CCIDeconv: Hierarchical model for deconvolution of subcellular cell-cell interactions in single-cell data

Het artikel introduceert CCIDeconv, een hiërarchisch model dat subcellulaire cel-celinteracties in niet-spatiale scRNA-seq-data voorspelt door gebruik te maken van een aangepaste score en trainingsdata van ruimtelijke transcriptomics.

De kern

Titel: CCIDeconv: De "Subcellulaire Vertaler" voor Cellen

Stel je voor dat je lichaam een enorme, drukke stad is. De huizen in deze stad zijn je cellen. Om de stad te laten draaien, moeten deze huizen met elkaar praten. Ze sturen boodschappers (zoals hormonen of eiwitten) naar elkaar toe om te zeggen: "Pas op!", "Groe!" of "Ik ben ziek." Dit noemen we cel-cel communicatie.

Tot nu toe hebben wetenschappers alleen kunnen zien dat huizen met elkaar praten, maar niet precies waar in het huis de boodschap werd ontvangen. Was het in de woonkamer (het cytoplasma, het grote deel van de cel) of in de bibliotheek (de celkern, waar het DNA zit)?

Dit is belangrijk, want een boodschap die in de woonkamer aankomt, kan iets heel anders doen dan dezelfde boodschap die in de bibliotheek wordt gelezen.

Het Probleem: De "Grote Foto" vs. De "Microscopische Lens"

Vroeger hadden we alleen een "grote foto" van de stad (standaard cel-data). We zagen wel dat er contact was, maar we zagen niet de details.
Nu hebben we nieuwe camera's (subcellulaire ruimtelijke transcriptomics) die heel dichtbij kunnen komen. Ze kunnen zien of een boodschap in de kern of in het cytoplasma landt. Maar deze nieuwe camera's zijn duur, zeldzaam en moeilijk te gebruiken. De meeste wetenschappers hebben nog steeds alleen die "grote foto's" (standaard data zonder ruimtelijke details).

De Oplossing: CCIDeconv (De Slimme Vertaler)

De auteurs van dit papier hebben een slim computerprogramma bedacht, genaamd CCIDeconv. Je kunt dit zien als een slimme vertaler of een detective.

1. Het Opleiden: De detective heeft eerst geoefend met de nieuwe, super-duidelijke camera's (de zeldzame data). Hij heeft geleerd: "Als ik deze specifieke boodschap zie in de woonkamer, dan is de kans groot dat hij ook in de bibliotheek wordt gelezen. Maar als ik die andere boodschap zie, gebeurt dat alleen in de kern."
2. Het Toepassen: Vervolgens neemt de detective de oude, wazige "grote foto's" (standaard data) en gebruikt wat hij heeft geleerd om te voorspellen waar de boodschappen waarschijnlijk zijn aangekomen. Hij "ontdekt" (deconvolueert) de grote boodschap in twee kleinere, specifieke boodschappen: één voor de kern en één voor het cytoplasma.

Hoe werkt het precies? (Met een Analogie)

Stel je voor dat je een grote, ondoorzichtige envelop (de cel) hebt. Je weet dat er een briefje in zit, maar je kunt het niet zien.

• De oude methode: Ze zeggen alleen: "Er zit een briefje in de envelop."
• CCIDeconv: Het programma kijkt naar de envelop, de postzegel en de stempel (de data). Omdat het programma eerder heeft gezien hoe enveloppen eruitzagen als de brief in de kern lag versus als hij in het cytoplasma lag, kan het nu met grote zekerheid zeggen: "Ik wed dat dit briefje in de bibliotheek (kern) is beland!"

Het programma doet dit in twee stappen:

1. Kiezen: Is dit een boodschap die we überhaupt kunnen vertalen? (Soms is het signaal te zwak).
2. Verdelen: Als het wel kan, hoeveel van de boodschap gaat naar de kern en hoeveel naar het cytoplasma?

Wat hebben ze ontdekt?

