MOSAIC: A Spectral Framework for Integrative Phenotypic Characterization Using Population-Level Single-Cell Multi-Omics

MOSAIC is een spectrale framework dat population-level single-cell multi-omics-data integreert door een gezamenlijke embedding van kenmerken en samples te leren, waardoor het zowel veranderingen in regulatoire netwerken kan detecteren als nieuwe patiëntsubtypen kan identificeren en klinische uitkomsten kan voorspellen.

De kern

MOSAIC: Een nieuwe manier om het leven in cellen te begrijpen

Stel je voor dat je een enorme bibliotheek hebt met boeken over hoe ons lichaam werkt. Elke pagina in die boeken is een cel in ons lichaam, en de tekst op die pagina's is de instructie die de cel volgt (bijvoorbeeld: "maak dit eiwit" of "ga delen").

Vroeger keken wetenschappers vooral naar hoeveel tekst er op een pagina stond. Als er veel woorden over een bepaald onderwerp stonden, dachten ze: "Ah, dit is belangrijk!" Dit noemen we abundantie (hoeveelheid).

Maar er is een probleem: Soms staat er evenveel tekst als altijd, maar is de volgorde van de zinnen helemaal veranderd. De instructies zijn dan anders, zelfs als het aantal woorden hetzelfde blijft. De oude methoden zagen dit niet. Ze keken alleen naar de woordtelling, niet naar de betekenis van de zinnen.

Wat is MOSAIC?
De auteurs van dit paper hebben een nieuwe slimme computerprogramma bedacht, genaamd MOSAIC. Je kunt MOSAIC zien als een super-snelheidslens die niet kijkt naar hoeveel woorden er zijn, maar naar wie met wie praat.

In plaats van alleen te tellen, kijkt MOSAIC naar de vriendschappen tussen de verschillende onderdelen in een cel.

• De oude manier: "Hoeveel keer komt het woord 'energie' voor?"
• De MOSAIC-manier: "Met welke andere woorden wordt 'energie' in deze specifieke persoon gebruikt? Verandert die groep vrienden als de persoon ziek wordt?"

Hoe werkt het? (De drie magische trucs)

Het paper beschrijft drie dingen die MOSAIC kan doen, die voor de oude methoden onzichtbaar waren:

1. Het ontdekken van "stille" veranderingen (Differential Connectivity)
Stel je voor dat je een orkest hebt. De violist (een gen) speelt even hard als gisteren. Maar gisteren speelde hij samen met de fluit, en vandaag speelt hij samen met de trompet. De muziek is totaal anders, ook al is het geluid van de violist hetzelfde.

• Voorbeeld uit het paper: Bij mensen die een vaccinatie kregen, zagen ze dat een belangrijk eiwit (STAT5B) evenveel aanwezig was voor en na de prik. Maar MOSAIC zag dat dit eiwit zijn "vrienden" had gewisseld. Het stopte met praten met de "rustige" vrienden en begon te praten met de "actieve" vrienden die nodig zijn om cellen te laten vermenigvuldigen. De oude methoden dachten: "Niets veranderd!" MOSAIC zei: "De hele band is van stijl veranderd!"

2. Het vinden van verborgen groepen patiënten (Subgroup Detection)
Soms krijgen alle mensen met een ziekte (bijvoorbeeld HIV) dezelfde naam. Maar binnen die groep kunnen er verschillende soorten mensen zitten die er heel anders uitzien van binnen.

• De analogie: Stel je een klaslokaal voor met 30 leerlingen. Iedereen heet "Leerling". Maar als je kijkt naar wie met wie praat, zie je dat er een groepje is dat alleen over wiskunde praat, en een ander groepje dat alleen over sport praat.
• Voorbeeld uit het paper: Bij mensen met HIV vonden ze een verborgen groepje hersencellen die onder enorme stress staan. Deze groep zag er normaal uit als je alleen naar de hoeveelheid eiwitten keek, maar MOSAIC zag dat ze een heel ander "netwerk" van communicatie hadden. Dit helpt artsen om patiënten beter te behandelen, omdat ze nu weten dat niet alle HIV-patiënten hetzelfde zijn.

3. Het voorspellen van ziekteverloop (Clinical Outcome Prediction)
Wanneer iemand ziek is (bijvoorbeeld met COVID-19), willen artsen weten: "Wordt dit ernstig of niet?"

