SuperCell2.0 enables semi-supervised construction of multimodal metacell atlases

SuperCell2.0 is een robuuste workflow die semi-supervised multimodale metacellen bouwt om grote single-cell atlases te analyseren, waarbij het de integratie van multi-omics data verbetert en nieuwe inzichten biedt in immuuncel-populaties zoals interferon-geprimed monocyten.

De kern

🧬 SuperCell2.0: De 'Groepsfoto' voor je cellen

Stel je voor dat je een enorme zaal binnenstapt die vol zit met honderdduizenden mensen (cellen). Iedereen fluistert, sommigen dragen een T-shirt met een tekst (eiwitten), anderen hebben een boekje met notities (DNA-activiteit) en weer anderen praten hardop (RNA). Als je probeert te luisteren naar iedereen tegelijk, wordt het een onbegrijpelijke chaos van ruis en gefluister. Je hoort niemand duidelijk.

Dit is precies het probleem dat wetenschappers hebben met moderne single-cell sequencing. Ze kunnen de gegevens van één cel tegelijk meten, maar als je duizenden of miljoenen cellen hebt, is het data-berg te groot en te 'ruisig' om goed te analyseren.

SuperCell2.0 is de nieuwe tool die dit probleem oplost. Het werkt als een slimme fotograaf die niet elke persoon individueel fotografeert, maar groepjes mensen die op elkaar lijken samenbrengt in één 'metacel'.

1. Het probleem: De ruis van de individuele cel

In de oude manier van werken keken wetenschappers naar elke cel als een apart persoon. Maar cellen zijn soms 'moe' of 'stil' (wetenschappers noemen dit dropout of ruis). Het is alsof je probeert een gesprek te volgen in een drukke kroeg; je mist woorden en het is lastig om te weten wie wat zegt.

2. De oplossing: SuperCell2.0 (De 'Groepsfoto')

SuperCell2.0 pakt deze individuele cellen en groepeert ze in metacellen.

• De analogie: In plaats van 10.000 losse foto's van mensen te maken, maakt de software één grote, scherpe groepsfoto van mensen die op elkaar lijken.
• Het resultaat: Door de gegevens van alle mensen in die groep samen te voegen, verdwijnt de ruis. Je hoort nu duidelijk wat de groep als geheel zegt. Het is alsof je 100 mensen vraagt om samen te fluisteren; samen klinken ze als één heldere stem.

3. De slimme truc: Meerdere zintuigen tegelijk

De echte kracht van SuperCell2.0 is dat het meerdere zintuigen tegelijk gebruikt.

• Sommige cellen vertellen hun verhaal beter via hun T-shirt (eiwitten), anderen via hun boekje (DNA).
• Oude methoden keken vaak alleen naar het T-shirt of alleen naar het boekje.
• SuperCell2.0 kijkt naar beide tegelijk. Het is alsof je niet alleen naar de kleding kijkt, maar ook naar wat ze zeggen en hoe ze bewegen. Hierdoor krijg je een veel nauwkeuriger beeld van wie ze echt zijn.

4. De 'Semi-supervised' manier: Een beetje hulp van een gids

Soms weten we al een beetje wie de mensen zijn (bijvoorbeeld: "die groep is de politie, die groep is de brandweer").

• Ongeleerd (Unsupervised): De software probeert alles zelf te raden.
• Semi-geleerd (Semi-supervised): De wetenschappers geven de software een klein beetje hulp: "Let op, deze mensen zijn brandweerlieden." De software gebruikt deze hint om de groepen nog scherpere en zuiverder te maken. Het is alsof je een gids hebt die zegt: "Die groep daar hoort bij elkaar," zodat je geen brandweerman per ongeluk bij de politie zet.

5. Wat hebben ze ontdekt? (Het echte avontuur)

Met deze nieuwe tool hebben de onderzoekers twee grote ontdekkingen gedaan:

• In de tumor: Ze keken naar het milieu rondom kankercellen (de tumor). Ze vonden een specifiek type macrofaag (een soort opruimer in het lichaam) die reageert op interferon (een signaal van het immuunsysteem). Deze cellen lijken heel sterk op cellen die kanker kunnen bestrijden.
• In het bloed: Het leukste is dat ze dachten: "Als deze cellen in de tumor zitten, zitten ze dan ook in het bloed van gezonde mensen?"
  • Ze keken in het bloed van gezonde mensen en vonden inderdaad een klein groepje monocyten (witte bloedcellen) die precies op die 'kanker-bestrijders' leken.
  • Ze ontwikkelden een nieuwe manier om deze cellen te vangen (met een soort visnetje in het bloed) en bewezen dat ze echt bestaan.

