Inferring division-associated stochasticity from time-series single-cell transcriptomes

In dit artikel wordt scDIVIDE, een raamwerk op basis van neurale stochastische differentiaalvergelijkingen, voorgesteld om continue cel-dynamica en delingsnelheden te infereren uit tijdreeks scRNA-seq-data door de koppeling tussen geboortecellen en diffusie te benutten om celdelingsgeassocieerde ruis te kwantificeren.

De kern

🧬 De Grote Uitdaging: Het Fotograferen van een Dansende Menigte

Stel je voor dat je een enorme menigte mensen in een zaal hebt. Deze mensen (cellen) dansen, bewegen en veranderen van kleding (hun genen). Soms verdwijnen ze, soms delen ze zich in tweeën (celverdeling).

Het probleem voor wetenschappers is dit: ze kunnen de zaal niet binnenstappen en de mensen urenlang volgen. Ze mogen de zaal alleen binnenkomen op drie specifieke momenten (bijvoorbeeld maandag, woensdag en vrijdag) om een foto te maken. Daarna moeten ze de mensen weer verlaten.

Op de foto's zien ze alleen de mensen die op dat moment daar staan. Ze zien niet hoe de mensen zich verplaatst hebben, wie er is verdwenen, en vooral: wie er zich heeft gedeeld.

De grote vraag is: Hoe kunnen we uit deze losse foto's precies reconstrueren hoe de dans eruitzag, en hoeveel mensen er zich hebben gedeeld?

🚀 De Oplossing: scDIVIDE (De "Tijdmachine")

De auteurs van dit papier hebben een nieuwe computerprogramma bedacht, genaamd scDIVIDE. Dit is als een slimme tijdmachine die de foto's neemt en er een vloeiende film van maakt.

Maar hier is het slimme stukje: eerdere programma's maakten een fout. Ze dachten dat als er meer mensen waren op de laatste foto, dit alleen maar betekende dat er meer geboorte was. Ze keken niet naar het chaos dat ontstaat bij het delen.

De Vergelijking: Het Bakkerij-voorbeeld 🥐

Stel je een bakkerij voor:

1. Stabiele bakkerij (Geen deling): De bakker maakt één brood per uur. Er is weinig chaos. Alles blijft netjes.
2. Gedrukte bakkerij (Veel deling): De bakker maakt 100 broden per uur. Hij gooit deegballen in de lucht, ze vallen neer en worden in tweeën gesneden. Hierbij vliegen er kruimels rond, en de deegballen raken elkaar. Het is een chaotische boel.

Eerdere programma's keken alleen naar het aantal broden. Als er evenveel broden waren in beide scenario's, dachten ze: "Oh, het is rustig."
scDIVIDE kijkt echter naar de kruimels en de chaos. Het ziet: "Wauw, hier is veel chaos! Dat betekent dat er hier veel is gedeeld, zelfs als het totale aantal broden niet is toegenomen!"

🔍 Hoe werkt scDIVIDE precies?

Het programma gebruikt een wiskundige formule die ze hebben afgeleid uit de biologie. Ze hebben ontdekt dat:

• Hoe vaker een cel zich deelt, hoe onvoorspelbaarder (chaotischer) de beweging van de cellen wordt.
• Deze "chaos" (wiskundig: diffusie) is direct gekoppeld aan de geboortecel (de deling).

Het programma doet alsof het een detective is die twee dingen tegelijk oplost:

1. De route: Waar gaan de cellen naartoe? (Bijvoorbeeld: van een stamcel naar een bloedcel).
2. De deling: Hoe vaak delen ze zich?

Het slimme is dat het programma deze twee dingen aan elkaar koppelt. Als het programma ziet dat de cellen erg chaotisch bewegen, weet het automatisch: "Ah, hier moeten veel delingen hebben plaatsgevonden." Dit maakt het veel nauwkeuriger dan oude methoden.

🧪 Wat hebben ze getest?

1. De Simulatie (De "Valse" Wereld):
   Eerst maakten ze een virtuele wereld met drie "genen" (soort als drie knoppen op een machine). Ze wisten precies hoe de machine werkte. Toen lieten ze scDIVIDE de foto's bekijken.

   • Resultaat: scDIVIDE kon de beweging en de delingen bijna perfect terugvinden. Het was beter dan alle andere bestaande programma's.

2. De Echte Wereld (Muis Bloedstamcellen):
   Ze gebruikten echte data van muis-bloedstamcellen die in een laboratorium groeiden.

