Integrating morphology and gene expression of neural cells in unpaired single-cell data using GeoAdvAE

GeoAdvAE is een geometrie-bewust, adversariaal autoencoder-model dat ongepaarde single-cell morfologie- en transcriptoomdata integreert om een schaalbaar en interpreteerbaar raamwerk te bieden voor het verbinden van celvorm en -functie, zoals gedemonstreerd bij het onthullen van nieuwe biologische inzichten in microglia bij de ziekte van Alzheimer.

De kern

Stel je voor dat je een stad probeert te begrijpen door twee verschillende kaarten te bestuderen: één kaart toont alleen de vorm van de gebouwen (zijn het hoge wolkenkrabbers of lage huisjes?), en de andere kaart toont alleen de activiteit binnenin (wordt er in het ene gebouw een feestje gevierd en in het andere een ziekenhuis beheerd?).

Het probleem is dat je deze twee kaarten nooit tegelijkertijd voor hetzelfde gebouw hebt. Je hebt duizenden foto's van gebouwen, maar geen idee wat er binnen gebeurt. En je hebt duizenden rapporten over activiteiten, maar geen idee hoe de gebouwen eruitzien.

Deze paper introduceert een slimme computer-methode genaamd GeoAdvAE die precies dit probleem oplost. Het is als een super-slimme vertaler die de "vorm-kaart" en de "activiteit-kaart" aan elkaar kan koppelen, zelfs zonder dat hij ooit een gebouw van binnen én van buiten heeft gezien.

Hier is hoe het werkt, in simpele taal:

1. Het Grote Raadsel: Vorm vs. Functie

In de biologie, en vooral in de hersenen, is de vorm van een cel vaak een teken van wat hij doet. Een microglia (een soort opruimcel in de hersenen) kan eruitzien als een boom met veel takken (rustig en waakzaam) of als een ronde bal (actief en aan het vechten). Maar soms lijk je op een boom, terwijl je binnenin een heel ander verhaal vertelt.

Vroeger konden wetenschappers niet goed zien hoe vorm en functie samenhangen, omdat ze ofwel alleen keken naar de vorm (via foto's) of alleen naar de genen (via DNA-sequencing), maar zelden beide tegelijk voor dezelfde cel.

2. De Oplossing: GeoAdvAE (De "Geometrie-Vertaler")

De auteurs hebben een AI-model gebouwd dat twee dingen tegelijk doet:

• De Vorm-Vertaler: Kijkt naar de 3D-vorm van de cel (zoals een skelet) en vertaalt dit naar een digitaal getal.
• De Genen-Vertaler: Kijkt naar de genenactiviteit en vertaalt dit ook naar een digitaal getal.

Het magische deel is dat deze twee vertalers in een gemeenschappelijke ruimte werken. Het model leert: "Als een cel eruitziet als een boom (vorm), dan moet hij in deze ruimte ook lijken op een cel met deze specifieke genen (functie)."

Ze gebruiken een slimme truc (een "adversarial" spelletje) waarbij twee onderdelen van de AI tegen elkaar vechten:

• De ene probeert de vorm en de genen zo goed mogelijk te reconstrueren.
• De andere probeert te raden of een punt in de ruimte van de vorm-kaart of de genen-kaart komt.
• De winnaar is de AI die zo goed leert dat de andere niet meer kan raden waar een punt vandaan komt. Hierdoor worden vorm en functie perfect gemengd.

3. De Test: De "Patch-seq" Cels

Om te bewijzen dat hun methode werkt, hebben ze gekeken naar een heel zeldzame dataset: cellen waar ze wel zowel de vorm als de genen hadden gemeten (de "Patch-seq" cellen).
Het was alsof ze hun vertaler hadden getest op een lijst met antwoorden. GeoAdvAE was veel beter in het koppelen van de juiste vorm aan de juiste genen dan andere bestaande methoden. Het was alsof ze de sleutel vonden die de twee kaarten perfect op elkaar liet passen.

4. De Ontdekking: Alzheimer en de "Opruimcellen"

Daarna hebben ze de methode toegepast op muizen met een model voor Alzheimer (de 5xFAD muizen). Ze keken naar de microglia (de opruimcellen).

Wat vonden ze?

