VeloTree: Inferring single-cell trajectories from RNA velocity fields with varifold distances

Dit artikel introduceert VeloTree, een nieuwe methode die RNA-velocityvelden en varifold-afstanden gebruikt om differentiatiebomen in single-cell transcriptomics met hoge nauwkeurigheid te reconstrueren.

De kern

Stel je voor dat je een enorme foto maakt van een drukke stad op één specifiek moment. Je ziet duizenden mensen (cellen) in verschillende kleding en houdingen. Maar je weet niet wie waar vandaan komt, waar ze naartoe gaan, of hoe ze in elkaar zitten veranderd. In de biologie is dit precies het probleem met single-cell RNA-sequencing: we krijgen een momentopname van duizenden cellen, maar we willen het verhaal achter die foto weten: hoe een jonge cel zich ontwikkelt tot een gespecialiseerde cel (zoals een zenuwcel of een insulineproducerende cel).

De auteurs van dit artikel, VeloTree, hebben een slimme nieuwe manier bedacht om dat verhaal te reconstrueren. Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Het probleem: Een foto is niet genoeg

Normaal gesproken kijken wetenschappers alleen naar de "kleding" van de cellen (hun genen). Ze proberen te raden wie ouder is dan wie door te kijken wie er op elkaar lijkt. Maar dit is vaak onnauwkeurig, net als het proberen te raden van de route van een auto op basis van alleen de plek waar hij nu staat.

Gelukkig hebben we nu een nieuw hulpmiddel: RNA-velocity.

• De Analogie: Stel je voor dat je niet alleen de positie van de auto ziet, maar ook een pijltje dat aangeeft welke kant hij op rijdt en hoe snel. RNA-velocity is dat pijltje. Het vertelt ons: "Deze cel verandert gerade in die richting."

2. De uitdaging: Ruis en verwarring

Het probleem is dat deze pijltjes (de snelheden) vaak ruisig zijn. Het is alsof je in een storm kijkt; de wind (ruis) duwt de pijltjes soms de verkeerde kant op. Als je deze ruige pijltjes direct gebruikt om een kaart te tekenen, krijg je een wirwar van lijnen die nergens naartoe leiden.

3. De oplossing van VeloTree: De "Tijdsomgekeerde Reis"

De auteurs van VeloTree hebben een creatieve aanpak bedacht:

• Stap 1: De storm kalmeren (Denoising)
  Eerst "gladstrijken" ze de pijltjes. Ze kijken naar buurcellen en middelen hun snelheden uit, zodat de pijltjes een duidelijker pad vormen. Het is alsof je de windstilte in de stad laat vallen om de echte looproutes van de mensen te zien.

• Stap 2: Terug in de tijd reizen (Integratie)
  Dit is het meest magische deel. In plaats van te kijken waar de cellen naartoe gaan, laten ze de computer de pijltjes achteruit volgen.

  • De Analogie: Stel je voor dat je een film van een vallend glas ziet. Je ziet het glas op de grond liggen en scherven vliegen rond. Als je de film achteruit draait, zie je de scherven samenvloeien tot een heel glas dat omhoog vliegt naar de tafel.
  • VeloTree doet dit met elke cel. Ze laten de computer de "geschiedenis" van elke cel afspelen, terug naar het beginpunt (de stamcel). Hierdoor ontstaat er voor elke cel een unieke "reislijn" (een integraalkromme) die laat zien hoe die cel is ontstaan.

• Stap 3: De reislijnen vergelijken (Varifold-afstand)
  Nu hebben ze duizenden reislijnen. Hoe vergelijk je twee lijnen?

  • De Analogie: Stel je voor dat je twee wandelaars hebt die door een bos lopen. Als hun paden heel lang samen lopen en dan pas splitsen, zijn ze "verwant". Als hun paden direct bij het begin splitsen, zijn ze "vreemden".
  • De auteurs gebruiken een wiskundige maatstaf (de varifold-afstand) om te meten hoe sterk twee reislijnen op elkaar lijken. Deze maatstaf is slim: hij kijkt niet alleen naar waar de lijnen zijn, maar ook naar de richting waarin ze lopen. Het is alsof je niet alleen kijkt naar de route op de kaart, maar ook naar hoe steil of vlak het pad was.

• Stap 4: De Stamboom tekenen
  Met deze vergelijkingen kunnen ze een boom tekenen. Cellen met vergelijkbare reislijnen komen dicht bij elkaar in de boom. Het resultaat is een differentiatieboom: een stamboom die laat zien hoe één stamcel zich heeft opgesplitst in verschillende soorten cellen.