   • Het mysterie: Jonge stamcellen delen zich langzaam, maar oude cellen delen zich ook langzaam (ze sterven bijna). Alleen de "tussenliggende" cellen delen zich snel.
   • De fout van oude methoden: Oude programma's dachten dat de jonge cellen snel deelden (omdat ze groeiden) of dat de oude cellen snel deelden.
   • De winnaar: scDIVIDE zag precies wat er aan de hand was: "De jonge cellen zijn rustig, de middelste zijn druk bezig, en de oude rusten weer uit." Dit klopt met wat biologen al vermoedden, maar wat andere software niet kon zien.

💡 Waarom is dit belangrijk?

Voorheen was het heel moeilijk om te weten hoe snel cellen zich deelden als je alleen maar "foto's" (snapshots) had. Je moest altijd live kijken, wat heel moeilijk is bij menselijke weefsels.

Met scDIVIDE kunnen wetenschappers nu:

• Kijken naar oude data van patiënten.
• Begrijpen hoe kankercellen zich snel delen en chaotisch gedragen.
• Zien hoe het lichaam zichzelf herstelt (regeneratie).

Het is alsof we eindelijk een bril hebben gekregen die ons laat zien hoeveel "chaos" er in een menigte zit, en zo kunnen we precies tellen wie er zich heeft gedeeld, zonder ooit de zaal binnen te hoeven gaan.

Samenvatting in één zin:

scDIVIDE is een slim computerprogramma dat uit losse foto's van cellen kan afleiden hoe snel ze zich delen, door te kijken naar het "chaos" dat ontstaat bij elke deling, net zoals je kunt zien hoeveel mensen er in een drukke bakkerij werken door naar de kruimels op de vloer te kijken.

Technische samenvatting

Probleemstelling

Cellulaire deling is fundamenteel voor meercellige organismen, maar de rol van stochastische partitionering (de willekeurige verdeling van celcomponenten tijdens deling) in het vormgeven van de dynamiek van prolifererende cellen is slecht begrepen. Bestaande methoden voor trajectinferentie (trajectory inference) op basis van time-series single-cell RNA-sequencing (scRNA-seq) data hebben twee belangrijke beperkingen:

1. Ze behandelen celdeling vaak slechts als een netto-populatiegroei (geboorte minus dood), zonder de stochastische verstoringen in de genexpressiestatus van dochtercellen te modelleren.
2. Het is een fundamenteel lastig probleem om partitioneringsruis (noise) te onderscheiden van andere bronnen van variabiliteit op basis van "snapshot"-data (discrete tijdstippen), omdat de waarnemingen geen continue individuele trajecten bieden.

Bestaande modellen kunnen vaak niet onderscheid maken tussen een rustend systeem (lage deling, lage variatie) en een homeostatisch systeem met hoge omzet (hoge deling, hoge dood, maar netto-groei nul), omdat beide een vergelijkbare populatiegrootte kunnen hebben.

Methodologie: scDIVIDE

De auteurs introduceren scDIVIDE (single-cell DIVision-linked Inference of stochastic Dynamics in Expression states), een diep-leerframework dat continu cellulaire dynamiek en delingsactiviteit gelijktijdig infereert.

Kernconcepten:

• Geboorte-Dood-Mutatie (BDM) Proces: Het model baseert zich op BDM-processen uit de populatiegenetica. Hierbij wordt celdeling niet alleen gezien als een vertakkingsgebeurtenis, maar als een bron van ruis waarbij dochtercellen een kleine, stochastische verschuiving ondergaan ten opzichte van de moedercel.
• Fokker-Planck Vergelijking (FPE): Uit de microscopische BDM-processen wordt een macroscopische Fokker-Planck-vergelijking afgeleid voor de cel-dichtheid $\xi(x, t)$. De cruciale innovatie is de afleiding van een geboorte-afhankelijke diffusiecoëfficiënt:
  $$\frac{\partial \xi}{\partial t} = -\nabla \cdot (v \xi) + g \xi + \frac{1}{2} \Delta [(\sigma^2 + 2\delta^2 b(x,t)) \xi]$$
  Hierbij is:
  • $v$: het snelheidsveld (differentiatie).
  • $g$: de netto-groeisnelheid.
  • $b$: de geboortesnelheid.
  • $\sigma^2 + 2\delta^2 b(x,t)$: de diffusiecoëfficiënt.
  • Belangrijk: De diffusie hangt af van de geboortesnelheid ($b$), niet van de netto-groei ($g$). Dit stelt het model in staat om systemen met hoge omzet (hoge $b$, hoge $d$, lage $g$) te onderscheiden van rustende systemen.

