🧬 biology

Querying Counterfactuals on Tissue Graphs with Supervised Disentanglement

Dit artikel introduceert Cellina, een supervised disentanglement-framework dat weefselgrafiek-contrafacten formaliseert door de intrinsieke staat van een cel te scheiden van zijn ruimtelijke context om expressieveranderingen onder herbedeelde of gewijzigde buurinteracties nauwkeurig te voorspellen, waarbij het bestaande methoden op grootschalige ruimtelijke transcriptomics-datasets overtreft.

Oorspronkelijke auteurs: Abdul Moeed, Stefan Schrod, Martin Rohbeck, Marc Jan Bonder, Pavlo Lutsik, Oliver Stegle, Daniel Dimitrov

Gepubliceerd 2026-06-09

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Abdul Moeed, Stefan Schrod, Martin Rohbeck, Marc Jan Bonder, Pavlo Lutsik, Oliver Stegle, Daniel Dimitrov

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

Het Grote Plaatje: Het "Cel-Buurt"-probleem

Stel je een stad voor waar elke persoon (een cel) een unieke persoonlijkheid en een specifieke baan heeft. In de biologie willen we voorspellen hoe een persoon zal handelen als die naar een andere buurt verhuist.

De Oude Manier: Eerdere computermodellen behandelden mensen alsof ze in isolatie leefden. Ze namen aan dat als je iedereen dezelfde "stimulus" gaf (zoals een nieuwe wet of een virus), iedereen op dezelfde manier zou reageren, ongeacht wie hun buren waren.
De Realiteit: In een levend lichaam wordt je gedrag sterk beïnvloed door je buren. Een persoon die naast een bakkerij woont, kan het brood ruiken en honger krijgen; een persoon die naast een bouwplaats woont, kan stress ervaren. In de biologie wordt de "stemming" (genexpressie) van een cel gevormd door de cellen die er vlak naast liggen.

Het artikel betoogt dat om te voorspellen hoe een cel zal veranderen, we niet alleen naar de cel zelf kunnen kijken; we moeten simuleren wat er gebeurt als we haar buren verwisselen of veranderen wat haar buren zeggen.

De Oplossing: "Cellina" (De Buurt-simulator)

De auteurs hebben een tool gebouwd genaamd Cellina. Zie Cellina als een super slimme vertaler die de "innerlijke zelf" van een persoon kan scheiden van de "omgeving".

De Twee Delen van een Persoon:
- De Innerlijke Zelf (Intrinsiek): Wie je bent in de kern (bijv. "Ik ben een bakker"). Dit verandert niet simpelweg omdat je verhuist.
- De Omgeving (Extrinsiek): Hoe je omgeving jou beïnvloedt (bijv. "Ik ruik naar brood omdat ik naast een bakkerij woon").
De Magische Truk (Ontvlechting/Disentanglement):
Veel AI-modellen halen deze twee zaken door elkaar. Als je een bakker naar een bouwplaats verplaatst, kan een slecht model denken dat de bakker een bouwvakker is geworden. Cellina is bijzonder omdat het gebruik maakt van "supervised disentanglement".
- Analogie: Stel je hebt een foto van een persoon voor je. Cellina gebruikt een speciaal filter om de persoon van de achtergrond te scheiden. Het leert de persoon te herkennen, zelfs als de achtergrond verandert, en het leert de achtergrond te herkennen, zelfs als de persoon verandert.
- Hoe het leert: Het gebruikt een "leraar" (celtype-labels) om te zeggen: "Dit deel van de data is de identiteit van de persoon," en een "bedrieger" (adversarial training) om te zeggen: "Zorg ervoor dat het 'persoon'-gedeelte niet per ongeluk iets leert over de 'buurt'."

De Twee Soorten Experimenten

Het artikel test Cellina met twee specifieke "Wat als?"-scenario's, die zij Counterfactuals noemen:

1. Edge Perturbation (De "Verhuistest")

De Vraag: "Hoe zou deze cel eruitzien als we hem fysiek naar een andere buurt zouden verplaatsen en hem een compleet nieuwe set buren zouden geven?"
De Analogie: Stel je voor dat je een bakker meeneemt en naar een bouwplaats verplaatst, waarbij je de oude buren vervangt door bouwvakkers. Cellina voorspelt hoe het gedrag van de bakker verandert, enkel door omringd te worden door deze nieuwe mensen.
Het Resultaat: Cellina was veel beter in dit opzicht dan andere tools. Het voorspelde succesvol dat de bakker anders zou gaan handelen (bijv. naar zaagsel gaan ruiken) zonder zijn identiteit als bakker te verliezen.

