Decoupling Lineage and Intrinsic Information in Single-Cell Lineage Tracing Data with Deep Disentangled Representation Learning

DeepTracing is een nieuw diep generatief framework dat intrinsieke transcriptiestaten en lijnafstammingsinvloeden in single-cell data succesvol ontkoppelt door middel van ontwarde representatieleren, waardoor het de prestaties van bestaande methoden overtreft bij het analyseren van tumorprogressie en ontwikkelingsprocessen.

De kern

DeepTracing: De "Twee-in-Één" Camera voor Cellen

Stel je voor dat je een enorme, chaotische bibliotheek binnenstapt. In deze bibliotheek zitten miljoenen boeken (cellen). Elk boek vertelt een verhaal over wat er in de cel gebeurt (welke genen aan staan), maar elk boek heeft ook een unieke stempel op de kaft die aangeeft uit welke familie het komt (de stamboom of lineage).

Het probleem? De meeste bestaande methoden om deze boeken te ordenen, kijken alleen naar de inhoud van de tekst. Ze groeperen boeken die over hetzelfde onderwerp gaan bij elkaar, maar vergeten dat twee boeken over "katten" misschien uit totaal verschillende families komen. Of ze kijken alleen naar de stempel, waardoor boeken met dezelfde familie maar heel verschillende inhoud verward worden. Het is alsof je probeert een familiefeest te organiseren, maar je weet niet wie wie is, of wie wat heeft gezegd.

De Oplossing: DeepTracing

De auteurs van dit paper hebben DeepTracing bedacht. Je kunt dit zien als een super-slimme, digitale "twee-in-één" camera die twee verschillende foto's van hetzelfde moment maakt, maar dan gescheiden:

1. De "Wie ben ik?"-foto (Intrinsieke toestand): Deze foto laat zien wat de cel nu doet. Is het een levercel? Is het een kankercel? Wat is zijn huidige karakter?
2. De "Van wie ben ik?"-foto (Stamboom): Deze foto laat zien waar de cel vandaan komt. Wie waren zijn grootouders? Met welke andere cellen deelt hij een voorouder?

Hoe werkt het? (De Magie van de "Scheidingsmuur")

Stel je voor dat je een grote, rommelige kamer hebt waar alle informatie door elkaar ligt. DeepTracing bouwt een onzichtbare muur in het midden van die kamer.

• Aan de ene kant legt het alle informatie over de stamboom (de familiegeschiedenis).
• Aan de andere kant legt het alle informatie over de huidige toestand (wat de cel nu doet).

De slimme truc is dat DeepTracing een speciale "rekenregels" (wiskundige straffen) gebruikt om ervoor te zorgen dat deze twee kanten elkaar niet beïnvloeden. Ze moeten volledig onafhankelijk van elkaar zijn. Dit noemen ze "ontkoppelen" (decoupling).

Waarom is dit zo belangrijk? (Drie voorbeelden)

De paper toont aan hoe dit werkt in drie verschillende situaties:

1. De Simulatie (De Proefballon):
   Ze lieten een computer een fictieve wereld van cellen creëren. In de oude methoden waren de cellen een grote, ondoorzichtige brij. DeepTracing haalde de cellen eruit en legde ze perfect neer: cellen met dezelfde familie zaten bij elkaar, en cellen met dezelfde functie zaten ook bij elkaar. Het was alsof je een puinhoop van legoblokjes plotseling in twee perfecte rijen ziet staan.

2. De Tumor (Het Kanker-avontuur):
   Kanker is een familie van cellen die uit elkaar groeien. Soms vertrekt een groepje cellen uit de long (de oorsprong) en gaat het naar de lever of de nieren (de metastase).

   • Oude methode: Zie je een brij van kankercellen. Je weet niet welke uit de long komen en welke uit de lever, en je ziet niet hoe ze met elkaar verbonden zijn.
   • DeepTracing: Het maakt een kaart waar je precies kunt zien: "Ah, deze groep in de nieren komt van deze specifieke groep in de long!" Het kan zelfs de route tekenen: "Ze zijn eerst naar de lymfeklier gegaan, en toen pas naar de lever." Dit helpt artsen begrijpen hoe kanker zich verspreidt.

