensen hebt, is dat makkelijk. Maar als je 100.000 mensen hebt (zoals in moderne biologie), kost dit berekenen zoveel tijd en rekenkracht dat het computerprogramma vastloopt.
• Ook leerden deze oude methoden niet echt waarom iets gebeurt. Ze zeiden alleen: "Deze cel gaat hierheen," maar niet: "Omdat gen A gen B heeft uitgeschakeld."

🚀 De Oplossing: Cell-MNN (De Slimme Reisgids)

De auteurs van dit paper hebben een nieuwe methode bedacht, genaamd Cell-MNN. Ze noemen het een "Mechanistisch Neuraal Netwerk". Laten we het zien als een slimme, digitale reisgids die twee dingen doet:

1. Hij tekent de route (Voorspelling): Hij kan voorspellen waar een cel over een uur, een dag of een week zal zijn, puur op basis van waar hij nu is.
2. Hij legt de regels uit (Interpretatie): Hij vertelt je waarom de cel daarheen gaat. Hij laat zien welke genen (de "bestuurders" van de cel) welke andere genen aan- of uitzetten.

Hoe werkt het? (De Analogie)

Stel je een auto voor die door een heuvelachtig landschap rijdt (de cel die verandert).

• Oude methoden: Kijken naar de snelheid van de auto op één punt en proberen de hele route te raden door duizenden berekeningen te doen.
• Cell-MNN: Kijkt naar de auto en zegt: "Op dit specifieke punt op de weg, gedraagt de auto zich alsof hij een rechte lijn volgt met een lichte helling."

Dit is de kern van hun truc: Lokaal lineair.
In plaats van te proberen de hele, ingewikkelde, kronkelige route in één keer te begrijpen (wat onmogelijk is), kijkt de computer naar een heel klein stukje van de weg. Op dat kleine stukje is de weg bijna recht. De computer leert een simpele formule voor dat stukje.

• De "Hypernetwerk"-truc: De computer heeft een "hoofd" (een neural network) dat voor elk moment in de reis een nieuwe, simpele formule bedenkt. Het is alsof je voor elke kilometer van de reis een nieuwe, kleine navigatie-app opstart die precies weet hoe die ene kilometer eruitziet.

💡 Waarom is dit zo cool?

1. Geen vastlopen meer (Schaalbaarheid)
Omdat Cell-MNN geen zware "puzzel" hoeft op te lossen met duizenden mensen tegelijk, kan hij werken met enorme datasets. Het is alsof je van een fiets op een snelle trein stapt. Je kunt nu datasets gebruiken die 10 keer zo groot zijn als wat andere methoden aankunnen.

2. De "Waarom"-vraag wordt beantwoord (Interpretatie)
Dit is het belangrijkste. Omdat Cell-MNN een simpele formule gebruikt (een lineaire vergelijking), kunnen we die formule lezen.

• De formule laat zien: "Gen X heeft een sterke invloed op Gen Y."
• De auteurs hebben dit getest met een database van bekende biologische regels (TRRUST). Het bleek dat de regels die de computer zelf had "ontdekt", vaak overeenkwamen met wat biologen al jaren weten.
• Vergelijking: Het is alsof je een kind een wiskundig probleem laat oplossen. De oude methoden gaven alleen het antwoord. Cell-MNN geeft het antwoord en laat de uitwerking zien, zodat je kunt zien of het kind de logica heeft begrepen.

3. Alles in één keer (End-to-End)
Oude methoden hadden meerdere stappen nodig: eerst de data schoonmaken, dan een route tekenen, dan een model trainen. Cell-MNN doet dit allemaal in één keer, van begin tot eind. Het is alsof je een robot hebt die vanzelf de auto wast, de banden controleert en de benzine tankt, in plaats van drie verschillende mensen die elk één klus doen.

🏁 Conclusie

Kort samengevat:
Deze nieuwe methode, Cell-MNN, is als een slimme, snelle navigator voor cellen. Hij kan niet alleen voorspellen waar een cel naartoe gaat (wat belangrijk is voor het begrijpen van ziektes zoals kanker), maar hij kan ook uitleggen welke interne regels die beslissing veroorzaken.