Implementatie:

• Neurale Stochastische Differentiaalvergelijkingen (SDE's): Het snelheidsveld wordt gemodelleerd als de negatieve gradiënt van een scalair potentiaal ($\phi$), en de geboortesnelheid wordt gemodelleerd door een apart neurale netwerk ($b_{nn}$).
• Proportionele Omzet: Er wordt aangenomen dat de doodssnelheid evenredig is met de geboortesnelheid ($d = \alpha b$), wat de koppeling tussen groei en diffusie vereenvoudigt.
• Trainingsdoel: Het model wordt getraind door de voorspelde verdeling van gewogen deeltjes (particles) te vergelijken met de waargenomen scRNA-seq snapshots.
  • Gebruik wordt gemaakt van Sinkhorn-divergentie voor optimal transport.
  • Er wordt Wasserstein-Fisher-Rao (WFR) regularisatie toegepast om de onbalans in populatiegrootte te straffen en fysiek realistische trajecten te garanderen.
  • Dit vervangt ad-hoc aannames zoals massabehoud of vaste steekproefverhoudingen door een mechanistische biologische constraint.

Belangrijkste Bijdragen

1. Theoretische Koppeling: Het onthullen en benutten van de structurele koppeling tussen geboortesnelheid en diffusiecoëfficiënt. Dit lost het identificeerbaarheidsprobleem op bij het gezamenlijk schatten van snelheid, groei en diffusie.
2. scDIVIDE Framework: Een nieuw deep-learning framework dat expliciet rekening houdt met delingsgeassocieerde ruis, in plaats van deze te negeren of als constante ruis te modelleren.
3. Biologisch Onderlegde Regularisatie: In plaats van puur wiskundige regularisatie, gebruikt scDIVIDE een mechanistische biologische constraint (de BDM-afleiding) als inductieve bias voor het leerproces.

Resultaten

De prestaties van scDIVIDE werden gevalideerd op twee datasets:

1. Synthetische Data (Drie-genen Toggle-Switch):

   • Een gesimuleerd systeem met bekende "ground truth" waarbij de geboortesnelheid afhankelijk is van genexpressie.
   • scDIVIDE kon de geboortesnelheid zeer nauwkeurig reconstrueren (Pearson $r = 0.985$).
   • Een ablatiestudie toonde aan dat zowel de geboorte-diffusie-koppeling als de WFR-regularisatie essentieel zijn voor stabiliteit en prestaties.
   • scDIVIDE overtrof bestaande methoden (TrajectoryNet, TIGON, VarRUOT, scDiffEq) significant in het voorspellen van toekomstige celverdelingen.

2. Real-world Data (Muizen Hematopoëse):

   • Toepassing op scRNA-seq data van hematopoëtische stam- en progenitorcellen (HSPCs) tijdens differentiatie.
   • Biologische validatie: Het model infereerde een niet-monotoon patroon van celdeling: lage deling in zeer onvolwassen stamcellen en in terminale cellen, met een piek in het midden. Dit komt overeen met biologische observaties dat onvolwassen HSPCs langzamer delen dan verwacht op basis van conventionele "cell-cycle scores" (die hier misleidend waren).
   • Paden-analyse: Genen geassocieerd met de geboortesnelheid toonden verrijking in chemokine- en cytokine-signaleringspaden, wat consistent is met de regulatie van proliferatie en overleving.
   • scDIVIDE presteerde beter dan de vier vergelijkbare methoden in het voorspellen van de celverdeling op niet-gezien tijdstippen.

Significantie

scDIVIDE biedt een conceptueel nieuw pad voor het kwantitatief ontrafelen van hoe delingsgeassocieerde ruis (partitioning noise) lotbeslissingen in meercellige systemen beïnvloedt.

• Het vult een gat in de systembiologie door extrinsieke ruis in meercellige systemen (zoals bloedvorming) te kunnen kwantificeren, iets dat eerder beperkt was tot unicellulaire organismen.
• Het demonstreert hoe mechanistische biologische kennis (BDM-processen) direct in het leerprobleem van machine learning kan worden geïntegreerd om identificeerbaarheid te verbeteren, in plaats van alleen als post-hoc interpretatie te dienen.
• De methode stelt onderzoekers in staat om onderscheid te maken tussen rustende en hoog-omzettende populaties, wat cruciaal is voor het begrijpen van ontwikkeling, regeneratie en kanker.