CycleGRN: Inferring Gene Regulatory Networks from Cyclic Flow Dynamics in Single-Cell RNA-seq

CycleGRN is een nieuw raamwerk dat dynamische systemen en stroomvelden toepast op cyclische single-cell RNA-seq-data om genregulatienetwerken nauwkeuriger af te leiden dan bestaande methoden, zonder dat tijdsbinning of splicing-dynamica vereist zijn.

De kern

CycleGRN: Een nieuwe manier om de 'biologische klok' van cellen te begrijpen

Stel je voor dat een cel als een kleine stad is. In deze stad werken duizenden fabrieken (genen) die samenwerken om de stad draaiende te houden. Soms draait de stad in een vaste cyclus, zoals een dag-nacht ritme of de voortdurende cyclus van celvernieuwing (de celdeling).

Het probleem is dat wetenschappers vaak alleen een foto kunnen maken van deze stad op één willekeurig moment. Ze zien wel welke fabrieken aan staan en welke uit, maar ze weten niet wanneer ze aan zijn gegaan of hoe ze op elkaar reageren. Het is alsof je een foto ziet van een drukke kruising en probeert te raden welke auto eerst kwam en welke later, zonder de video te hebben.

De meeste bestaande methoden proberen dit op te lossen door de foto's te sorteren op "tijdstip", maar dat werkt niet goed als de cyclus continu draait (zoals een cirkel).

Wat doet CycleGRN?
De onderzoekers van dit papier hebben een slimme nieuwe methode bedacht, genaamd CycleGRN. In plaats van te proberen de tijd te raden, kijken ze naar de stroom van de cellen.

Hier is hoe het werkt, vertaald naar een alledaags verhaal:

1. De dansvloer en de dansers

Stel je de cellen voor als dansers op een dansvloer. Sommige dansers (de 'cyclus-genen') bewegen in een perfect rondje, een cirkel.

• De oude manier: Probeerde te raden wie er eerst begon met dansen door te kijken naar de tijd op hun horloge.
• De nieuwe manier (CycleGRN): Kijkt gewoon naar de stroom van de dansvloer. Waar bewegen de mensen naartoe? Als je ziet dat groepje A altijd net voor groepje B beweegt in de cirkel, dan weet je dat A de leider is en B de volger.

2. De onzichtbare stroomstroom

CycleGRN gebruikt wiskunde om een onzichtbare stroomstroom te tekenen die precies past bij hoe de cellen bewegen.

• Het is alsof je een rivier ziet stromen. Je ziet niet de tijd, maar je ziet wel dat het water van punt A naar punt B stroomt.
• De methode leert deze stroom direct uit de data, zonder dat je hoeft te weten hoe lang de cyclus duurt of hoe snel de cellen gaan.

3. Het voorspellen van de toekomst (Lie-afgeleiden)

Zodra ze deze stroomstroom hebben gevonden, kunnen ze voor elke fabriek in de stad (elk gen) voorspellen: "Als deze cel een klein stukje verder in de stroom beweegt, wat gebeurt er dan met dit gen?"

• Dit is als het voorspellen van de windrichting voor een windmolen. Je weet niet precies hoe snel de wind waait, maar je weet wel welke kant hij op waait.
• Hierdoor kunnen ze zien welke genen "vooraan" lopen en welke "achteraan" aanhaken.

4. De kettingreactie

Met deze kennis kunnen ze een regulieringsnetwerk tekenen. Ze kunnen zeggen: "Gen A verandert, en daardoor verandert Gen B een beetje later."

• Dit is cruciaal omdat het laat zien wie de baas is en wie de werknemer.
• Ze hebben dit getest op computer-simulaties en op echte muis-cellen. In beide gevallen was hun methode beter dan de oude methoden, vooral omdat ze de cyclische aard van het leven (zoals celdeling) eindelijk serieus namen in plaats van het als ruis weg te gooien.

Waarom is dit belangrijk?

In het verleden hebben wetenschappers vaak de "celdeling" genegeerd omdat het lastig te meten was. Ze dachten: "Dat is alleen maar ruis."
CycleGRN zegt: "Nee, dat is de klok!"