Dit helpt wetenschappers om sneller nieuwe medicijnen te vinden en te begrijpen hoe ons lichaam zich herstelt, zonder dat hun computers vastlopen door de enorme hoeveelheid data. Het is een stap in de richting van het volledig begrijpen van het "bedrijfsproces" van het leven.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het paper "Learning Explicit Single-Cell Dynamics Using ODE Representations" (Cell-MNN), gepresenteerd als een conferentiepaper bij ICLR 2026.

Probleemstelling

Het modelleren van de dynamiek van celdifferentiatie (het proces waarbij stamcellen zich ontwikkelen tot gespecialiseerde weefselcellen) is cruciaal voor het begrijpen en behandelen van ziekten zoals kanker en neurodegeneratieve aandoeningen. Hoewel single-cell sequencing-technologieën enorme datasets genereren, blijft het voorspellen van celpaden en het ontdekken van genregulerende interacties een uitdaging.

Bestaande state-of-the-art (SOTA) methoden voor het reconstrueren van trajecten uit "snapshot"-data (waarbij cellen bij meting worden vernietigd, waardoor slechts één punt per traject beschikbaar is) hebben twee belangrijke beperkingen:

1. Rekenkundige complexiteit: Ze vertrouwen vaak op Optimal Transport (OT) preprocessing (bijv. met de Sinkhorn-algoritme) om trajecten te labelen. Dit schaalt kwadratisch met het aantal samples ($O(n^2)$), wat een bottleneck wordt voor grote datasets.
2. Gebrek aan interpretatie: Deze modellen leren vaak "black-box" snelheidsvelden (zoals bij Neural ODEs) en leren geen expliciete, interpreteerbare gen-gen interacties. Ze focussen puur op het interpoleren van verdelingen zonder inzicht te geven in de onderliggende biologische mechanismen.

Methodologie: Cell-MNN

De auteurs stellen Cell-MNN (Cell-Mechanistic Neural Networks) voor, een end-to-end encoder-decoder architectuur die de dynamiek van celdifferentiatie modelleert via een lokaal gelijnd ODE (Ordinary Differential Equation) representatie.

Kerncomponenten:

1. Encoder en Latente Ruimte:

   • De hoge-dimensionale genexpressie-vector $x_t$ wordt eerst gereduceerd via PCA naar een lage-dimensionale latente ruimte $z_t$ (waarbij $z \in \mathbb{R}^{d_z}$ en $d_z \ll d_x$).
   • In plaats van een complexe, niet-lineaire ODE $\dot{z} = f(z, t)$ direct te leren (wat intractabel is), benadert Cell-MNN de dynamiek lokaal rond een "operating point" $(z^{(i)}, t^{(i)})$ met een lineaire ODE:
     $$\dot{z} \approx A_\theta(z^{(i)}, t^{(i)}) z$$
   • Hierbij is $A_\theta$ een lineaire operator die voorspeld wordt door een Multi-Layer Perceptron (MLP). De MLP fungeert als een hypernetwork dat een witte-doos (white-box) lineaire functie outputt die lokaal de dynamiek benadert.

2. Decoder en Analytische Oplossing:

   • Omdat de dynamiek lokaal lineair is, heeft de ODE een gesloten-form oplossing (analytische oplossing):
     $$z(t + \Delta t) = \exp(A_\theta \Delta t) z(t)$$
   • Dit elimineert de noodzaak voor numerieke ODE-oplossers (zoals Runge-Kutta), wat de rekentijd en stabiliteit verbetert.
   • De voorspelling wordt teruggeprojecteerd naar de genexpressieruimte via de PCA-matrix: $x_{t+\Delta t} = V_{PCA} z_{t+\Delta t}$.

3. Parametrisatie van de Operator:

   • De matrix $A_\theta$ wordt geparametriseerd in een eigen-decompositie vorm ($A_\theta = P_\theta \text{diag}(\lambda_\theta) P_\theta^{-1}$) om de matrix-exponentiële berekening te vergemakkelijken en inductieve bias toe te passen (bijv. het fixeren van eigenwaarden op nul om statische richtingen te forceren).

4. Optimalisatie:

   • Het model wordt getraind door de Maximum Mean Discrepancy (MMD) te minimaliseren tussen de model-gedreven verdelingen en de empirische verdelingen op verschillende tijdstippen.
   • Er wordt een kinetische energie-regularisatie toegevoegd om generalisatie te verbeteren en een regularisatie voor de inverteerbaarheid van $P_\theta$.
   • Belangrijk: Er is geen OT-preprocessing nodig; het model leert direct uit de snapshot-data.