2. Node Perturbation (De "Verander de Boodschap"-test)

De Vraag: "Wat als de buren in hetzelfde huis blijven, maar ze beginnen andere dingen te roepen?"
De Analogie: De bakker blijft naast de bouwvakkers wonen, maar in plaats van te roepen over boren, roepen ze nu over blauwdrukken. Cellina voorspelt hoe de bakker reageert op deze verandering in gesprek, zonder te verhuizen.
Het Resultaat: Cellina kon dit ook simuleren, waarbij het voorspelde hoe specifieke biologische paden (zoals een specifiek genprogramma) aan- of uitgaan op basis van deze nieuwe signalen.

Waarom Dit Er Toe Doet (Volgens het Artikel)

De auteurs hebben Cellina getest op twee enorme datasets:

Colorectaal Kanker: Kijkend naar cellen in gezond darmweefsel versus kankercellen.
Muisbrein: Kijkend naar verschillende regio's in het brein van een muis.

De Bevindingen:

Betere Voorspellingen: Cellina versloeg alle bestaande methoden (zoals scGen, CPA en MintFlow) in het voorspellen van hoe cellen zouden veranderen in deze "virtuele experimenten".
Verborgen Patronen Vinden: Omdat Cellina de "buurt" scheidt van de "cel", vond het verborgen subgroepen binnen het kankercellenweefsel die andere methoden misten. Het realiseerde zich dat niet alle kankercellen in hetzelfde "milieu" zitten, zelfs als ze in dezelfde tumor zitten.
Schaalbaarheid: Het kan miljoenen cellen aan zonder vast te lopen, wat een grote zaak is voor de moderne biologie.

Wat Cellina Niet Doet (Gebaseerd op de tekst)

Het is geen kristallen bol voor genezing: Het artikel stelt expliciet dat dit "in-silico" (computersimulatie) voorspellingen zijn. Het zijn "generatieve hypothesen" die eerst in een echt laboratorium (wet-lab validatie) getest moeten worden voordat we weten of ze waar zijn.
Het vervangt geen artsen: De auteurs beweren niet dat deze tool patiënten kan diagnosticeren of medicijnen kan voorschrijven. Het is een onderzoekstool om wetenschappers te helpen begrijpen hoe cellen met elkaar interageren.
Het is afhankelijk van labels: Om zijn magie te laten werken, moet Cellina verteld worden welk "type" cel het bekijkt (bijv. "Dit is een T-cel") en in welke "regio" het zich bevindt (bijv. "Dit is de tumor"). Het leert van deze labels om de identiteit van de omgeving te scheiden.

Samenvatting

Cellina is een nieuw computerprogramma dat weefsel behandelt als een graaf van verbonden buren. Het leert de identiteit van een cel te scheiden van de omgeving. Door dit te doen, kan het "Wat als?"-vragen beantwoorden: "Wat als deze cel andere buren had?" of "Wat als haar buren iets anders zeiden?" Het doet dit beter dan welke eerdere tool dan ook, waardoor wetenschappers de complexe sociale levens van cellen in weefsels zoals tumoren en hersenen beter kunnen begrijpen.

Technische Samenvatting: Het bevragen van Contrafactische Scenario's op Weefselgrafen met Supervised Disentanglement

Probleemdefinitie

Single-cell biologie streeft naar het voorspellen van cellulaire reacties op verstoringen. Bestaande methoden vertrouwen echter doorgaans op twee aannames die weefsels schenden: (i) verstoringen werken als gedeelde stimuli die uniform worden toegepast, en (ii) cellen zijn conditioneel onafhankelijk (i.i.d.). In levende weefsels wordt de transcriptionele staat van een cel gevormend door zijn lokale omgeving, die uniek varieert voor elke cel.