Door te luisteren naar die klok, kunnen ze beter begrijpen:

• Hoe cellen beslissen om te delen of te sterven.
• Wat er misgaat bij ziektes zoals kanker (waar de cyclus uit de hand loopt).
• Hoe je nieuwe medicijnen kunt ontwerpen die precies op het juiste moment in de cyclus ingrijpen.

Kortom: CycleGRN is als een slimme camera die niet alleen foto's maakt, maar de beweging van de cellen kan 'voelen' en zo de geheime regie van het leven ontrafelt, zelfs zonder een stopwatch.

Technische samenvatting

Probleemstelling

Oscillerende biologische processen, zoals de celcyclus, spelen een cruciale rol in celbestemming, weefselhomeostase en ziekteontwikkeling (bijv. kanker). Hoewel deze processen op populatieniveau duidelijk waarneembaar zijn, vormen ze een uitdaging voor Gen Regulerende Netwerken (GRN) inferentie op basis van single-cell RNA-sequencing (scRNA-seq) data.

De huidige uitdagingen zijn:

1. Gebrek aan tijdsinformatie: scRNA-seq experimenten meten elke cel op één enkel tijdstip, waardoor de inherente temporale volgorde verloren gaat.
2. Onvoldoende benutting van cyclische dynamiek: Bestaande methoden behandelen celcyclus-effecten vaak als ongewenste ruis en regresseren deze weg, waardoor waardevolle informatie over intrinsieke temporale structuren verloren gaat.
3. Beperkingen van bestaande methoden: Methoden die pseudotijd gebruiken (zoals Tricycle) vereisen vaak discrete tijdbinning, wat de continue en periodieke aard van de celcyclus niet goed vastlegt. Andere methoden (zoals RNA-velocity) vereisen gespleten en ongespleten reads, die niet altijd beschikbaar zijn.

Methodologie: CycleGRN

CycleGRN is een nieuw raamwerk dat GRN-inferentie verbetert door de data te modelleren als een invariant maatstaf van een stochastische differentiaalvergelijking binnen een cyclische dynamiek. Het proces verloopt in drie hoofdstappen:

1. Leren van de cyclische stroom (Flow Learning)

In plaats van expliciete tijdstippen te gebruiken, leert het model een vectorveld (stroom) $\nu$ in de subruimte van cyclische genen (bijv. celcyclusgenen).

• Principe: Het model zoekt een stroomveld waarvan de stationaire verdeling (invariant maatstaf) overeenkomt met de waargenomen dichtheid van cellen in de expressieruimte.
• Optimalisatie: Dit wordt opgelost via PDE-gedwongen optimalisatie. De stroom $\nu_\theta$ wordt geparametriseerd door een neurale netwerk. De doelstelling is het minimaliseren van de afstand (bijv. Wasserstein-afstand) tussen de waargenomen dichtheid $\rho^*$ en de stationaire oplossing $\rho_{\nu_\theta}$ van de Fokker-Planck-vergelijking:
  $$\nabla \cdot (\rho_\nu(x)\nu(x)) = D\nabla^2 \rho_\nu(x)$$
• Identificeerbaarheid: Omdat een invariant maatstaf alleen de stroom tot op een globale oriëntatie en tijdsreparametrisatie bepaalt, wordt de richting vastgelegd met minimale biologische markers (bijv. S/G2M-genen).

2. Cyclus-bewuste Lie-afgeleiden (Cycle-aware Lie Derivatives)

De geleerde stroom is beperkt tot de cyclusgenen, maar moet worden uitgebreid naar het volledige transcriptoom.

• Transitiematrix: Er wordt een gerichte $K$-naaste-buren-grafiek geconstrueerd waarbij de overgangskansen gebaseerd zijn op de uitlijning met het lokale stroomveld.
• Schatting van snelheid: De veranderingssnelheid (velocity) van alle genen wordt geschat door een discrete voorwaartse differentie toe te passen op de gen-expressiematrix $X$ langs de stroom:
  $$V \approx X(L^\top - I)$$
  Hierbij is $L$ de gerichte transitiematrix. Dit resulteert in een snelheidsvector voor elk gen in elke cel, zonder gebruik van splicing-informatie.

3. Tijdvertraagde correlatie op de gerichte grafiek

Om causale relaties te infereren, wordt een familie van tijdvertraagde correlatie-operatoren gedefinieerd op basis van de geleerde stroom.