4. Waarom is dit beter dan de rest?

Aanvullende methoden proberen vaak gewoon lijnen te trekken tussen de dichtstbijzijnde cellen. Dat werkt goed in rustige omstandigheden, maar faalt als het ruisig is.
VeloTree is als een detective die niet alleen naar vingerafdrukken kijkt, maar ook naar de volledige reisgeschiedenis. Omdat ze kijken naar de hele "reis" van de cel (de integraalkromme) in plaats van alleen de huidige positie, is hun methode veel robuuster tegen ruis en fouten.

Conclusie

In het kort: VeloTree is een nieuwe manier om de levensgeschiedenis van cellen te reconstrueren. Door de "snelheid" van cellen achteruit te laten lopen en hun reisroutes slim te vergelijken, kunnen wetenschappers een zeer nauwkeurige stamboom maken van hoe cellen zich ontwikkelen. Dit helpt artsen en onderzoekers beter te begrijpen hoe ziektes ontstaan of hoe we nieuwe cellen kunnen laten groeien.

Het is alsof ze van een statische foto van een stad een volledige, dynamische film hebben gemaakt van hoe de stad is gegroeid, inclusief de wegen die de bewoners hebben afgelegd.

Technische samenvatting

Probleemstelling

In de single-cell transcriptomica (scRNA-seq) is trajectinferentie een cruciaal probleem. Het doel is om het dynamische biologische proces (zoals celdifferentiatie) dat onderliggend is aan een populatie cellen te reconstrueren op basis van sequencing-data. Omdat scRNA-seq slechts een momentopname levert, moet de volgorde van cellen worden afgeleid uit hun expressieprofielen.

De uitdagingen in dit domein zijn:

1. Ruisgevoeligheid: Bestaande methoden die differentiërenbomen reconstrueren als een Minimum Spanning Tree (MST) van een k-nearest neighbors graf zijn zeer gevoelig voor ruis in de observaties.
2. RNA-snelheid (RNA velocity): Nieuwe technieken meten niet alleen genexpressie, maar ook RNA-velocity (een vector die de richting en snelheid van verandering in genexpressie aangeeft). Bestaande methoden die deze velocity gebruiken (zoals VeTra en CellPath) gebruiken vaak Euclidische afstanden of correlaties. Deze kunnen de hyperbolische aard van padafstanden in een boomstructuur niet nauwkeurig vastleggen en leiden vaak tot een overdreven scheiding van cellen die zich in hetzelfde stadium bevinden.
3. Boomreconstructie: Het is moeilijk om de volgorde van cellen binnen takken en de boomstructuur zelf (vertakkingspunten) correct te aggregeren zonder a priori kennis van het aantal takken.

Methodologie: VeloTree

De auteurs stellen VeloTree voor, een nieuwe methode voor het infereren van differentiërenbomen op basis van een afstandsgedreven aanpak (distance-based tree inference) met gebruikmaking van RNA-velocity velden. De pijlers van de methode zijn:

1. Preprocessing en Integratie

Voordat de afstandsberekening plaatsvindt, ondergaat het RNA-velocity veld een uitgebreide preprocessing:

• Dimensiereductie: Data wordt gereduceerd naar de belangrijkste principal components (PCA).
• Denoising (Ruisreductie): Het velocity veld wordt gladgestreken (smoothed) met behulp van een warmte-kernoperator (heat kernel) gebaseerd op diffusiekaarten.
• Tangentiële projectie: De velocity vectoren worden geprojecteerd op de lokale raakvlakken (tangent spaces) van de puntwolk van de cellen. Dit zorgt voor consistentie met de lokale geometrie van de differentiatiebaan.
• Backward Integratie: Voor elke cel wordt een integraalkromme ($\gamma_i$) berekend door het velocity veld achterwaarts te integreren. Deze krommen vertegenwoordigen de evolutie van de genexpressie van een initiële fase tot de huidige staat van de cel.

2. De Dissimilariteitsmaat: Varifold Afstand

Het kerninnovatiepunt is de definitie van een nieuwe dissimilariteitsmaat tussen cellen, gebaseerd op de kwadratische varifold-afstand tussen hun integraalkrommen.