3. De Embryo (De Groeifilm):
   Stel je voor dat je een film van een groeiend embryo hebt, maar je hebt alleen foto's van dag 11 en dag 15.

   • Oude methode: De cellen van dag 11 en dag 15 lijken totaal verschillend, alsof het twee verschillende soorten wezens zijn.
   • DeepTracing: Het haalt de "tijdsfactor" weg. Het laat zien dat de cellen eigenlijk één continue reis maken. Het laat zien dat de cel van dag 15 gewoon de volwassen versie is van de cel van dag 11, zonder dat de tijdsstempel de echte ontwikkeling verstoort.

De Conclusie

DeepTracing is als een vertaler die twee talen tegelijk spreekt: het taal van de geschiedenis (waar kom je vandaan?) en het taal van de huid (wat doe je nu?).

Door deze twee talen strikt van elkaar te scheiden, maar ze wel samen te gebruiken, krijgen wetenschappers voor het eerst een kristalhelder beeld van hoe cellen zich ontwikkelen, hoe kanker zich verspreidt en hoe ons lichaam groeit. Het is een krachtig gereedschap om de complexe familiegeschiedenis van ons lichaam te lezen, zonder dat de tekst door elkaar loopt.

Technische samenvatting

Probleemstelling

De integratie van single-cell RNA-sequencing (scRNA-seq) met lineage tracing-technologieën biedt unieke kansen om celontwikkeling en tumor-evolutie te bestuderen. Echter, bestaande computationele methoden worstelen om twee cruciale factoren te ontkoppelen:

1. Intrinsieke eigenschappen: De celspecifieke kenmerken en transcriptiestatus (bijv. celtype, differentiatietoestand).
2. Extrinsieke lineage-effecten: De genetische verwantschap en de evolutionaire geschiedenis van de cel, vaak vastgelegd via fylogenetische barcodes.

In de huidige data zijn deze factoren verweven. Bestaande visualisatiemethoden (zoals UMAP of t-SNE) ordenen cellen vaak puur op basis van hun huidige transcriptiestatus, waardoor de onderliggende lineage-structuur (de stamboom) wordt verduisterd. Omgekeerd kunnen methoden die lineage behouden, de continue overgangen in celtoestanden verstoren. Er is een fundamenteel compromis: ofwel behoud je de continuïteit van de expressie, ofwel behoud je de lineage-trouw, maar zelden beide tegelijkertijd op een interpreteerbare manier.

Methodologie: DeepTracing

Om dit probleem op te lossen, stellen de auteurs DeepTracing voor, een diep generatief model dat gebaseerd is op een Amortized Factorized Variational Auto-Encoder (VAE) met een specifieke focus op disentangled representation learning (ontkoppelde representatielering).

De kernarchitectuur en technische innovaties zijn als volgt:

1. Gelaagde Latente Ruimte:
   Het model decomposeert de latente ruimte in twee statistisch onafhankelijke componenten:

   • Intrinsieke Embedding ($Z_{intrinsic}$): Vangt lokale, cel-specifieke variatie op (celtype, staat). Deze wordt geconstrueerd met een standaard Gaussische prior.
   • Lineage Embedding ($Z_{lineage}$): Vangt globale beperkingen op die worden opgelegd door de ancestrale relaties. Deze wordt geconstrueerd met een Gaussian Process (GP) prior, waarbij de kernelmatrix is afgeleid van de berekende lineage-afstand tussen cellen (bijv. Hamming-afstand van barcodes of afstand in de lineage-boom).

2. Total Correlation (TC) Regularisatie:
   Om te garanderen dat deze twee componenten echt onafhankelijk zijn, introduceert het model een Total Correlation penalty in de loss-functie. Deze term minimaliseert de wederzijdse informatie tussen de intrinsieke en lineage-latente variabelen, waardoor ze statistisch worden gedecoupeerd.

3. Schalbaarheid via Sparse GP:
   Traditionele Gaussian Processes hebben een rekencomplexiteit van $O(N^3)$, wat onhaalbaar is voor grote datasets. DeepTracing gebruikt amortized variational inference gecombineerd met sparse Gaussian process regression (gebruikmakend van "inducing points"). Dit verlaagt de complexiteit tot $O(bm^2 + m^3)$ (waarbij $b$ de batchgrootte is en $m$ het aantal inducing points), waardoor het model schaalbaar is voor datasets met tienduizenden cellen.