• Propagatiematrix: Een matrix $P_\alpha = (I - \alpha L)^{-1}L$ wordt gebruikt om informatie te propageren langs de stroom met exponentieel afnemende gewichten.
• Correlatiematrix: Voor een paar genen $(g_1, g_2)$ wordt de correlatie berekend als het inproduct van hun snelheden, gewogen door de propagatiematrix:
  $$C_\alpha(g_1, g_2) = \langle V_{g_1}, P_\alpha V_{g_2} \rangle$$
• Resultaat: Dit levert een asymmetrische en getekende correlatiematrix op. Een asymmetrie ($C(g_1, g_2) \neq C(g_2, g_1)$) suggereert een causale volgorde (waarbij veranderingen in $g_1$ die in $g_2$ voorafgaan), en het teken geeft activatie of repressie aan.

Belangrijkste Bijdragen

1. PDE-gedreven dynamisch leren: Een methode die cyclische dynamiek direct leert uit scRNA-seq data via PDE-constrained optimalisatie, zonder tijdslabels of splicing-informatie.
2. Flow-aligned Lie-afgeleiden: Een techniek om de dynamiek van cyclusgenen te "liften" naar het volledige genoom, waardoor gen- en celspecifieke snelheidsschattingen mogelijk worden.
3. Gerichte tijdvertraagde correlatie: Een nieuwe operator die gebruikmaakt van de geleerde stroom om gerichte en getekende regulatorische interacties af te leiden, wat beter is dan statische correlaties.

Resultaten

De methode is geëvalueerd op zowel synthetische als real-world datasets:

• Synthetische Data (HARISSA modellen):

  • Getest op netwerken met bekende feedback-loops en cyclische dynamiek (FN4, CN5, FN8, Notch-pad).
  • CycleGRN presteerde consistent bovenaan in vergelijking met state-of-the-art methoden zoals HARISSA, CARDAMOM, GENIE3 en SINCERITIES.
  • Het slaagde erin om zowel de richting als het type regulatie (activatie/repressie) correct te voorspellen, zelfs zonder gebruik te maken van de simulatietijden die aan andere methoden werden gegeven.

• Real-world Data (Muis Retinale Progenitorcellen):

  • Geanalyseerd op drie celtypen (early RPC, late RPC, neurogene) en een knockout-conditie ($Nfia/b/x$).
  • Vergelijking met Optimal Transport: Waar optimal transport-gebaseerde snelheidsmethodes faalden om een coherente cyclische stroom te vinden (zelfs met Tricycle-koordinaten), herstelde CycleGRN een consistente circulaire dynamiek.
  • Netwerkinferentie: CycleGRN presteerde beter dan GENIE3 en GRNBoost2, vooral in cellen met sterke cyclusactiviteit. Het kon specifieke, richting-afhankelijke relaties (bijv. Top2a $\to$ Cenpa) correct identificeren die door statische methoden werden gemist.
  • Knockout-analyse: Bij differentiële GRN-inferentie (Control vs. Knockout) toonde de methode aan dat proliferatie-genen een versterkte onderlinge connectiviteit behielden, terwijl differentiatie-genen hun regulatorische connecties verloren. Dit weerspiegelt de biologische fenotypes van de knockout.

Betekenis en Toekomstperspectief

CycleGRN biedt een krachtige oplossing voor het infereren van causale genregulatie in systemen met cyclische dynamiek, een gebied waar bestaande methoden vaak tekortschieten.

• Significantie: Het bewijst dat het modelleren van de inherente geometrie van de data (de cyclische stroom) superieur is aan het gebruik van discrete tijdbinning of statische correlaties.
• Toepassingsgebied: Hoewel gericht op de celcyclus, is het raamwerk uitbreidbaar naar andere cyclische processen zoals circadiane ritmen of Notch-signaleren.
• Beperkingen en Kansen: Huidige implementaties zijn beperkt tot 2D-projecties. Toekomstig werk richt zich op het uitbreiden naar hogere dimensies voor heterogene datasets en het integreren van multi-schaal dynamiek (van snelle oscillaties tot langzame differentiatie).

Kortom, CycleGRN transformeert scRNA-seq data van een statisch momentopname naar een dynamisch model van regulatorische stroom, waardoor nauwkeurigere en biologisch betekenisvollere netwerken kunnen worden afgeleid.