• Ze zagen een lijn van rustige, takkerige cellen (die de hersenen onderhouden) naar agressieve, ronde cellen (die proberen beschadigde cellen op te ruimen).
• Ze ontdekten dat de "takkerige" cellen bezig waren met DNA-reparatie (onderhoudswerk).
• De "ronde" cellen waren bezig met cellen doden (vechtwerk).
• De verrassing: Sommige genen die je zou verwachten bij ziekte (zoals die bij ontstekingen horen), bleken niet te veranderen met de vorm. Dat betekent dat een cel ziekte-signalen kan sturen zonder dat hij er visueel anders uitziet. De vorm is dus niet altijd een perfecte maatstaf voor wat er binnenin gebeurt.

Conclusie

GeoAdvAE is als een magische bril. Zonder deze bril zag je alleen de vorm van de cellen of alleen hun genen, en kon je de link niet leggen. Met deze bril kun je zien hoe de vorm van een cel direct samenhangt met zijn innerlijke werk, zelfs als je ze nooit samen hebt gemeten.

Dit helpt wetenschappers beter te begrijpen hoe ziektes zoals Alzheimer de hersencellen veranderen, en kan leiden tot nieuwe manieren om deze ziektes te behandelen. Het is een stap in de richting van het begrijpen van het volledige verhaal van een cel: zijn uiterlijk én zijn innerlijke drijfveren.

Technische samenvatting

Probleemstelling

Cellulaire morfologische transities (veranderingen in vorm) worden veel waargenomen bij ziekten zoals de ziekte van Alzheimer, maar de functionele rol hiervan blijft vaak onduidelijk. De belangrijkste uitdaging is dat de meeste technologieën niet in staat zijn om zowel de vorm (morphologie) als de functie (transcriptomics/gene expressie) van dezelfde cel gelijktijdig te meten.

• Ongepaarde data: Beschikbare datasets zijn vaak "ongepaard": grote verzamelingen met geïmagineerde celvormen bestaan apart van grote single-cell RNA-sequencing (scRNA-seq) atlanten.
• Unieke moeilijkheden: Het integreren van morfologie en genexpressie is fundamenteel anders en moeilijker dan conventionele multi-omics integratie (zoals RNA-ATAC of RNA-eiwit):
  1. Ongelijke informatiedichtheid: Slechts een klein subset van genen beïnvloedt direct de celvorm (bijv. cytoskelet), wat leidt tot een asymmetrische relatie en een laag signaal-ruisverhouding.
  2. Gebrek aan feature-correspondentie: Er is geen directe 1-op-1 koppeling tussen specifieke genen en specifieke morfologische kenmerken.
  3. Geometrische complexiteit: Morfologie moet eerst worden omgezet in kwantitatieve beschrijvingen die de geometrische relaties respecteren; naïeve embedding-methoden vervormen deze relaties vaak.

Methodologie: GeoAdvAE

De auteurs introduceren GeoAdvAE (Geometry-Aware Adversarial Autoencoder), een framework voor "diagonale integratie" (integratie van ongepaarde datasets) van single-cell morfologie en transcriptomics. Het model leert een gedeelde latente ruimte door vier complementaire componenten te combineren:

1. Modality-specifieke Variational Autoencoders (VAEs):

   • Twee aparte VAEs verwerken de input: één voor genexpressie (2000 highly variable genes) en één voor morfologie (gekwantificeerd via CAJAL, wat morfologie omzet in een vector op basis van Wasserstein-afstanden).
   • Deze projecteren de data naar een gemeenschappelijke latente ruimte ($d=16$).

2. Adversariale Discriminator:

   • Een discriminator probeert te voorspellen of een latent punt afkomstig is van de morfologie- of genexpressie-modality.
   • De encoders worden getraind om de discriminator te "bedriegen", waardoor de latenterepresentaties van beide modaliteiten overlappen en modality-invariant worden.

3. Gromov-Wasserstein (GW) Regularisatie:

   • Dit is een cruciale component voor geometrische consistentie. In plaats van alleen punten te matchen, minimaliseert deze term de discrepantie tussen de interne geometrie (paar-afstanden tussen cellen) in de twee latenterepresentaties.
   • Dit zorgt ervoor dat de globale structuur van de cellen in beide modaliteiten behouden blijft, zelfs zonder gepaarde samples.