4. Output:
   Het model genereert drie complementaire representaties:

   • Een intrinsieke embedding (focus op celtoestand).
   • Een lineage embedding (focus op stamboomstructuur).
   • Een geünificeerde embedding (integratie van beide voor downstream analyses).

Belangrijkste Resultaten

De auteurs hebben DeepTracing getest op synthetische en real-world datasets:

• Synthetische Data (TedSim):

  • DeepTracing overtrof bestaande methoden (zoals scVI en PORCELAN) aanzienlijk in het clusteren van cellen op basis van hun ware celtoestand én hun lineage-subboom.
  • Het model slaagde erin om zowel de grondwaarheid van celtoestanden als de fylogenetische structuur te herstellen, zelfs bij toenemende complexiteit van de data (variabele asymmetrische deling).
  • Het was computatie-efficiënter dan PORCELAN, dat faalde bij datasets van ~4.000 cellen.

• Tumor Metastase Data (Muizen Longkanker):

  • Scheiding Primaire vs. Metastase: In een dataset met 1.878 cellen scheidde de geünificeerde embedding van DeepTracing primaire tumoren en metastasen effectiever dan scVI of PORCELAN.
  • Herstel van Evolutiegeschiedenis: Het model reconstrueerde complexe metastatische routes, waaronder "cross-seeding" (waarbij cellen van de lever naar de nieren migreren) en lymfeklier-divergentie, die overeenkwamen met experimenteel bewezen routes.
  • Genidentificatie: Door Canonical Correlation Analysis (CCA) op de embedding toe te passen, werden genen geïdentificeerd die geassocieerd zijn met metastase (bijv. Sftpc en Clu).

• Grote Schaal Data (20.000+ cellen):

  • In een grotere dataset met primaire tumoren en meerdere metastasen (lever, zacht weefsel) behield DeepTracing zijn prestaties. Het kon subtypen van mesenchymale cellen van verschillende locaties groeperen op basis van hun moleculaire fenotype, terwijl het tegelijkertijd de lineage-structuur behield.

• Ontwikkelingsbiologie (Muizen Ventrale Middenhersenen):

  • Op een dataset van embryonale tijdspunten (E11.5 en E15.5) slaagde het model erin om tijdsgebonden effecten te ontkoppelen van intrinsieke differentiatietoestanden.
  • De intrinsieke embedding toonde een continue differentiatie-traject zonder onderbreking door tijd, terwijl de tijds-embedding de cellen strikt ordende op basis van het ontwikkelstadium.

Bijdragen en Significantie

De belangrijkste bijdragen van dit werk zijn:

1. Oplossing voor het Trade-off Probleem: DeepTracing doorbreekt het lang bestaande compromis tussen het behoud van transcriptomische continuïteit en lineage-trouw. Het biedt een framework waar beide aspecten coherent worden weergegeven.
2. Interpreteerbaarheid: Door het expliciet ontkoppelen van lineage en staat, biedt het model biologisch interpreteerbare latent spaces die direct inzicht geven in zowel de oorsprong van een cel als haar huidige functie.
3. Scalabiliteit: De implementatie van sparse Gaussian processes maakt het toepassen van lineage-aware deep learning mogelijk op grote schaal single-cell datasets, wat eerder een computatie-hinderpaal was.
4. Biologische Inzichten: Het model heeft nieuwe inzichten opgeleverd in tumorheterogeniteit, metastatische routes en de dynamiek van celdifferentiatie, wat het een krachtig hulpmiddel maakt voor onderzoek naar ziekteprogressie en ontwikkeling.

Conclusie:
DeepTracing stelt een schaalbaar en interpreteerbaar framework voor voor de analyse van multimodale single-cell data. Het is bij uitstek geschikt om complexe biologische structuren te ontrafelen, waarbij het zowel de evolutionaire geschiedenis (lineage) als de functionele staat van cellen nauwkeurig en onafhankelijk van elkaar kan modelleren. De broncode is beschikbaar op GitHub, wat de adoptie in de gemeenschap faciliteert.