• Varifold Distance: Een parametrische afstand die krommen behandelt als distributies over posities en georiënteerde raakvectoren.
• Voordeel: Deze afstand is invariant onder herparameterisatie, robuust tegen kleine vervormingen en maximaliseert de scheiding tussen divergerende krommen.
• Formule: De afstand $d_{W^*}$ wordt berekend via een inproduct in een Reproducing Kernel Hilbert Space (RKHS), waarbij een Gauss-kern zowel de ruimtelijke nabijheid ($\sigma_x$) als de oriëntatie van de raakvectoren ($\sigma_t$) meet.
• Theoretisch Fundament: De auteurs bewijzen dat onder bepaalde aannames (dat de boom goed is ingebed en takken voldoende snel divergeren), de kwadratische varifold-afstand asymptotisch equivalent is aan de kortste-padsafstand op de onderliggende differentiërenboom.

3. Boomreconstructie (Family-Joining)

In plaats van een MST te gebruiken, past de methode een Family-Joining algoritme toe (een variant van Neighbor-Joining).

• Dit algoritme is ontworpen om observaties te verwerken die zich niet alleen op de bladeren van de boom bevinden, maar op alle knooppunten (wat typisch is voor scRNA-seq data).
• Het algoritme groepeert cellen iteratief op basis van hun dissimilariteitsmatrix en bepaalt of ze broers zijn of een ouder-kind relatie hebben.

Belangrijkste Bijdragen

1. Nieuwe Dissimilariteitsmaat: Introductie van de kwadratische varifold-afstand tussen integraalkrommen van RNA-velocity velden als een robuuste schatter voor padafstanden in een boom.
2. Theoretische Garantie: Wiskundige bewijzen dat deze afstand de topologie van de differentiërenboom correct vastlegt, zelfs in aanwezigheid van ruis, mits de parameters ($\sigma_x, \sigma_t$) goed worden gekozen.
3. End-to-End Pipeline: Een volledige werkstroom die preprocessing, integratie, afstandsberekening en boomreconstructie combineert, inclusief strategieën voor het afstellen van hyperparameters.
4. Superioriteit: De methode vermijdt de beperkingen van Euclidische afstanden en MST-benaderingen.

Resultaten

De methode is getest op zowel gesimuleerde datasets (via de dyngen bibliotheek) als een reële dataset van muizen-pancreatische endocriene cellen.

• Gesimuleerde Data:

  • Vergelijking met state-of-the-art methoden VeTra en CellPath.
  • Resultaat: VeloTree behaalde aanzienlijk hogere nauwkeurigheid in het correct ordenen van cellen (pseudotime).
    • Bifurcerende trajecten: VeloTree ~88,6% vs VeTra 36,4% en CellPath 44,8%.
    • Trifurcerende en dubbel-bifurcerende trajecten: VeloTree behaalde >90% nauwkeurigheid, terwijl de concurrenten rond de 50-70% bleven.
  • De dissimilariteitsmatrix en de afgeleide bomen herstelden de onderliggende structuur (takken en knooppunten) zeer nauwkeurig.

• Reële Data (Muizen Pancreas):

  • De methode slaagde erin de differentiatie van progenitorcellen naar $\alpha$-, $\beta$-, $\delta$- en $\varepsilon$-cellen te reconstrueren.
  • Het model identificeerde correct dat $\alpha$-cellen een dubbele oorsprong hebben (van pre-endocriene cellen en van $\varepsilon$-cellen), wat overeenkomt met recente biologische inzichten.
  • Hoewel de topologie niet perfect was (vanwege de complexiteit en ruis in de echte data), leverde de pseudotemporele ordening een succesvolle voorspelling op.

Betekenis en Conclusie

VeloTree vertegenwoordigt een significante stap vooruit in single-cell trajectinferentie door:

• Robuustheid: Het is veel minder gevoelig voor ruis dan MST-gebaseerde methoden.
• Geometrische Inzicht: Door gebruik te maken van varifold-afstanden wordt de geometrische en topologische structuur van de differentiatiebaan beter benut dan met simpele Euclidische afstanden.
• Toepasbaarheid: De methode kan complexe boomstructuren met meerdere vertakkingspunten nauwkeurig reconstrueren zonder a priori kennis van het aantal takken.

De auteurs benadrukken dat de huidige versie zich richt op de topologie van de boom. Toekomstig werk zal zich richten op het infereren van gewogen bomen (waarbij de snelheid van differentiatie wordt meegenomen) en het uitbreiden naar cyclische topologieën (bijv. cellulaire cyclus), wat de toepasbaarheid op een breder scala aan biologische vraagstukken zal vergroten.