4. Prior-geleide Cluster Alignering:

   • Om de orientatie van de latente ruimte biologisch zinvol te maken, wordt een "prior" gebruikt op basis van brede biologische clusters (bijv. excitatoire vs. inhibitoire neuronen, of homeostatische vs. ziekte-geassocieerde microglia).
   • Een correspondentiematrix ($P$) definieert de verwachte associatie tussen clusters van de ene modality en clusters van de andere. Dit voorkomt dat de integratie "omgekeerd" of semantisch incorrect verloopt.

Trainingsverloop: Het model gebruikt een curriculum learning-strategie waarbij reconstructie eerst wordt geoptimaliseerd, gevolgd door de adversariale term, de prior-guidance, en tot slot de GW-structuurterm.

Belangrijkste Bijdragen

• Nieuw Framework: GeoAdvAE is de eerste methode die specifiek is ontworpen voor de diagonale integratie van morfologie en transcriptomics, rekening houdend met de inherente asymmetrie en geometrische complexiteit.
• Validatie met Patch-seq: Het gebruik van Patch-seq data (waarbij morfologie en RNA van dezelfde cel gemeten zijn) als "ground truth" voor validatie, wat zeldzaam is in dit domein.
• Biologische Inzichten: Toepassing op microglia uit het 5xFAD muismodel (Alzheimer) om een continuüm van celstaten te onthullen dat morfologische en transcriptomische veranderingen koppelt.

Resultaten

1. Simulatie en Ablatie Studies:

   • GeoAdvAE presteerde significant beter dan bestaande methoden (zoals SCOT, UnionCom, scJoint, Crossmodal-AE) in het matchen van celtypen in synthetische data.
   • Ablatie-studies toonden aan dat het verwijderen van de GW-regularisatie de lokale geometrie verbrak, en het verwijderen van de prior de biologische orientatie verkeerd zette.

2. Validatie met Patch-seq Neuronen:

   • Op een dataset van 645 neuronale Patch-seq samples behaalde GeoAdvAE de hoogste nauwkeurigheid (34%) bij het cross-modale matchen van celtypen (excitatoire vs. inhibitoire), superieur aan graph-based en adversariale baselines.
   • De methode slaagde erin om een gladde, biologisch consistente latente ruimte te creëren, terwijl andere methoden vaak faalden door de hoge variabiliteit in morfologie.

3. Toepassing op 5xFAD Microglia (Alzheimer):

   • 1-dimensionaal Manifold: De integratie van 98 morfologische profielen en 31.948 scRNA-seq profielen onthulde een één-dimensionaal continuüm dat overging van ramified (vertakt, homeostatisch) naar amoeboid (afgerond, ziekte-geassocieerd).
   • Genetische Aanduiding: Via geïntegreerde gradiënten werden specifieke genen gekoppeld aan morfologische veranderingen:
     • Ramified microglia: Geassocieerd met DNA-reparatie genen.
     • Amoeboid microglia: Geassocieerd met cel-doding (cell killing) genen.
   • Nieuwe Biomarkers: Het model identificeerde Ms4a6b als sterk geassocieerd met ramifide vormen (en niet primair met ontsteking), en bevestigde Ftl1/Fth1 (ijzerbelasting) als kenmerkend voor dystrofische microglia.
   • Decoupling: Belangrijk was de ontdekking dat bepaalde Disease-Associated Microglia (DAM) signatuur-genen (zoals complement factoren C1qa/b/c) niet correleerden met de morfologische veranderingen. Dit suggereert dat transcriptomische veranderingen soms onafhankelijk plaatsvinden van zichtbare vormveranderingen.

Betekenis en Conclusie

GeoAdvAE biedt een schaalbaar en interpreteerbaar middel om de relatie tussen celvorm ("form") en cel functie ("function") te ontrafelen, zelfs wanneer gelijktijdige metingen onpraktisch of onmogelijk zijn.

• Het overbrugt de kloof tussen beeldvorming en genomics zonder dat gepaarde data nodig is.
• De bevindingen bij Alzheimer tonen aan dat morfologie niet altijd een perfecte proxy is voor de volledige functionele staat van een cel; sommige transcriptomische programma's (zoals complementactivatie) kunnen onafhankelijk van de vorm veranderen.
• De methode is publiek beschikbaar en biedt een nieuwe standaard voor het integreren van complexe biologische modaliteiten in de neurowetenschappen en daarbuiten.