Waarom is dit belangrijk?

Stel je voor dat je een heel groot, rommelig archief hebt met miljoenen documenten.

• Vroeger: Je moest elk document één voor één lezen. Het duurde eeuwen en je miste veel details door de slechte kwaliteit van het papier.
• Nu met SuperCell2.0: Je maakt samenvattingen van alle documenten die over hetzelfde onderwerp gaan. Plotseling zie je patronen die je eerder niet zag. Je kunt sneller beslissingen nemen en nieuwe hypothesen bedenken.

Kortom: SuperCell2.0 maakt het mogelijk om enorme hoeveelheden complexe biologie-data te verwerken, ruis te verwijderen en nieuwe, belangrijke ontdekkingen te doen over hoe ons immuunsysteem werkt en hoe we kanker beter kunnen bestrijden. Het is de brug tussen een enorme berg data en een begrijpelijk verhaal.

Technische samenvatting

Probleemstelling

De analyse van grote multimodale single-cell datasets (bijv. CITE-seq en 10x Multiome) met honderdduizenden cellen vormt een aanzienlijke computationele uitdaging. Bestaande methoden hebben te kampen met:

1. Data-schaarste en ruis: Single-cell data lijden onder "dropout" (het ontbreken van detectie van genen of pieken), wat de correlatie tussen verschillende modaliteiten (zoals RNA en eiwitten, of RNA en chromatin toegankelijkheid) verzwakt.
2. Rekenkracht: Het integreren en batch-corrigeren van enorme datasets is computationally duur en vereist veel geheugen.
3. Unimodaliteit: De meeste bestaande tools voor het bouwen van "metacells" (aggregaties van vergelijkbare cellen) werken slechts op één modality (bijv. alleen RNA), wat suboptimaal is voor multimodale data waar complementaire modaliteiten de celidentiteit nauwkeuriger bepalen.
4. Gebruik van voorafgaande kennis: Bestaande tools negeren vaak beschikbare (deels) celtype-annotaties, wat kan leiden tot onzuivere metacells die verschillende biologische celtypen mengen.

Methodologie: SuperCell2.0

SuperCell2.0 is een robuust workflow-framework (geïmplementeerd als een R-package in Seurat v5) voor het bouwen van (semi-)supervised multimodale metacells. De kernstappen zijn:

1. Latente Ruimtes: Per modality wordt de dimensie gereduceerd (bijv. PCA voor RNA/ADT, LSI voor ATAC).
2. Multimodaal KNN-Graph: Er wordt een k-Nearest Neighbor (kNN) graaf gebouwd met behulp van het Weighted Nearest Neighbor (WNN) algoritme. Dit weegt de bijdrage van elke modality op basis van de data zelf.
3. Metacell Identificatie: Cellen worden gegroepeerd in metacells via het Walktrap-algoritme (gebaseerd op random walks) op de kNN-graaf. De "graining level" ($\gamma$) bepaalt de verhouding tussen het aantal enkele cellen en het gewenste aantal metacells.
4. Semi-supervised Workflow: Als er gedeeltelijke celtype-annotaties beschikbaar zijn (van automatische tools of handmatige annotatie), bouwt SuperCell2.0 gescheiden kNN-graafjes voor elk geannoteerd type. Ongeannoteerde cellen worden hieraan gekoppeld via de ongesuperviseerde graaf. Dit voorkomt dat verschillende celtypen in dezelfde metacell terechtkomen, wat de zuiverheid verhoogt.
5. Aggregatie: Raw counts van alle modaliteiten worden opgeteld binnen elke metacell, wat de ruis vermindert.
6. Integratie: Voor grote atlassen worden eerst per monster metacells gebouwd, gevolgd door modality-specifieke batch-correctie (met STACAS) en daaropvolgende multimodale integratie op het metacell-niveau.