• Het maakt echt uit: Ze zagen dat cellen inderdaad heel anders communiceren afhankelijk van waar de boodschap landt. Soms praten twee cellen alleen via hun kern, soms alleen via hun cytoplasma.
• Hoe meer, hoe beter: Als je het programma met veel verschillende voorbeelden (veel verschillende weefsels) laat oefenen, wordt het zo slim dat het zelfs zonder de dure nieuwe camera's (ruimtelijke data) goede voorspellingen kan doen. Het heeft dan genoeg "ervaring" opgedaan.
• Toepassing in de praktijk: Ze hebben het getest op longkanker-data. Het programma kon nieuwe patronen vinden, zoals een gesprek tussen twee specifieke celtypen dat alleen in de kern plaatsvindt. Dit is iets dat met de oude methoden onzichtbaar was gebleven.

Waarom is dit geweldig?

Dit is als het krijgen van een tijdmachine. Wetenschappers hoeven niet meer te wachten tot ze de dure, nieuwe technologie hebben om te zien waar communicatie plaatsvindt. Ze kunnen hun oude, grote verzamelingen data opnieuw bekijken en plotseling zien: "Oh, die ziekte wordt veroorzaakt door een boodschap die in de verkeerde kamer van het huis is aangekomen!"

Dit helpt artsen en onderzoekers om ziektes beter te begrijpen en misschien in de toekomst medicijnen te maken die precies op die verkeerde kamer mikken, in plaats van de hele stad te bestoken.

Kortom: CCIDeconv is een slimme tool die oude data nieuw leven inblaast door te voorspellen waar in de cel de boodschappen van cellen elkaar ontmoeten. Het maakt de "grote foto" scherp en detailrijk.

Technische samenvatting

Hieronder volgt een gedetailleerde technische samenvatting van het artikel "CCIDeconv: Hierarchical model for deconvolution of subcellular cell-cell interactions in single-cell data" in het Nederlands.

Probleemstelling

Cellulaire communicatie (Cell-Cell Interaction of CCI) is fundamenteel voor ontwikkeling, homeostase en ziekteprogressie. Traditionele methoden voor het analyseren van CCI, zoals CellChat en NicheNet, werken op het niveau van de gehele cel en negeren vaak de subcellulaire lokalisatie van ligand-receptor (LR) interacties.

• Biologische context: Interacties vinden plaats op specifieke locaties: sommige in het cytoplasma (bijv. tumor-stroma communicatie), andere op het celoppervlak, en weer andere in de kern (bijv. G-proteïne gekoppelde receptoren die signaleren vanuit intracellulaire organellen). De locatie bepaalt welke signaalwegen worden geactiveerd en welke biologische uitkomsten er zijn.
• Technische beperking: Hoewel subcellulaire ruimtelijke transcriptomics (sST) technologieën (zoals 10X Xenium) in staat zijn genexpressie op subcellulair niveau te kwantificeren, ontbreekt er een methode om deze hoge resolutie te gebruiken om CCI-scores uit niet-ruimtelijke single-cell RNA-seq (scRNA-seq) data te "deconvolueren" (ontleden) naar subcellulaire componenten (kern vs. cytoplasma).

Methodologie: CCIDeconv

De auteurs hebben CCIDeconv ontwikkeld, een hiërarchisch toezicht op machine learning-framework dat CCI-scores deconvolueert naar subcellulaire regio's.

1. Berekening van Communicatiescores:

• De basis is een aangepaste versie van de CellChat-score.
• De formule voor de communicatiescore ($C$) tussen celtype $i$ en $j$ is aangepast om subcellulaire expressie ($L$ voor ligand, $R$ voor receptor) te incorporeren:
  • Voor het cytoplasma: $C_{cyt}$
  • Voor de kern: $C_{nuc}$
• De ruimtelijke afstand ($S_{i,j}$) wordt meegenomen in de training op sST-data, maar kan worden verwijderd voor toepassing op scRNA-seq data.

2. Architectuur van het Model:
Het model bestaat uit drie fasen:

• Classificatie: Een classifier (Voting Classifier tussen Random Forest en XGBoost) bepaalt of een CCI-gebeurtenis "deconvolueerbaar" is.
  • Klasse $o$: Lage expressie, niet deconvolueerbaar.
  • Klasse $x$: Hoge expressie, kan worden opgesplitst.
• Regressie (Fase 1 & 2): Voor klasse $x$ worden twee regressiemodellen (XGBoost) gebruikt om de totale score op te splitsen in een specifieke score voor de kern en een voor het cytoplasma.

