Integrative Inference of Spatially Resolved Cell Lineage Trees using LineageMap

LineageMap is een hybride algoritme dat ruimtelijk opgeloste lineage-traceringdata integreert om nauwkeurige, schaalbare en interpreteerbare stambomen en voorouderlijke cellocaties te reconstrueren, waardoor het de bestaande methoden overtreft in het ontrafelen van de spatiotemporale dynamiek van weefselgroei.

De kern

Stel je voor dat je een gigantische, ingewikkelde familieboom wilt reconstrueren van een heel stadje, maar je hebt geen foto's van de voorouders en geen dagboeken. Je hebt alleen drie soorten aanwijzingen voor elke huidige bewoner:

1. Een uniek DNA-merkje (een soort barcode) dat vertelt wie van wie afstamt.
2. Een lijst met eigenschappen (welke kleren ze dragen, wat ze eten), wat vertelt wat voor soort persoon ze zijn.
3. De exacte locatie waar ze nu wonen in het stadje.

Dit is precies het probleem dat biologen hebben met cellen in levende weefsels. Ze willen weten hoe een enkel eitje zich ontwikkelt tot een complex orgaan met miljoenen verschillende cellen. Tot nu toe was het reconstrueren van deze "levensboom" van cellen erg moeilijk, vooral omdat de data vaak onvolledig is (sommige stukjes ontbreken) en cellen die ver van elkaar wonen soms toch familie zijn.

LineageMap is de nieuwe, slimme computerprogramma dat dit probleem oplost. Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Het Probleem: Een Verwarde Boze

Stel je voor dat je probeert een familieboom te maken op basis van alleen de namen van mensen. Als twee mensen toevallig dezelfde naam hebben (een "homoplasy" in de wetenschap), denk je misschien dat ze familie zijn, terwijl ze dat niet zijn. Of als de naam van een grootvader is vergeten (een "dropout"), raak je de connectie kwijt.

Oude methoden keken vaak alleen naar de namen (de DNA-barcode). Ze waren snel, maar maakten veel fouten. Andere methoden keken heel diep in de geschiedenis, maar waren zo traag dat ze nooit klaar werden met duizenden cellen.

2. De Oplossing: LineageMap als een Slimme Detective

LineageMap is een hybride detective die twee trucs combineert: snelheid en diepgang.

Stap 1: De Groepsindeling (De "Buurman"-methode)
In plaats van elke cel apart te bekijken, kijkt LineageMap eerst naar groepen cellen die heel erg op elkaar lijken (dezelfde barcode hebben). Het groepeert ze als buren in een straat.

• Analogie: Stel je voor dat je een grote menigte mensen ziet. In plaats van iedereen individueel te ondervragen, zeg je: "Die groep in het blauw lijkt familie, die groep in het rood ook."
• Vervolgens bouwt het een ruwe, grote stamboom van deze groepen. Dit is het "ruggengraat"-stadium. Het is snel en geeft een goed overzicht.

Stap 2: De Fijne Afwerking (De "Gedetailleerde Rechercheur")
Nu LineageMap weet welke groepen familie zijn, gaat het dieper in op elke groep apart. Hier gebruikt het alle drie de aanwijzingen:

• De Barcode: Wie is de echte familie?
• De Locatie: Als twee cellen familie zijn, zouden ze dan niet vaak in de buurt van elkaar moeten zijn? (Cellen die zich delen, blijven vaak dicht bij elkaar).
• De Eigenschappen: Als een cel verandert van "type" (bijvoorbeeld van een bouwvakker naar een schilder), helpt dat om te zien waar hij vandaan komt.

LineageMap gebruikt een wiskundige formule (een "kansberekening") om te checken: "Wat is de kans dat deze cel hier is geboren, gezien zijn familie, zijn uiterlijk en zijn huidige adres?" Als de berekening klopt, past het de boom aan.

3. Waarom is dit zo speciaal?

Vroeger was het alsof je een familieboom moest maken door alleen naar de geboortedata te kijken, terwijl je negeerde dat familieleden vaak in dezelfde straat wonen.

LineageMap zegt: "Wacht even, als deze twee cellen bijna identieke barcodes hebben én ze wonen op twee straten van elkaar, dan is de kans groot dat ze familie zijn, zelfs als er een stukje van de barcode ontbreekt."

Het combineert dus:

• De geschiedenis (DNA).
• De reis (waar zijn ze geweest?).
• De identiteit (wat voor cel zijn ze?).

4. De Resultaten: Een Schoner Beeld

De auteurs hebben LineageMap getest met computer-simulaties (virtuele cellen) en met echte data van muis-stamcellen.