De auteurs formaliseren weefselgrafen-contrafactische scenario's (tissue graph counterfactuals) als een klasse van ruimtelijke interventies die vragen: Wat zou een cel tot expressie brengen als zijn buurtcontext zou worden gewijzigd terwijl zijn intrinsieke identiteit ongewijzigd blijft? Deze interventies richten zich op twee aanpasbare componenten van de weefselgraaf:

Edge Perturbatie (Randverstoring): Het herbedraden van de verbindingen in de buurt van een cel (het vervangen van buren).
Node Perturbatie (Knoppertverstoring): Het wijzigen van de genexpressie-kenmerken van bestaande buren terwijl de grafictopologie behouden blijft.

Huidige methoden missen een verenigd framework om deze vragen te beantwoorden, omdat ze cellen vaak als i.i.d. behandelen of zich richten op specifieke typen interventies zonder de intrinsieke cellulaire identiteit te scheiden van de extrinsieke micro-omgevingsinvloed.

Methodologie: Cellina

Het artikel introduceert Cellina, een graph Variational Autoencoder (VAE) die ontworpen is om weefselgrafen-contrafactische scenario's hanteerbaar te maken door middel van supervised disentanglement.

Modelarchitectuur

Cellina decomponeert de genexpressie $x$ van een cel in twee latente componenten:

Intrinsieke Representatie ( $z$ ): Codeert de cellulaire identiteit (celtype), onafhankelijk van de ruimtelijke context.
Extrinsieke Representatie ( $s$ ): Codeert het effect van de ruimtelijke micro-omgeving (buurt).

Het generatieve model gaat uit van standaard normale priors voor $z$ en $s$ , waarbij de likelihood $p(x|z, s)$ wordt gemodelleerd als een Negative Binomial distributie geparametriseerd door een decoder $Dec([z; s])$.

Inferentievarianten

Er worden twee varianten voorgesteld om de ruimtelijke representatie $s$ te coderen:

Cellina (Base): Gebruikt een graad-genormaliseerde aggregatie van log-genormaliseerde buur-expressie $\phi(v)$ , gecodeerd via een MLP.
Cellina-GAT: Vervangt de vaste aggregator door een multi-layer Graph Attention Network (GATv2) die opereert op de lokale subgraaf. Deze variant sluit zelf-loops uit om ervoor te zorgen dat de expressie van de focale cel uitsluitend door $z$ wordt gevangen.

Supervised Disentanglement

Zuiver ongesuperviseerde factorisatie is niet identificeerbaar zonder inductieve biases. Cellina injecteert biologische supervisie om $z$ te verankeren aan celtype-identiteit en ruimtelijke variatie naar $s te leiden:

Celtype Classificator ( $L_{clf}$ ): Verankert $z$ aan bekende celtype-labels.
Adversarial Domain Discriminator ( $L_{adv}$ ): Een tweestaps alternerende optimalisatie waarbij een discriminator probeert de ruimtelijke domein te voorspellen vanuit $z$ . De encoder wordt getraind om deze voorspelling te minimaliseren (entropie maximaliseren), wat effectief de ruimtelijke domein-informatie uit $z verwijdert en deze naar $s dwingt.
Contrastieve Loss ( $L_{spatial}$ ): Toegepast enkel in Cellina-GAT; deze loss stimuleert gelijkenis in $s$ voor ruimtelijke buren terwijl het onderscheid maakt tussen verschillende domeinregio's, wat fungeert als een biologisch gefundeerde inductieve bias.

De totale trainingsdoelstelling is:
$\mathcal{L} = \mathcal{L}_{VAE} + \alpha_{clf} \mathcal{L}_{clf} + \alpha_{spatial} \mathcal{L}_{spatial} - \alpha_{adv} \mathcal{L}_{adv}$

Contrafactische Simulatie

Edge Perturbatie: Buren van een focale cel worden vervangen door cellen uit een doel-domein (bijv. het vervangen van gezonde buren door kankerburen), waarbij de eigen cel-type van de focale cel wordt uitgesloten om een conservatieve evaluatie te garanderen.
Node Perturbatie: De grafictopologie blijft ongewijzigd, maar de genexpressie-vectoren van de buren worden gewijzigd door een gen-specifieke transformatie (bijv. multiplicatieve schaling op basis van log-fold changes tussen domeinen).

