CHORD: a framework for cross-species single-cell integration across gene, cell and cell-type levels

CHORD is een nieuw raamwerk voor de integratie van single-cell transcriptomische data over verschillende soorten, dat gezamenlijke representaties van genen, cellen en celtypen leert om geconserveerde en divergente hiërarchieën te onthullen, celtypen te annoteren en continue fenotypische variatie te vergelijken.

De kern

Stel je voor dat je twee enorme bibliotheken hebt: één met boeken in het Nederlands (bijvoorbeeld de mens) en één met boeken in het Japans (bijvoorbeeld de muis of een kikker). Beide bibliotheken bevatten verhalen over hoe een leven begint en groeit, maar de woorden zijn anders en de schrijfstijl verschilt.

De uitdaging voor wetenschappers is om te begrijpen welke verhalen in beide bibliotheken hetzelfde zijn, en welke unieke verhalen er in de ene bibliotheek staan die in de andere ontbreken. Tot nu toe was dit vergelijken erg lastig. Bestaande methoden keken vaak alleen naar de "woorden" die exact hetzelfde zijn in beide talen (zoals 'hart' of 'hersenen'), en negeerden de context of de nuance.

CHORD is als een super-intelligente, creatieve vertaler die niet alleen woorden vertaalt, maar de gehele bibliotheek begrijpt. Hier is hoe het werkt, in gewone taal:

1. De Drie-Dimensionale Kaart

CHORD bouwt geen platte lijst, maar een 3D-kaart van drie dingen tegelijk:

• De Genen: De individuele woorden in de boeken.
• De Cellen: De personages in de verhalen.
• De Celtypen: De hoofdstukken of genres (bijvoorbeeld "spiercel" of "zenuwcel").

In plaats van alleen te kijken of woord A in het Nederlands overeenkomt met woord B in het Japans, kijkt CHORD naar de omgeving. Als twee woorden vaak voorkomen in dezelfde zinnen over dezelfde personages, begrijpt CHORD dat ze waarschijnlijk hetzelfde betekenen, zelfs als ze er heel anders uitzien.

2. Het Vinden van Verborgen Verwanten

Stel je voor dat je een nieuwe, onbekende figuur in een verhaal tegenkomt. CHORD kan zeggen: "Hé, deze figuur lijkt op een 'hulpverlener' in het andere verhaal, ook al hebben ze geen exact dezelfde naam."
Dit helpt wetenschappers om:

• Nieuwe soorten cellen te vinden die we nog niet kenden.
• De familiebanden te zien: CHORD maakt een stamboom (een boomdiagram) die laat zien welke cellen in een kikker en welke in een vis het meest op elkaar lijken, en hoe ze zich hebben ontwikkeld.

3. De Tijdreis

Bij het groeien van een embryo veranderen cellen continu. CHORD kan deze veranderingen als een tijdlijn neerzetten. Het is alsof je een film van twee verschillende soorten (bijvoorbeeld een kikker en een vis) naast elkaar afspeelt en CHORD precies aangeeft: "Op dit moment in de film van de kikker gebeurt er precies hetzelfde als op dat moment in de film van de vis." Zo kunnen we zien hoe ontwikkeling in verschillende soorten op elkaar lijkt.

4. De Kracht van de Woorden

Tot slot leert CHORD ook wat de belangrijkste "woorden" (genen) zijn in elk verhaal. Het kan zeggen: "Dit specifieke woord is cruciaal voor het verhaal over 'spiergroei'." Dit helpt onderzoekers te begrijpen welke genen verantwoordelijk zijn voor welke eigenschappen in een cel.

Kortom:
CHORD is een slimme tool die twee verschillende biologische werelden met elkaar verbindt. Het helpt ons te zien dat hoewel een kikker en een vis er heel anders uitzien, hun bouwplannen (genen) en hun bouwvakkers (cellen) vaak dezelfde verhalen vertellen. Het maakt het mogelijk om de geheimen van het leven in één soort te gebruiken om de mysteries van een andere soort op te lossen.

Technische samenvatting

Probleemstelling

Bestaande methoden voor de integratie van single-cell transcriptomische data over verschillende soorten (cross-species) lopen tegen fundamentele beperkingen aan. Hoewel ze nuttig zijn voor het identificeren van orthologen (genen met een gemeenschappelijke oorsprong), hebben ze vaak moeite om:

1. Genen buiten orthologen te modelleren: Ze negeren vaak de transcriptiecontext die specifiek is voor een celtype, wat essentieel is voor het begrijpen van functionele homologieën die niet strikt op sequentie-orthologie berusten.
2. Expliciete representaties op celtype-niveau te leren: Veel methoden focussen op het uitlijnen van individuele cellen, maar missen een gestructureerde, hiërarchische weergave van de relaties tussen celtypen zelf.
   Dit beperkt het vermogen om zowel behouden (conserved) als afwijkende patronen in de hiërarchie van celtypen tussen soorten nauwkeurig te kwantificeren.