• Bij de tests: LineageMap was veel accurater dan de oude methoden, zelfs als de data erg "ruisig" was (veel ontbrekende stukjes). Het kon de echte familiebanden vinden waar andere methoden de draad kwijtraakten.
• Bij de echte cellen: Het kon niet alleen de familieboom tekenen, maar ook voorspellen waar de voorouders van de cellen zich bevonden. Het bleek dat cellen die op elkaar leken, ook daadwerkelijk in dezelfde buurt van het weefsel zaten. Dit bevestigt dat de methode biologisch zinvol is.

Samenvatting in één zin

LineageMap is als een super-slimme architect die, door te kijken naar de bouwtekeningen (DNA), de huidige woonplaats (ruimte) en de stijl van het huis (celtype), de perfecte blauwdruk kan maken van hoe een heel stadje (weefsel) is opgebouwd uit één enkele bouwsteen, zelfs als sommige bouwtekeningen beschadigd zijn.

Dit helpt wetenschappers beter te begrijpen hoe embryo's groeien, hoe wonden helen, en hoe kanker zich verspreidt, omdat ze nu de volledige reis van elke cel kunnen volgen.

Technische samenvatting

Probleemstelling

Het begrijpen van de ruimtelijk-temporele processen van weefselgroei, inclusief hoe nieuwe celtypen ontstaan en hoe cellen de weefselarchitectuur vormen, is een fundamenteel probleem in de biologie. Recentelijk zijn er nieuwe datasets beschikbaar gekomen die spatiotemporale stamboomtraceerdata combineren met ruimtelijke transcriptomics. Deze datasets bevatten voor elke enkele cel drie modaliteiten:

1. Lineage barcodes: Genetische markeringen die celdivisies vastleggen.
2. Genexpressieprofielen: Die de celfunctie en -toestand aangeven.
3. Ruimtelijke locaties: De fysieke positie van de cel in het weefsel.

Bestaande methoden voor het reconstrueren van celstambomen (lineage trees) hebben echter grote beperkingen:

• Ze negeren vaak de ruimtelijke informatie, waardoor ze geen gebruik maken van de onderlinge beperkingen tussen stamboom, ruimtelijke nabijheid en continuïteit van de celfunctie.
• Methoden die alleen op barcodes vertrouwen (zoals Neighbor Joining) worstelen met technische ruis, zoals "dropout" (ontbrekende data) en homoplasie (identieke mutaties die onafhankelijk ontstaan).
• Methoden op basis van maximale waarschijnlijkheid (Maximum Likelihood - ML) zijn vaak computationeel onhaalbaar voor datasets met duizenden cellen vanwege de enorme zoekruimte van mogelijke boomtopologieën.
• Het "polytomy-probleem" (waarbij veel cellen identieke barcodes delen, wat leidt tot onoplosbare boomstructuren) wordt niet goed opgelost zonder aanvullende informatie.

Er is dus behoefte aan een integratief raamwerk dat alle drie modaliteiten combineert om nauwkeurige, interpreteerbare en schaalbare stambomen te reconstrueren.

Methodologie: LineageMap

LineageMap is een hybride algoritme dat de schaalbaarheid van afstand-based methoden combineert met de flexibiliteit van waarschijnlijkheid-based methoden binnen een unified probabilistisch raamwerk. Het proces verloopt in twee hoofdfasen:

1. Voorverwerking en Backbone-inferentie

• Clustering: Cellen met zeer vergelijkbare barcodes worden gegroepeerd met behulp van Louvain-clustering op een similariteitsgrafiek (gebaseerd op een dropout-bewuste Hamming-afstand). Dit lost het polytomy-probleem op door cellen in "clones" te groeperen.
• Consensus & Backbone: Voor elke cluster wordt een consensus-barcodetree gegenereerd. Vervolgens wordt een Cluster-constrained Neighbor Joining (NJ) methode toegepast om een "backbone tree" te bouwen. Deze backbone bepaalt de grove topologische relaties tussen de clonalen, waarbij cellen uit dezelfde cluster binnen dezelfde subboom blijven.

2. Probabilistische Verfijning (Maximum Likelihood)

Binnen elke cluster wordt een lokale subboom verfijnd met een Maximum Likelihood (ML) benadering. Dit maakt gebruik van een gezamenlijke likelihood-functie die drie generatieve modellen koppelt:

• Barcode-evolutiemodel: Een irreversibel continu-tijd Markov-keten (CTMC) dat mutaties simuleert. Het model houdt rekening met "dropouts" (ontbrekende data) en irreversibele mutaties.
• Ruimtelijk evolutiemodel: Een Brownse beweging of Ornstein-Uhlenbeck (OU) proces dat de verplaatsing van dochtercellen ten opzichte van hun ouder modelleert. Dit model kan afhankelijk zijn van de celfunctie (bijv. cellen in verschillende staten migreren anders).
• Celfunctie-evolutiemodel: Een Brownse beweging voor discrete celfuncties (toestanden) die evolueren langs de boom.