• De analogie: Als je wilt weten of een auto snel is, kijk je niet alleen naar hoeveel benzine er in de tank zit (hoeveelheid). Je kijkt ook naar hoe de motoronderdelen samenwerken (samenwerking).
• Voorbeeld uit het paper: Bij COVID-19-patiënten voorspelde MOSAIC beter wie ernstig ziek zou worden dan de oude methoden. Waarom? Omdat MOSAIC zag dat bij sommige mensen de "samenwerking" in hun cellen al kapot was, zelfs als de hoeveelheid eiwitten nog normaal leek. Het combineerde beide informatiebronnen voor een veel nauwkeuriger voorspelling.

Waarom is dit zo belangrijk?

Vroeger waren wetenschappers als mensen die alleen naar de omvang van een stad keken. Ze dachten: "Hoe groter de stad, hoe drukker het is."
MOSAIC kijkt naar de verkeersstromen. Het ziet wie met wie praat, welke wegen open zijn en welke gesloten.

Dit is een revolutie omdat het laat zien dat hoe dingen met elkaar verbonden zijn, net zo belangrijk is als hoeveel er zijn. Het helpt ons om ziekten beter te begrijpen, patiënten beter in te delen in groepen, en betere behandelingen te vinden. Het is alsof we eindelijk niet alleen naar de woorden in een boek kijken, maar eindelijk de verhaallijn begrijpen.

Technische samenvatting

Probleemstelling

De opkomst van single-cell multi-omics technologieën heeft enorme datasets gegenereerd die zowel multi-modaal (transcriptoom, epigenoom, proteoom) als populatie-grootte (tientallen tot honderden individuen) omvatten. Bestaande analytische methoden voor deze data hebben echter twee fundamentele beperkingen:

1. Cel-centric benaderingen: Deze methoden (zoals batch-correctie en cellulaire embedding) prioriteren een uniforme representatie van cellen. Ze behandelen genen of andere features als passieve input en negeren hoe de relaties tussen deze features (regulatoire netwerken) variëren tussen individuen.
2. Feature-centric benaderingen: Deze methoden modelleren wel cross-modale interacties, maar genereren vaak een vaste, globale embedding die voor alle samples gelijk is. Dit "one-size-fits-all" perspectief maskeert de cruciale heterogeniteit tussen patiënten, wat essentieel is voor klinische inzichten.

Er bestaat dus een kritiek gat in methodologieën die zowel feature-centric als sample-bewust zijn: een raamwerk dat kan modelleren hoe de regulatoire context van een feature per individu verschilt, en dit vertaalt naar biologische en klinische inzichten.

Methodologie: Het MOSAIC Framework

MOSAIC (Multi-Omic Sample-wise Analysis of Inter-feature Connectivity) is een spectrale raamwerk dat een high-resolution feature × sample gezamenlijke embedding leert. Het proces verloopt in drie fasen:

1. Constructie van Sample-specifieke Koppelingsmatrices:
   Voor elk individu in de cohort wordt een unieke koppelingsmatrix ($U_i$) geconstrueerd. Deze matrix codeert het volledige netwerk van intra-modale en cross-modale feature-features relaties (bijv. gen-gen, gen-peak) binnen dat specifieke sample. De invoer is de cosine-相似iteit tussen feature-vectoren, wat normalisatie biedt voor magnitude-verschillen tussen modaliteiten.

2. Spectrale Integratie en Latente Factoren:
   In plaats van elke sample onafhankelijk te embedden en later af te stemmen (wat leidt tot rotatie- en teken-ambiguïteit), voegt MOSAIC de gedenoised koppelingsmatrices van alle samples samen. Via een spectrale decompositie (eigendecompositie) van deze geaggregeerde matrix worden gedeelde latente factoren ($V$) geëxtraheerd. Dit creëert een gemeenschappelijk coördinatenstelsel voor de hele populatie.

3. Projectie naar Gezamenlijke Embedding:
   Elk individueel sample wordt geprojecteerd op deze gedeelde latente basis. Het resultaat is een tensor waarin elke feature (bijv. een gen) wordt vertegenwoordigd door een uniek embedding-vector per sample. De "toestand" van een feature wordt hierbij gedefinieerd door zijn connectiviteitsprofiel ten opzichte van alle andere features in dat specifieke sample.

