LoCoFlow: Local-Context Flow Matching for Single-Cell Dynamics and Fate Inference

Technische Samenvatting: LoCoFlow

Probleemstelling

Single-cell sequencing biedt hoogresolutie-opnames van cellulaire toestanden op discrete tijdstippen, maar de destructieve aard van de meting verhindert het observeren van werkelijke longitudinale correspondenties tussen individuele cellen. Het reconstrueren van continue ontwikkelingstrajecten uit deze momentopnames is een slecht gestel probleem met meerdere mogieve oplossingen. Bovendien behandelen bestaande methoden cellen vaak als geïsoleerde vectoren, waardoor ze er niet in slagen de lokale manifold-geometrie van de celtoestandsruimte of de inherente onzekerheid in lineage-diversificatie adequaat te representeren. Hoewel cellen met vergelijkbare transcriptionele toestanden uiteenlopende loten (fate) kunnen vertonen, infereren huidige optimal transport- en flow-matching-benaderingen typisch temporele koppelingen op het niveau van individuele cellen, waarbij een robuust kader voor het modelleren van de evolutie van lokale celnaberichten als coherente eenheden ontbreekt.

Methodologie: LoCoFlow

De auteurs introduceren LoCoFlow (Local-Context Flow Matching), een framework dat lokale puntwolk-geometrie integreert met conditionele lot-onzekerheid om single-cell dynamica te modelleren. De methode werkt in twee primaire stadia:

1. Lokale Patch-constructie en Hiërarchische Correspondentie

In plaats van geïsoleerde cellen te matchen, construeert LoCoFlow overlappende "patches" (lokale naberichten) rond ankercellen.

• Patch-definitie: Voor expressiedata zijn patches geodesische naberichten op een nearest-neighbor graaf; voor ruimtelijke data zijn het vaste grootte naberichten in gemeten coördinaten.
• Hiërarchisch Transport: De methode maakt gebruik van een twee-niveau optimal transport (OT) schema. Eerst lost het een patch-niveau transportprobleem op met behulp van de Bures-afstand om patch-centra en covarianties uit te lijnen (wat zowel locatie als dispersie vastlegt). Ten tweede berekent het binnen behouden patch-paren een entropie-geregulariseerd cel-niveau transportplan.
• Soft Assignment: De aggregatie van deze plannen levert een conditionele distributie van doelcellen voor elke bron op, in plaats van een harde toewijzing, waardoor meerdere potentiële opvolgende correspondenties behouden blijven.

2. Twee-staps Trainingspipeline

• Stadium 1: Geometrie-geregulariseerde Bridge Transport:
  • Gebruikmakend van de gekoppelde eindpuntsets afgeleid van het hiërarchische transport, leert het model "bruggen" (tussenliggende paden) tussen bron- en doel-patches.
  • Een neuraal netwerk voorspelt een residuële snelheidveld $f_\theta$ die, gecombineerd met lineaire interpolatie, ervoor zorgt dat het pad exact door de eindpunten loopt.
  • Geometrische Priors: De verliesfunctie bevat kinetische energie-termen en een radiale straf die de relatieve deformatie (expansie/contractie) van de patch beperkt zonder gemeenschappelijke translatie te beperken. Het straft ook snelheden af die orthogonaal staan aan de geschatte lokale manifold-geometrie.
• Stadium 2: Conditionele Velocity Distillatie:
  • Omdat de toekomstige staat onbekend is tijdens de inferentie, kan de brug (die beide eindpunten vereist) niet direct worden gebruikt. LoCoFlow distilleert de brug-snelheden naar een conditioneel snelheidveld $V_\omega$.
  • Hiërarchische Latenten: Het model leert doel-codes $c_i$ te genereren uit een bron-context $Z_0$ met behruik van een hiërarchische latente structuur: een patch-gedeelde latente $\eta_P$ (die populatie-niveau uitkomsten vastlegt) en cel-specifieke latente $\eta_i$ (die individuele variatie vastlegt).
  • Training: Een doel-encoder leert eerst om de geobserveerde eindpunten naar codes $c^\star$ te mappen. Vervolgens leert een generator deze codes te produceren vanuit de bron-context en latente variabelen. Het snelheid netwerk wordt getraind om de brug-snelheden te matchen, geconditioneerd op deze gegenereerde codes.
  • Inferentie: Tijdens de inferentie worden latente codes getrokken uit een prior (zonder toekomstige observaties) en worden deze vastgehouden tijdens de integratie. Dit maakt het samplen van alternatieve trajecten mogelijk die de onzekerheid in het lot (fate uncertainty) representeren.