De gezamenlijke likelihood (Eq. 3) combineert de waarschijnlijkheid van de barcodes, de ruimtelijke locaties en de celfuncties. Door deze drie modaliteiten te koppelen, wordt de onzekerheid in de boomtopologie verminderd.

• Optimalisatie: Voor de lokale subbomen wordt een stochastische zoekstrategie gebruikt (Random Subtree Swapping, een variant van SPR) om de likelihood te maximaliseren. De twee-trapsstructuur (eerst een backbone, dan lokale verfijning) voorkomt dat het algoritme vastloopt in lokale optima en maakt het schaalbaar voor grote datasets.

Belangrijkste Bijdragen

1. Integratie van Tri-modale Data: LineageMap is de eerste methode die barcodes, genexpressie en ruimtelijke coördinaten gelijktijdig gebruikt om stambomen te reconstrueren, waardoor zowel de evolutionaire geschiedenis als de ruimtelijke migratiepatronen kunnen worden afgeleid.
2. Hybride Schaalbaarheidsraamwerk: Door een twee-traps aanpak (NJ-backbone + lokale ML-verfijning) overwint het de computationele beperkingen van pure ML-methoden voor duizenden cellen, terwijl het de nauwkeurigheid behoudt.
3. Robuustheid tegen Ruis: Het algoritme is specifiek ontworpen om om te gaan met hoge dropout-rates en homoplasie, veelvoorkomende problemen in CRISPR-barcoding data.
4. SpaTedSim Simulator: De auteurs hebben een nieuwe simulator ontwikkeld (SpaTedSim) die realistische, gekoppelde datasets genereert (barcodes, genexpressie, ruimtelijke coördinaten) met bekende "ground truth", wat essentieel is voor het objectief testen van reconstructiemethoden.

Resultaten

De prestaties van LineageMap zijn getest op zowel gesimuleerde datasets (via SpaTedSim) als experimentele data (baseMEMOIR mESC cellen).

• Synthetische Data: LineageMap presteerde consistent beter dan bestaande methoden (LinRace, Cassiopeia, Startle, NJ) op drie belangrijke metrics: Robinson-Foulds afstand (topologie), Nye Similarity en padlengte-correlatie.
  • Het was vooral superieur in uitdagende scenario's: bij hoge dropout-rates (tot 80%) en bij weinig mutatie-sites (lage informatie). Andere methoden faalden vaak in deze situaties of produceerden willekeurige topologieën.
  • LineageMap bleef robuust en stabiel over verschillende replicaten.
• Experimentele Data (baseMEMOIR): Bij toepassing op mESC (mouse embryonale stam) cellen, reconstrueerde LineageMap een ruimtelijk opgeloste stamboom die beter overeenkwam met de referentiestamboom uit de originele studie dan andere methoden.
  • Het algoritme kon de ruimtelijke clustering van celtypes succesvol visualiseren (bijv. naive cellen in het midden, formatieve cellen aan de rand), wat aantoont dat de ruimtelijke informatie helpt bij het oplossen van ambiguïteiten in de vertakkingsstructuur.
  • Het kon ook de ruimtelijke posities van ancestrale (voorgaande) cellen afleiden, wat inzicht geeft in migratiepatronen tijdens de ontwikkeling.

Significantie

LineageMap vertegenwoordigt een doorbraak in de computationele biologie voor het bestuderen van ontwikkeling en weefselregeneratie.

• Overbrugging van disciplines: Het verbindt moleculaire stamboomtraceerdata met ruimtelijke en transcriptomische informatie, wat een volledigere visie biedt op celgedrag dan ooit tevoren mogelijk was.
• Toekomstperspectief: Hoewel er nog maar weinig publiek beschikbare datasets zijn met deze tri-modale resolutie, zal de toenemende beschikbaarheid van dergelijke data (door technologieën zoals baseMEMOIR) LineageMap essentieel maken voor het ontrafelen van complexe dynamische processen in tijd en ruimte.
• Praktische toepasbaarheid: De methode is schaalbaar en open-source beschikbaar, wat onderzoekers in staat stelt om hoge-resolutie stambomen te reconstrueren uit grote, ruisige datasets, en zo nieuwe inzichten te krijgen in ziekteprogressie, regeneratie en embryonale ontwikkeling.