TSvelo: Comprehensive RNA velocity by modeling cascade of gene regulation, transcription and splicing

TSvelo is een nieuw, op neurale differentiaalvergelijkingen gebaseerd wiskundig raamwerk dat de complexiteit van RNA-velocity-analyses verbetert door de cascade van genregulatie, transcriptie en splicing te modelleren, waardoor nauwkeurigere voorspellingen van celpotentialen mogelijk worden voor zowel individuele genen als meervoudige lijnen.

De kern

TSvelo: De "Time Machine" voor Cellen

Stel je voor dat je een foto maakt van een stad. Je ziet mensen op straat, auto's die rijden en gebouwen. Maar op die ene foto zie je niet waar ze naartoe gaan, hoe snel ze bewegen of wat ze van plan zijn. Je ziet alleen een statisch moment.

In de biologie is dat precies wat we hebben met cellen. We kunnen een foto maken van een cel (met een techniek genaamd scRNA-seq) en zien welke genen actief zijn. Maar cellen zijn geen statische foto's; ze leven, veranderen en ontwikkelen zich. De vraag is: Waar gaat deze cel naartoe? Wordt het een hartcel, een hersencel of een huidcel?

Vroeger hadden we methoden om dit te raden, maar die waren vaak als een slechte GPS: ze kwamen vast te zitten in verkeerde routes of konden de complexe afbeelding niet goed lezen.

Wat is TSvelo?
De auteurs van dit papier hebben TSvelo bedacht. Je kunt TSvelo zien als een superkrachtige tijdsmachine die niet alleen een foto maakt, maar ook de beweging en de toekomst van de cel voorspelt.

Hier is hoe het werkt, vertaald in alledaagse termen:

1. Het recept: Van ingrediënt tot gerecht

Stel je voor dat een cel een kok is die een gerecht (een eiwit) bereidt.

• Transcriptie: De kok pakt het recept uit de kast (het DNA). Dit is het begin.
• Splicing (Splitsen): Het recept is nog niet klaar; het moet nog worden geknipt en aangepast. In de cel noemen we dit "onvolwassen RNA" (unspliced).
• Het eindproduct: Als het recept klaar is, krijg je het "volwassen RNA" (spliced), dat daadwerkelijk het eiwit maakt.

Oude methoden keken alleen naar het verschil tussen het onvolledige recept en het eindproduct. Maar dat is als proberen te raden hoe snel een kok werkt door alleen naar de lege keuken en het afgemaakte gerecht te kijken. Het is vaak onduidelijk en ruisig.

TSvelo doet iets slim: Het kijkt naar de hele keten. Het ziet de kok, het onvolledige recept en het eindproduct tegelijk. Het bouwt een wiskundig model (een soort simulatie) dat precies beschrijft hoe snel de kok werkt, hoe snel hij knipt en hoe snel hij aflevert.

2. De Orkestleider (Genregulatie)

In een cel werken duizenden genen samen. Oude methoden keken naar elk gen alsof het een solist was die alleen speelde. Maar in werkelijkheid is het een orkest. Sommige cellen (de dirigenten, of "Transcriptie Factoren") geven de toon aan voor andere cellen.

TSvelo luistert naar het hele orkest. Het weet welke dirigent welke muzikant aanstuurt. Door te kijken naar wie de leiding neemt, kan het veel beter voorspellen hoe het verhaal van de cel zich ontwikkelt. Het maakt het verschil tussen een luidruchtige bende en een harmonieus orkest.

3. De 3D-Bril

Stel je voor dat je probeert een wolk van mensen te zien in 2D (plat op papier). Dan lopen ze allemaal over elkaar heen en kun je niet zien wie naar links en wie naar rechts gaat.
TSvelo geeft je een 3D-bril. Plotseling zie je dat mensen die op de foto op elkaar leken, eigenlijk op verschillende verdiepingen lopen.

• Oude methode (2D): Cellen van verschillende types lijken op elkaar te liggen (verwarrend).
• TSvelo (3D): Door een extra dimensie toe te voegen (de snelheid van het "recept maken"), schuiven de cellen uit elkaar. Je ziet nu duidelijk: "Ah, deze groep gaat naar de ene kant, die groep naar de andere."