5. Interpretatie van Geninteracties:

   • Omdat de dynamiek lokaal lineair is, kunnen de gen-gen interacties expliciet worden afgeleid. De interactiekracht van gen $j$ op gen $i$ wordt gegeven door de elementen van de matrix $V_{PCA} A_\theta V_{PCA}^T$. Dit maakt het model volledig interpreteerbaar.

Belangrijkste Bijdragen

1. Architectuur: Introductie van Cell-MNN, een end-to-end encoder-decoder model dat single-cell dynamiek modelleert via een lokaal gelijnd ODE, zonder OT-preprocessing.
2. Schaalbaarheid: Door het elimineren van OT-preprocessing (die $O(n^2)$ schaalt) en het gebruik van analytische oplossingen, schaalt Cell-MNN veel beter naar grote datasets dan bestaande methoden.
3. Interpretatie: Het model leert expliciete, lokale genregulerende interacties die direct interpreteerbaar zijn, in tegenstelling tot black-box snelheidsvelden.
4. Amortized Training: Het end-to-end ontwerp maakt het mogelijk om modellen te trainen over meerdere datasets heen (foundation model-aanpak), wat moeilijk is bij multi-stage OT-methoden.
5. Validatie: Kwantitatieve validatie van de voorspelde geninteracties tegen de TRRUST-database (een curatie van bekende genregulerende interacties).

Resultaten

De auteurs evalueren Cell-MNN op drie real-world datasets: Embryoid Body (EB), CITE-seq (Cite) en Multiome (Multi).

• Voorspellende Prestaties: Cell-MNN behaalt de beste gemiddelde prestaties op single-cell interpolatie-benchmarks (gemeten via Earth Mover's Distance / 1-Wasserstein afstand). Het presteert beter dan SOTA-methoden zoals OT-MFM, OT-CFM en DeepRUOT, en is de enige methode die een eenvoudige "OT-Interpolate" benchmark op alle datasets verslaat.
• Schaalbaarheid: In experimenten met kunstmatig opgeblazen datasets (250.000 cellen) faalden OT-gebaseerde methoden (DeepRUOT, OT-CFM) door Out-of-Memory (OOM) fouten vanwege de kwadratische complexiteit. Cell-MNN bleef stabiel en presteerde het beste.
• Amortized Training: Bij gezamenlijke training op Cite en Multi datasets (verschillende gensets) versloeg Cell-MNN sterke baselines zoals OT-CFM, wat aantoont dat het model effectief kennis kan overdragen tussen datasets.
• Geninteracties: Cell-MNN leert biologisch plausibele interacties. Bij het classificeren van activatie versus repressie van genen (gebaseerd op TRRUST labels) behaalde Cell-MNN een F1-score van 69%, wat significant hoger is dan baselines zoals SCODE (46%) en OT-CFM (48%). Het toont aan dat het model zonder toezicht (unsupervised) de richting van genregulatie kan ontdekken.

Significantie en Toekomstperspectief

Cell-MNN sluit de kloof tussen hoge voorspellende nauwkeurigheid en biologische interpretatie.

• Wetenschappelijke Impact: Het biedt een nieuwe manier om genregulerende netwerken (GRN) te ontdekken die context-afhankelijk zijn (varierend per celtype en tijd), in plaats van statische netwerken.
• Toekomstige Toepassingen: Omdat het model lokaal lineaire dynamiek leert, kan het potentieel worden gebruikt in combinatie met controletheorie om te voorspellen hoe genexpressie kan worden gestuurd via perturbaties (bijv. CRISPR-genezingen) om cellen naar een gewenste staat te sturen.
• Reproduceerbaarheid: De code en hyperparameters zijn openbaar beschikbaar, en het model is getraind op standaard hardware (één GPU), wat de toegankelijkheid voor de gemeenschap vergroot.

Samenvattend biedt Cell-MNN een schaalbaar, interpreteerbaar en nauwkeurig kader voor het modelleren van single-cell dynamiek, wat een belangrijke stap is voor het vertalen van big data in biologie naar bruikbare biologische inzichten.