Belangrijkste Bijdragen

1. Lokale Context Representatie: Verschuift de fundamentele eenheid van dynamische modellering van geïsoleerde expressie-vectoren naar lokale populatie-toestanden (puntwolken), waarbij de evolutie van de buurt-geometrie expliciet wordt gemodelleerd.
2. Hiërarchisch Transport: Introduceert een gekoppeld patch-niveau en cel-niveau optimal transport mechanisme dat zowel de globale beweging van celpopulaties als hun interne structurele veranderingen (bijv. heterogeniteit, expansie) respecteert.
3. Conditionele Lot-onzekerheid (Fate Uncertainty): Ontwikkelt een twee-staps distillatieproces dat geometrische pad-restricties scheidt van uitkomst-onzekerheid, wat het samplen van meerdere plausibele lot-trajecten mogelijk maakt zonder toekomstige observaties.
4. Perturbatie Analyse Framework: Biedt een mechanisme om onderscheid te maken tussen focale-cel effecten en buurt (achtergrond) effecten in gen-perturbatie simulaties, wat onthult hoe de lokale context de voorspelde respons vormgeeft.

Experimentele Resultaten

Het paper evalueert LoCoFlow over drie datasets: embryoïde lichaam (EB) differentiatie, iPSC herprogrammering, C. elegans ontwikkeling, en Axolotl hersenregeneratie.

• Held-out Reconstructie: Op EB en iPSC datasets bereikt LoCoFlow lagere Wasserstein-afstanden ($W_1, W_2$) vergeleken met baselines zoals OT-CFM, MFM en PACE in de meeste hoog-dimensionale settings (bijv. PCA50). Het paper merkt echter op dat LoCoFlow soms een hogere Maximum Mean Discrepancy (MMD) vertoont, wat suggereert dat voorspellingen geconcentreerder kunnen zijn in specifieke regio's van de cel-toestandsruimte.
• Lot-voorspelling (LARRY Data): Gebruikmakend van lineage-traced LARRY data, vermindert LoCoFlow de gemiddelde ruwe Brier-fout van 0.7990 (scDiffEq) naar 0.6620, wat wijst op een verbeterde nauwkeurigheid in het voorspellen van volledige lot-waarschijnlijkheidsvectoren.
• Perturbatie Respons:
  • Geometrische Patches: Wanneer genen in geometrisch gedefinieerde patches worden geperturbeerd, produceren achtergrond-alleen interventies en alle-leden interventies gealigneerde responsen (bijv. het verschuiven van lot van monocyten naar neutrofielen).
  • Random Minibatches: In contrast hiermee laten modellen die willekeurige minibatches gebruiken tegengestelde focale-cel en achtergrond-responsen zien, wat het belang van de geometrische context benadrukt.
• Ruimtelijke Interpolatie (Axolotl): LoCoFlow verbetert de ruimtelijke voorspelling ($W_2$) voor Axolotl hersenregeneratie vergeleken met OT-CFM, hoewel de auteurs opmerken dat voorspelde ruimtelijke distributies visueel vergelijkbaar blijven met het bron-tijdstip, wat duidt op een behoefte aan extra ruimtelijke uitlijning.

Betekenis en Claims

Het paper claimt dat LoCoFlow een robuust framework biedt voor het bestuderen van hoe de lokale celpopulatie-structuur de geïnfereerde trajecten vormgeeft, terwijl het de onzekerheid in het cel-lot expliciet representeert. De auteurs benadrukken dat:

• Lokale Context is Cruciaal: De verschillende respons-patronen waargenomen tussen geometrische patches en willekeurige minibatches ondersteunen de hypothese dat lokale context een nuttige representatie is voor probabilistische lot-inferentie.
• Modelleringsaannames: De auteurs nemen een bescheiden standpunt in door te erkennen dat snapshot-data cellulaire geschiedenissen niet uniek identificeren. De geometrische en latente componenten van LoCoFlow leggen modelleringsaannames op in plaats van ware lineage-relaties te onthullen.
• Testbare Hypothesen: Het framework genereert testbare hypothesen over hoe lokale context de voorspelde responsen op perturbaties vormgeeft, waarbij onderscheid wordt gemaakt tussen intrinsieke celveranderingen en omgevingsinvloeden.

Het werk claimt niet het fundamentele ambiguïteitsprobleem van traject-inferentie op te lossen, maar biedt een methode die beter aansluit bij de manifold-geometrie van celtoestanden en een gestructureerde manier biedt om de onzekerheid in het lot te kwantificeren en te samplen.