4. Waarom is dit belangrijk?

Met TSvelo kunnen wetenschappers:

• De toekomst voorspellen: Ze kunnen zien welke cel zich gaat ontwikkelen tot een specifieke celtype, zelfs voordat het gebeurt.
• Fouten opsporen: Ze kunnen zien waar het proces "vastloopt" of fout gaat, wat belangrijk is bij ziektes zoals kanker.
• Complexe verhalen lezen: Het werkt zelfs als er meerdere paden zijn (bijvoorbeeld: een stamcel die zich kan ontwikkelen tot een hersencel of een zenuwcel). Oude methoden raakten hier vaak de weg kwijt, maar TSvelo houdt de verschillende routes gescheiden en duidelijk.

Kortom:
TSvelo is als het verschil tussen het kijken naar een stilstaande foto van een auto en het hebben van een live-video met een snelheidsmeter en een navigatiesysteem. Het maakt het verhaal van het leven in een cel niet alleen duidelijker, maar ook betrouwbaarder. Het helpt ons begrijpen hoe ons lichaam groeit, herstelt en soms ziek wordt.

Technische samenvatting

Probleemstelling

Bestaande methoden voor RNA-velocity (zoals Velocyto, scVelo, UniTVelo en DeepVelo) hebben te kampen met verschillende beperkingen die hun nauwkeurigheid en robuustheid in de weg staan:

1. Complexiteit en Ruis: De splicing-tijdsschaal is kort en scRNA-seq-data is vaak ruisig en spaarzaam. Bestaande methoden, die vaak werken op basis van fase-portretten (unspliced vs. spliced) per gen, falen vaak bij het correct modelleren van complexe dynamiek, vooral wanneer cellen van verschillende typen overlappen in het 2D-ruimte.
2. Gebrek aan Integratie: De meeste methoden behandelen genen onafhankelijk en negeren onderliggende regulatoire interacties (zoals transcriptiefactoren). Methoden die regulatie wel integreren (bijv. TFvelo), modelleren vaak niet gezamenlijk de splicing-dynamiek.
3. Interpreteerbaarheid: Moderne methoden die gebruikmaken van neurale netwerken of latente ruimtes om flexibele transcriptrates te modelleren, verliezen vaak de biologische interpreteerbaarheid van de parameters op gen-niveau.
4. Meerlijnige Data: Het analyseren van datasets met meerdere differentiatie-lijnen (multi-lineage) blijft een uitdaging voor bestaande modellen.

Methodologie: TSvelo

TSvelo is een wiskundig raamwerk dat de volledige cascade van genregulatie, transcriptie en splicing integreert in één model, gebaseerd op Neurale Gewone Differentiaalvergelijkingen (Neural ODEs).

Kerncomponenten:

• Gecombineerde ODE-model: In plaats van alleen de relatie tussen unspliced ($u$) en spliced ($s$) mRNA te modelleren, introduceert TSvelo een 3D-dynamiek die ook de transcriptrate ($\alpha$) expliciet modelleert. De vergelijkingen zijn:
  • $\frac{du_g}{dt} = \alpha_g(t) - \beta_g u_g(t)$
  • $\frac{ds_g}{dt} = \beta_g u_g(t) - \gamma_g s_g(t)$
  • Waarbij $\alpha_g(t)$ (de transcriptrate) wordt gemodelleerd als een functie van de expressie van Transcriptiefactoren (TFs): $\alpha_g(t) = ReLU(\sum w_{gi} s_i(t))$. Hierbij worden regulatoire gewichten ($w_{gi}$) geleerd op basis van TF-doelwit-databases (ENCODE en ChEA).
• Neurale ODE Oplosser: Omdat analytische oplossingen voor deze complexe systemen moeilijk te berekenen zijn, gebruikt TSvelo een Neural ODE-oplosser om de parameters ($\alpha, \beta, \gamma$) en de latente tijd direct te leren.
• EM-algoritme (Expectation-Maximization): Het model wordt geoptimaliseerd via een iteratief EM-proces:
  • E-stap: Toewijzing van een globale latente tijd (pseudotime) aan elke cel via een grid search, zodat de voorspelde waarden het dichtst bij de waargenomen data liggen.
  • M-stap: Update van de parametermatrix $A$ (waaronder regulatoire gewichten en kinetische snelheden) via gradient descent in het neurale ODE-model.
• Verwerking van TFs: TFs die niet als "velocity genes" zijn geselecteerd (vanwege ruis in hun unspliced data), worden toch opgenomen in het model door direct de dynamiek van transcriptie naar gespleten RNA te modelleren, zonder tussenkomst van unspliced data.