Belangrijkste Bijdragen

• Eerste semi-supervised multimodale metacell framework: SuperCell2.0 combineert voorafgaande kennis met multimodale data-integratie om zuivere metacells te genereren.
• Verbeterde Inter-modality Consistentie: Het framework toont aan dat het aggregeren van cellen de correlatie tussen modaliteiten (bijv. RNA-eiwit of RNA-ATAC) aanzienlijk verbetert door dropout-ruis te verminderen.
• Schalbaarheid: Het reduceert de datasetgrootte en het geheugengebruik drastisch (bijv. 160.000 cellen naar 8.000 metacells), waardoor interactieve analyse op een laptop mogelijk wordt.
• Validatie: Het framework wordt experimenteel gevalideerd door nieuwe biologische inzichten om te zetten in FACS-sorts en bulk RNA-seq.

Resultaten

1. Benchmarking en Kwaliteit:

• Toepassing op PBMC 10x Multiome en BM CITE-seq datasets toonde aan dat multimodale SuperCell2.0 metacells zuiverder, compacter en beter gescheiden zijn dan die gegenereerd door unimodale tools (zoals MetaCell2, SEACells) of SuperCell2.0 op één modality.
• Multimodale metacells reduceerden dropout-ruis aanzienlijk, wat leidde tot meer gedetecteerde genen en pieken.
• De semi-supervised modus (met gedeeltelijke annotaties) verbeterde de zuiverheid verder zonder de compactheid of scheiding te schaden.

2. Inter-modality Consistentie:

• In metacells was de correlatie tussen RNA en eiwitexpressie (CITE-seq) en tussen genactiviteit (ATAC) en RNA-expressie (Multiome) significant sterker dan in single cells.
• Dit verbeterde de inferentie van Genetische Regulerende Netwerken (GRN), waarbij regulon-enrichment piekte bij een graining level van $\gamma=75$.

3. Integratie van Grote Atlassen:

• PBMC CITE-seq Atlas: Integratie van 161.159 cellen uit 24 monsters. De semi-supervised workflow leverde betere batch-correctie en celtype-scheiding op dan ongesuperviseerde methoden, met een 10-voudige reductie in bestandsgrootte.
• TISME (Tumor Immune/Stromal Microenvironment) Atlas: Integratie van 128.039 cellen uit 87 tumormonsters (79 donors, 8 kankertypes). De workflow slaagde erin batch-effecten te corrigeren en zeldzame celtypen op te lossen.

4. Biologische Inzichten en Experimentele Validatie:

• Interferon-geprimde Macrophagen: In de TISME-atlas werden CXCL9-hoge macrofagen geïdentificeerd met een sterk interferon-antwoordsignatuur, geassocieerd met een goede respons op immunotherapie.
• Interferon-geprimde CD14 Monocyten: Op basis van de TISME-gegevens werd een nieuw subtype van CD14 monocyten in het bloed voorspeld dat een interferon-antwoordsignatuur vertoont.
• Validatie: De auteurs ontwikkelden een FACS-sorteerstrategie gebaseerd op de oppervlakte-eiwitten CD169 (SIGLEC1) en LY6E. Bulk RNA-seq van gesorteerde cellen van gezonde donoren bevestigde dat deze populatie inderdaad verrijkt was met interferon-gerelateerde genen en een transcriptomisch profiel vertoonde dat leek op de anti-tumorale TAMs uit de tumoren.

Significantie

SuperCell2.0 biedt een cruciale oplossing voor de schaalbaarheid en nauwkeurigheid van single-cell multi-omics analyse. Door de schaarste van data te overbruggen en voorafgaande kennis te integreren, maakt het onderzoekers in staat om:

1. Grootte atlassen (zoals HTAN) efficiënt te analyseren op een standaard computer.
2. Betrouwbare biologische hypotheses te genereren door de consistentie tussen modaliteiten te maximaliseren.
3. Zeldzame celsubtypen te ontdekken en experimenteel te valideren, zoals de interferon-geprimde monocyten die een potentiële rol spelen in vroege immuunresponsen en tumorimmuniteit.

Dit werk markeert een verschuiving van puur ongesuperviseerde clustering naar een semi-supervised, multimodale benadering die de brug slaat tussen grote datasets en testbare biologische inzichten.