Belangrijkste Bijdragen

Formalisering: De auteurs definiëren weefselgrafen-contrafactische scenario's als een verenigde klasse van ruimtelijke interventies die zowel edge (topologie) als node (kenmerken) perturbaties omvatten.
Cellina Framework: Zij introduceren een dual-encoder graph VAE met supervised disentanglement die intrinsieke identiteit scheidt van de ruimtelijke context.
Prestaties: Cellina presteert beter dan ruimtelijk geïnformeerde en niet-ruimtelijke baselines (inclusief scGen, CPA, MintFlow en SpatialProp) op het gebied van contrafactische voorspelling, disentanglement en schaalbaarheid over datasets met meer dan 2,5 miljoen cellen.
Biologische Ontdekking: Het framework maakt de ongesuperviseerde identificatie van biologisch onderscheidende kanker-subdomeinen mogelijk en faciliteert gerichte simulaties van pathway-specifieke buur-perturbaties.

Experimentele Resultaten

Het model werd geëvalueerd op twee grootschalige ruimtelijke transcriptomics-datasets:

Colorectaal Kanker (CRC): ~2,4 miljoen cellen verspreid over zes slides. De taak bestond uit het voorspellen van de expressie van gezonde coloncellen (REF) indien deze in een tumorregio (CRC) geplaatst zouden worden.
- Resultaten: Cellina-varianten presteerden significant beter dan alle baselines. De base Cellina verbeterde de Pearson correlatie met +0,14 en de Signed Precision met +0,17 ten opzichte van de sterkste niet-Cellina baseline. Cellina-GAT bereikte de hoogste Pearson score (0,85) en de laagste RMSE (1,14).
- Ablatie: Zelfs de "Cellina (ablated)" variant (zonder supervisie) presteerde beter dan niet-ruimtelijke baselines, maar supervised disentanglement leverde verdere winst op (+0,12 Pearson), wat de effectiviteit van de scheidingsstrategie bevestigt.
Hele Muisbrein: ~146K cellen over drie slides (MERFISH). De taak was het overdragen van voorspellingen tussen ruimtelijke domeinen (Thalamus naar Isocortex/Fiber-tracts).
- Resultaten: Cellina-varianten leidden opnieuw op drie van de vier metrieken, wat de generalisatie over weefsels en soorten aantoont.

Biologische Inzichten

Subdomein Ontdekking: Het clusteren van de latente ruimtelijke representatie $s$ onthulde onderscheidende CRC-subdomeinen (CRC1 en CRC2) met verschillende signaleringsprofielen (TGF $\beta$ -dominant versus NF $\kappa$ B/MAPK-dominant) zonder directe supervisie.
Pathway Perturbatie: Het simuleren van node-perturbaties met behulp van PROGENy pathway-gewichten reproduceerde succesvol de biologische reacties van deze subdomeinen, waarbij sleutelgenen (bijv. FN1, MMP3) werden geïdentificeerd die consistent zijn met bekende fibroblast-programma's.

Betekenis en Claims

Het artikel claimt dat Cellina een principieel framework biedt voor het bestuderen van door de buurt gedreven cellulaire reacties, waarbij de aanname van onafhankelijke cellen wordt overstegen. Door intrinsieke staat expliciet te scheiden van extrinsieke invloed, maakt het model de volgende zaken mogelijk:

Contextuele Voorspelling: Het voorspellen van cellulair gedrag niet in isolatie, maar binnen specifieke ruimtelijke contexten.
Vermindering van de Experimentele Zoekruimte: Het genereren van "virtuele" cellulaire reacties op gewijzigde buurten om wet-lab validatie te sturen.
Schaalbaarheid: Het base Cellina-model schaalt efficiënt (trainingstijd vergelijkbaar met niet-ruimtelijke scVI) door de constructie van de buurt los te koppelen van de training, in tegenzet tot graph-attention gebaseerde concurrenten die dure message passing vereisen.

De auteurs merken op dat hoewel contrafactische scenario's momenteel generatieve hypothesen zijn die experimentele validatie vereisen, de operationele interpretatie van deze simulaties een veelbelovende weg biedt voor het bevragen van virtuele cellulaire reacties in complexe weefselomgevingen. Zij erkennen beperkingen met betrekking tot de afhankelijkheid van vooraf gedefinieerde celtype- en domeinannotaties en de potentiële segmentatiefouten in ruimtelijke data, en suggereren dat toekomstig werk ruwe beeldsignalen zou kunnen integreren om deze inputs te denoisen.