Belangrijkste Bijdragen

1. Eerste Geïntegreerd Model: TSvelo is de eerste methode die genregulatie, transcriptie en splicing gelijktijdig en gezamenlijk voor alle genen modelleert binnen één interpreteerbaar ODE-raamwerk.
2. 3D Fase-portretten: Door de transcriptrate ($\alpha$) als een extra dimensie toe te voegen, creëert TSvelo een 3D-fase-portret ($\alpha-u-s$). Dit lost het probleem van overlappende celtypen op in traditionele 2D-portretten en verbetert de scheidbaarheid van celstaten aanzienlijk.
3. Interpreteerbaarheid: Ondanks het gebruik van neurale ODEs, blijven de parameters (transcriptie-, splicing- en degradatiesnelheden, en regulatoire gewichten) biologisch interpreteerbaar op gen-niveau.
4. Robuustheid bij Multi-lineage: Het model is effectief in het hanteren van complexe datasets met meerdere differentiatie-lijnen door elke lijn onafhankelijk te modelleren en de resultaten vervolgens te fuseren.

Resultaten

TSvelo is getest op zes scRNA-seq-datasets, waaronder twee multi-lineage datasets, en vergeleken met state-of-the-art methoden (scVelo, Dynamo, UniTVelo, CellDancer, Multivelo, etc.):

• Pankreas Dataset: TSvelo toonde een significant betere scheiding van celstaten in de 3D-ruimte vergeleken met 2D-methoden (hoge kNN-classificatie nauwkeurigheid). Het kon complexe dynamiek (zoals een initiële afname gevolgd door een toename) modelleren die door andere methoden werden gemist.
• Gastrulatie Erythroïde Dataset: TSvelo bereikte de hoogste consistentie in velocity, intra-cluster coherentie en correctheid van grensoverschrijding. Het kon ook complexe patronen (zoals tegen de klok in draaiende dynamiek) correct modelleren en identificeerde bekende regulatoire relaties (bijv. KLF1 en zijn doelen HBA-X, ALAS2).
• Muis Brein Dataset (Multi-omics): In vergelijking met Multivelo (dat ATAC-seq data gebruikt), presteerde TSvelo beter bij het modelleren van genen met hoge ruis en overlapping, en kon het de vertraging tussen transcriptie en splicing nauwkeurig visualiseren.
• Multi-lineage Datasets (Dentate Gyrus & LARRY): TSvelo slaagde erin om drie verschillende lijnen in de dentate gyrus te identificeren en lijnspecifieke genexpressiepatronen (bijv. ANK3 en MAP1B in neuronale vs. gliale lijnen) correct te modelleren, terwijl concurrenten zoals scVelo en CellDancer hierin faalden.

Significantie

TSvelo vertegenwoordigt een belangrijke doorbraak in het veld van single-cell analyse. Door de beperkingen van puur op splicing gebaseerde modellen te overwinnen en regulatoire netwerken te integreren, biedt het:

• Betrouwbaardere voorspellingen van celbestemming (cell fate) en differentiatiepaden.
• Dieper biologisch inzicht door het kwantificeren van transcriptrates en specifieke TF-doelwit relaties zonder de noodzaak van extra multi-omics data (zoals ATAC-seq).
• Een schaalbare oplossing voor complexe, grote datasets met meerdere differentiatie-lijnen, wat essentieel is voor het begrijpen van ontwikkeling en ziekteprocessen.

Hoewel TSvelo afhankelijk is van vooraf gedefinieerde TF-doelwit databases (wat context-specifieke relaties kan missen) en rekenkundig intensiever is dan sommige methoden, biedt het een aanzienlijke verbetering in nauwkeurigheid en interpretatie voor RNA-velocity analyse.