Downstream Applicaties:

• Differential Connectivity (DC) Analyse: In plaats van te kijken naar veranderingen in abundantie (expressie), test MOSAIC op statistisch significante verschuivingen in de embeddingpositie van een feature tussen condities. Dit detecteert "rewiring" van regulatoire netwerken zelfs als de abundantie stabiel blijft.
• Ongecontroleerde Subgroepdetectie: MOSAIC groepeert features in biologisch coherente modules op basis van hun stratificatieprofielen over de cohort. Vervolgens wordt gekeken of deze modules specifieke patiëntsubgroepen onthullen die door globale methoden worden gemist.
• Klinische Voorspelling: Het gebruik van connectiviteitsprofielen als voorspellende kenmerken, vaak in combinatie met abundantie-data, om klinische uitkomsten te voorspellen.

Belangrijkste Resultaten

1. Technische Superioriteit en Biologische Validatie:

   • Op gesimuleerde data presteerde MOSAIC beter dan bestaande methoden (PCA, MOFA+, SIMBA) bij het herstellen van waarheidsgeschiedenis feature-modules, zelfs bij hoge ruisniveaus.
   • Analyse van echte data (prefrontale cortex) toonde aan dat feature-relaties significant variëren tussen individuen, wat de noodzaak van sample-specifieke embeddings bevestigt.
   • MOSAIC produceerde dichter en beter gescheiden donorclusters dan methoden die post-hoc afstemming vereisen.

2. Detectie van Netwerk Rewiring (T-cel Activatie):

   • In een vaccinatiecohort (T-cellen) identificeerde MOSAIC 393 unieke DC-features die door traditionele differentiatie-expressie-analyse (DE) werden gemist.
   • Een voorbeeld is het transcriptiefactor STAT5B: de expressie veranderde niet, maar het connectiviteitsprofiel verschilde drastisch tussen rustende en geactiveerde T-cellen. Het netwerk van STAT5B schakelde over van algemene regulators naar machinerie voor celcyclus en DNA-reparatie.

3. Ontdekking van Cryptische Patiëntsubgroepen (HIV+ Cohort):

   • In een cohort van HIV+ patiënten onthulde MOSAIC een nieuwe, stress-gedreven neuronale subgroep binnen L2/3 inhiberende neuronen.
   • Deze subgroep was gedefinieerd door een geactiveerde "Integrated Stress Response" (ISR) en metabole uitputting, een signaal dat verborgen bleef voor globale clustering methoden.

4. Verbeterde Klinische Voorspelling (COVID-19):

   • Bij het voorspellen van de ernst van COVID-19 op basis van monocyten, presteerde MOSAIC (gebaseerd op connectiviteit) vergelijkbaar met abundantie-modellen, maar was de combinatie van beide synergetisch.
   • De geïntegreerde model bereikte een AUC van 0.879 (tegenover 0.844 voor abundantie alleen).
   • De analyse toonde aan dat connectiviteit en abundantie complementaire dimensies van ziektepathologie vangen; sommige ernstige patiënten werden alleen door het connectiviteitsmodel correct geïdentificeerd.

Bijdragen en Significantie

• Conceptuele Doorbraak: MOSAIC scheidt de "toestand" (abundantie) van een feature van zijn "functie" (connectiviteit). Het toont aan dat regulatoire herschakeling (rewiring) een onafhankelijke en cruciale dimensie van biologische variatie is die onzichtbaar is voor standaard metrics.
• Robuustheid: Door te focussen op relatieve structuren (correlaties) in plaats van absolute magnitudes, is MOSAIC inherent robuust tegen technische batch-effecten en ruis, zonder complexe correctieparameters te vereisen.
• Modulaire Stratificatie: In plaats van te vertrouwen op globale gelijkenis, gebruikt MOSAIC modulaire netwerken om ruis te onderdrukken en specifieke, biologisch relevante patiëntsubtypes te isoleren.
• Klinische Impact: Het raamwerk biedt een algemeen instrument voor systemische fenotypering, wat leidt tot betere patiëntstratificatie en het ontdekken van nieuwe ziektemechanismen die relevant zijn voor de geneeskunde.

Samenvattend biedt MOSAIC een wiskundig onderbouwd, technisch robuust raamwerk om de complexe fenotypische heterogeniteit in populatie-grootte single-cell data te ontrafelen, waarbij het de brug slaat tussen netwerkniveau-ontdekking en klinische uitkomstvoorspelling.