Methodologie: Het CHORD-framework

CHORD (Cross-species Hierarchical Organization of Representations for Data) is een nieuw framework dat een geïntegreerde aanpak hanteert door gezamenlijk representaties te leren op drie niveaus: genen, cellen en celtypen.

• Gezamenlijke representatielering: In plaats van alleen cellen uit te lijnen, leert CHORD een gezamenlijke embeddingruimte. Dit stelt het model in staat om de transcriptiecontext van celtypen te benutten om genrelaties te modelleren die verder gaan dan strikte orthologie.
• Hiërarchische structuur: Het framework infereert automatisch boomstructuren (celtype-bomen) die de hiërarchische relaties tussen celtypen weergeven.
• Annotatie en detectie: Het ondersteunt het annoteren van nieuwe cellen en kan "onbekende" celtypen detecteren die niet overeenkomen met bestaande referenties.
• Continue fenotypische variatie: CHORD is in staat om cellen langs een uitgelijnde ontwikkelingslijn te plaatsen, wat vergelijkende analyses van continue processen (zoals embryonale ontwikkeling) mogelijk maakt.
• Gen-embeddings: Het genereert vectoriële embedding voor genen die zowel orthologische als functionele relaties vastleggen, gekoppeld aan "gene importance scores" die de relatie tussen genen en specifieke celtypes kwantificeren.

Belangrijkste Bijdragen

1. Tri-niveau integratie: CHORD introduceert een uniek framework dat gen-, cel- en celtype-niveaus gelijktijdig integreert, in plaats van ze als losse stappen te behandelen.
2. Verbeterde cross-species mapping: Door gebruik te maken van celtype-resolutie, kan CHORD functionele homologieën detecteren die door traditionele orthologie-mapping over het hoofd worden gezien.
3. Hiërarchische visualisatie: Het biedt een methode om celtype-bomen te construeren die de evolutionaire en functionele verwantschap tussen soorten visueel en kwantitatief weergeven.
4. Gen-interpretatie: Het levert niet alleen celtype-annotaties, maar ook inzichtelijke scores voor genen die aangeven welke genen cruciaal zijn voor de definitie van specifieke celtypen over soorten heen.

Resultaten

Het paper valideert CHORD op twee prominente datasets:

• Embryogenese van kikker en zebravissen: CHORD slaagde erin om een ontwikkelingslijn te creëren waarbij embryonale cellen van beide soorten op een uitgelijnde tijdslijn werden geplaatst. Dit maakte het mogelijk om de dynamiek van celdifferentiatie tussen deze verre verwante soorten te vergelijken.
• Zoogdier motorcortex-atlassen: Bij de analyse van motorcortex-data toonde CHORD aan dat behouden celtypen uit verschillende soorten in de embeddingruimte dichter bij elkaar lagen dan niet-behouden typen. De geïnfereerde celtype-bomen legden de hiërarchische relaties tussen neurale subtypen duidelijk bloot.

In beide gevallen presteerde CHORD superieur in het identificeren van zowel conservatie als divergentie in celtype-hiërarchieën en in het detecteren van celtypen zonder voorafgaande kennis.

Betekenis en Impact

De betekenis van CHORD ligt in zijn vermogen om de "vertaalslag" tussen soorten op een meer biologisch onderbouwde manier te maken dan ooit tevoren.

• Evolutionair inzicht: Het biedt een krachtig hulpmiddel voor evolutionaire biologie om te begrijpen hoe celtypen zich hebben ontwikkeld en behouden zijn in de loop van de evolutie.
• Translatief onderzoek: Voor biomedisch onderzoek is dit cruciaal, omdat het helpt bij het valideren van diermodellen voor menselijke ziekten door te bepalen of de onderliggende celtypen en genregulatie echt vergelijkbaar zijn.
• Data-integratie: Het stelt onderzoekers in staat om grote, heterogene single-cell atlases te combineren, waardoor de statistische power van cross-species studies aanzienlijk wordt vergroot.

Kortom, CHORD verschuift de focus van eenvoudige sequentie-uitlijning naar een contextuele, hiërarchische integratie die de complexe biologie van celtypen over soorten heen beter weerspiegelt.