3. Invoerfeatures:

• Communicatiescores, Hill-functies van LR-expressie, celtypen (zender/ontvanger), HGNC-symbolen van liganden/receptoren.
• Subcellulaire lokalisatie en moleculaire informatie afkomstig van CellChatDB en het Human Protein Atlas (HPA).
• Categorieën worden getarget-gecodeerd; continue features worden geschaald (StandardScaler).

4. Validatie en Training:

• Data: 9 publiek beschikbare sST-datasets (10X Xenium platform) van verschillende menselijke weefsels.
• Validatie: "Leave-One-Dataset-Out" Cross-Validation (LOGO-CV) om generaliseerbaarheid te testen.
• Procedures:
  • Spatial Procedure (SP): Inclusief ruimtelijke afstand als feature (voor sST-data).
  • Single-cell Procedure (ScP): Exclusief ruimtelijke afstand (voor scRNA-seq data).

Belangrijkste Bijdragen

1. Ontdekking van Subcellulaire Variatie: Het artikel toont aan dat CCI-patronen significant verschillen tussen het cytoplasma en de kern, zowel qua aantal interacterende LR-paren als qua communicatiescores.
2. Nieuwe Methode (CCIDeconv): De eerste methode die CCI-scores uit bulk of scRNA-seq data kan vertalen naar subcellulaire resolutie door gebruik te maken van een hiërarchisch model getraind op sST-data.
3. Overdraagbaarheid: Het bewijs dat een model getraind op ruimtelijke data (sST) succesvol kan worden toegepast op niet-ruimtelijke data (scRNA-seq) om subcellulaire interacties te voorspellen, mits er voldoende trainingsdata beschikbaar is.

Resultaten

• Prestaties: CCIDeconv toonde robuuste prestaties met een mediane composite metric van 0,75 over de negen datasets.
  • AUC: 0,79
  • Macro Recall: 0,69
  • $R^2$ voor cytoplasma: 0,87
  • $R^2$ voor kern: 0,80
• Robuustheid: Het model bleek stabiel over verschillende weefseltypen. Hoewel sommige datasets (zoals hersenen en eierstok) minder goed werden geclassificeerd, bleek het model zeer consistent voor de meeste LR-paren.
• Invloed van Ruimtelijke Features:
  • Bij een klein aantal trainingsdatasets (<4) verbeterden ruimtelijke features de prestaties aanzienlijk.
  • Bij een groot aantal trainingsdatasets (meer dan 4) presteerden modellen zonder ruimtelijke features even goed als die met ruimtelijke features. Dit suggereert dat het model de onderliggende biologische regels leert zonder expliciete ruimtelijke coördinaten, zolang de datasetgrootte toereikend is.
• Toepassing op scRNA-seq: Bij toepassing op longkanker scRNA-seq data (zonder ruimtelijke informatie) kon het model bekende interacties herkennen (bijv. fibroblast-mastcel contact) en nieuwe inzichten bieden, zoals kerncommunicatie tussen mononucleaire fagocyten en maligne cellen via de FN1-CD44-paar.

Significantie en Implicaties

• Biologisch Inzicht: De methode stelt onderzoekers in staat om te begrijpen waar in de cel communicatie plaatsvindt, wat cruciaal is voor het ontrafelen van ziektemechanismen (bijv. Alzheimer of kanker) en het identificeren van therapeutische doelen.
• Data Benutting: Het maakt het mogelijk om de groeiende hoeveelheid bestaande scRNA-seq-data (die geen ruimtelijke informatie bevat) te verrijken met subcellulaire context, zonder dat er dure nieuwe sST-experimenten nodig zijn voor elke nieuwe studie.
• Toekomstperspectief: Hoewel het model momenteel beperkt is tot kern en cytoplasma (vanwege de annotatie van huidige sST-data), biedt het een raamwerk dat kan worden uitgebreid naar andere organellen (mitochondriën, Golgi-apparaat) zodra de referentiegegevens verfijner worden.

Kortom, CCIDeconv is een krachtig bio-informatica hulpmiddel dat de resolutie van cellulaire communicatieanalyse een stap verder brengt, van het celniveau naar het subcellulaire niveau.