QuantCell: machine learning based cell annotation integrating qualitative and quantitative imaging profiles

Deze paper introduceert QuantCell, een machine learning-framework dat kwantitatieve beeldvormingsgegevens integreert om de nauwkeurigheid en het percentage geannoteerde cellen in complexe weefsels aanzienlijk te verbeteren.

De kern

QuantCell: De Slimme Vertaler voor Cellen

Stel je voor dat je een enorme, drukke stad binnenkomt (zoals het menselijk beenmerg). Deze stad is vol met verschillende soorten mensen: postbodes, artsen, bouwvakkers en kinderen. Maar ze dragen allemaal dezelfde grijze uniformen, en ze lijken op elkaar. Je wilt weten wie wie is, maar het is bijna onmogelijk om iedereen te herkennen door alleen naar hun kleding te kijken.

Dit is precies het probleem dat wetenschappers hebben bij het bestuderen van cellen in ons lichaam. Ze hebben een camera die heel veel details kan zien (de "ruimte-omics" technologie), maar ze weten niet altijd welke cel welk type is.

Hier komt QuantCell om de hoek kijken. Het is een slimme computerprogramma dat als een super-vertaler fungeert.

Hoe werkt het? (De Analogie)

1. De "Handmatige" Methode (De Oude Manier)
Vroeger moesten onderzoekers zelf naar de foto's kijken en zeggen: "Ah, die cel hier is een postbode, want hij heeft een rode hoed." En die ene daar is een dokter, want hij heeft een witte jas.

• Het probleem: Dit is extreem saai en tijdrovend. Als er een zeldzame cel is (zoals een "superheld" die maar 1 op de 10.000 voorkomt), vinden ze die misschien nooit. Ze konden maar ongeveer 33% van de cellen identificeren. Veel cellen bleven "onbekend".

2. De QuantCell Methode (De Nieuwe Manier)
QuantCell doet iets slims. Het kijkt eerst naar de cellen die de onderzoekers wel zeker weten wat ze zijn (de "gouden standaard").

• De Leerling: QuantCell leert van deze bekende cellen. Het kijkt niet alleen naar de kleur van de hoed (kwalitatief), maar meet ook precies hoe fel de kleur is, hoe groot de hoed is, en hoe de stofjes in de cel verspreid zitten (kwantitatief).
• De Oefening: Het programma test verschillende "denk-methoden" (machine learning modellen). Het vraagt zich af: "Welke manier is het beste om te voorspellen wie een postbode is?"
• De Winnaar: Het kiest de slimste denker (in dit geval een "Random Forest" model, wat een beetje lijkt op een groep experts die samen beslissen) en traint deze op de bekende cellen.

3. De "Veiligheidscontrole" (FDR)
Dit is het belangrijkste stukje. QuantCell is niet alleen slim, het is ook voorzichtig.

• Stel dat de computer twijfelt: "Is dit een postbode of gewoon iemand met een rode pet?"
• De oude methoden zouden zeggen: "Gok maar, het is een postbode."
• QuantCell zegt: "Ik ben niet 100% zeker. Ik laat deze cel leeg."
• Het gebruikt een "veiligheidsdrempel" (False Discovery Rate). Het is liever dat er een paar cellen onbenoemd blijven, dan dat ze een fout maken. Dit zorgt voor een 96,5% nauwkeurigheid.

Wat is het resultaat?

Door deze slimme combinatie van menselijke kennis en computerkracht:

• Meer cellen gevonden: Het aantal bekende cellen steeg van 33% naar 90%.
• Zeldzame cellen: Het kan nu ook die zeldzame "superhelden" (zoals stamcellen) vinden die voorheen onzichtbaar waren.
• Snelheid: Het werkt 45 keer sneller dan andere geavanceerde methoden.

Waarom is dit belangrijk?

Stel je voor dat je een ziekte probeert te genezen, maar je mist de sleutel (een zeldzame cel) omdat je die niet kon vinden. QuantCell helpt de sleutel te vinden. Het maakt het voor artsen en onderzoekers veel makkelijker om te begrijpen hoe ons lichaam werkt, hoe ziektes ontstaan, en hoe we ze kunnen bestrijden.

Kortom: QuantCell is als een slimme assistent die de saaie, moeilijke werk van het tellen en herkennen van cellen overneemt, maar wel zo nauwkeurig dat je er blind op kunt vertrouwen. Het maakt de complexe wereld van cellen eindelijk leesbaar voor iedereen.

Technische samenvatting

Probleemstelling

Recente vooruitgangen in ruimtelijke 'omics'-technologieën (zoals multiplexed imaging van RNA en eiwitten) maken het mogelijk om hoge-resolutie moleculaire profielen van cellen in hun native weefselomgeving te genereren. Een kritieke stap in de analyse van deze data is celannotatie (toewijzen van celidentiteiten op basis van moleculaire profielen).
Bestaande methoden kampen echter met aanzienlijke beperkingen:

• Complexiteit en zeldzame celtypen: In complexe weefsels (zoals beenmerg) is het handmatig identificeren van zeldzame celtypen (bijv. stamcellen) of cellen gedefinieerd door complexe markercombinaties uiterst arbeidsintensief en foutgevoelig.
• Beperkingen van bestaande tools: Semi-supervised methoden vertrouwen op vooraf gedefinieerde markers, terwijl ongesuperviseerde methoden (clustering) zeldzame populaties vaak over het hoofd zien of in grotere clusters absorberen. Supervised methoden vereisen vaak uitgebreide handmatige annotatie voor training, wat niet haalbaar is voor zeldzame populaties.
• Generaliseerbaarheid: Veel bestaande modellen zijn geoptimaliseerd voor specifieke weefsels of experimentele setups en presteren slecht bij nieuwe datasets.

Methodologie: QuantCell Framework

QuantCell is een machine learning (ML) framework dat kwantitatieve beeldgegevens integreert met kwalitatieve profielen om de annotatie te verbeteren. Het proces verloopt als volgt:

1. Data-acquisitie en Segmentatie:
   • Gebruik van PhenoCycler (CODEX) voor multiplexed imaging van muizenbeenmerg met 25 eiwitmarkers.
   • Celsegmentatie wordt uitgevoerd in QuPath (gebaseerd op DAPI-kernkleuring of membraanmarkers).
2. Kwalitatieve "Ground Truth" Generatie:
   • Een kleine subset van cellen wordt handmatig geannoteerd in QuPath op basis van de aanwezigheid/afwezigheid van markers (kwalitatieve beoordeling).
   • Cellen die exact voldoen aan vooraf gedefinieerde combinaties van positieve en negatieve markers voor een bepaald celtype, worden gebruikt als "ground truth". Cellen met onduidelijke profielen blijven ongemarkeerd.
3. Kwantitatieve Feature Extractie:
   • Voor elke gesegmenteerde cel worden kwantitatieve statistieken geëxtraheerd uit de beeldkanalen (intensiteit, standaardafwijking, mediane, minimum, maximum) voor verschillende compartimenten (nucleus, cytoplasma, membraan, hele cel).
4. Modelselectie en Training:
   • De handmatig geannoteerde cellen worden opgesplitst in een trainingsset (80%) en een testset (20%).
   • QuantCell evalueert meerdere ML-modellen (o.a. Random Forest, Multilayer Perceptron, Extra Trees, Logistic Regression) via 10-voudige cross-validatie.
   • De prestaties worden gemeten aan de hand van de Macro Average Precision (AP) score.
   • De beste modellen worden verder geoptimaliseerd via hyperparameter-tuning. In dit onderzoek bleek Random Forest de beste prestaties te leveren.
5. Classificatie met FDR-controle:
   • Het geoptimaliseerde model wordt toegepast op de ongemarkeerde cellen.
   • Een False Discovery Rate (FDR) drempelwaarde (standaard 5%) wordt toegepast. Cellen met een lage zekerheid worden niet geannoteerd om de betrouwbaarheid te waarborgen.

Kernbijdragen

• Integratie van Kwalitatief en Kwantitatief: QuantCell combineert de logica van markercombinaties (kwalitatief) met de voorspellende kracht van kwantitatieve beeldstatistieken.
• Geen handmatige annotatie vereist: In tegenstelling tot methoden zoals MAPS, vereist QuantCell geen handmatig getrainde datasets voor zeldzame cellen; het genereert trainingsdata automatisch op basis van markerprofielen.
• Robuustheid voor zeldzame populaties: Het framework is specifiek ontworpen om zeldzame celtypen (zoals hematopoëtische stamcellen) nauwkeurig te detecteren zonder dat ze worden overstemd door abundantere populaties.
• Gebruiksvriendelijke FDR-controle: Het biedt gebruikers de mogelijkheid om de zekerheid van de annotatie te regelen via een instelbare FDR-drempel.

Resultaten

• Verbeterde Dekking: In het muizenbeenmerg-experiment steeg het percentage geannoteerde cellen van 33,1% (met conventionele methoden) naar 90,2% bij een FDR van 5%.
• Hoge Nauwkeurigheid: De algehele nauwkeurigheid bedroeg 96,5% vergeleken met de conventionele annotatie als ground truth.
• Modelprestaties: De Random Forest-classifier presteerde significant beter dan andere geteste modellen (zoals MLP en SVM) en was aanzienlijk sneller in runtime.
• Feature Analyse:
  • De beste voorspellende kracht werd behaald met data van het hele celcompartiment en statistieken zoals gemiddelde intensiteit en standaardafwijking.
  • Membraan-signalen bleken minder voorspellend te zijn door overlapping in het dichtbevolkte beenmerg.
  • Het model is robuust; het verwijderen van individuele features had een verwaarloosbaar effect op de prestaties.
• Vergelijking met Bestaande Tools: QuantCell presteerde beter in precisie en was 45 keer sneller dan de tweede beste bestaande tool (MAPS). Het overtrof ook Astir en AnnoSpat, vooral in het vermogen om zeldzame cellen te identificeren en het gebruik van zowel positieve als negatieve markers.

Significantie

QuantCell vertegenwoordigt een belangrijke doorbraak in de analyse van ruimtelijke proteomics-data. Het lost het probleem op van het "handmatig bottleneck" bij het annoteren van complexe weefsels en zeldzame celtypen. Door de integratie van kwantitatieve beeldkenmerken met strikte statistische controle (FDR), biedt het een betrouwbaar, snel en schaalbaar alternatief voor bestaande methoden.

De tool is platform-onafhankelijk en toepasbaar op diverse ruimtelijke 'omics'-technologieën (zoals Visium, MERFISH, Stereo-seq). Het stelt onderzoekers in staat om complexe cellulaire phenotypes nauwkeurig te karakteriseren, wat essentieel is voor het begrijpen van fysiologische processen en ziektemechanismen, met name in contexten waar zeldzame celpopulaties een cruciale rol spelen.