scPCIP: cross-species annotation of plant cell types with conserved gene programs

Stel je voor dat je een vreemde in een menigte probeert te identificeren door diegene te vragen een specifieke lijst woorden op te zeggen die hij kent. Als die persoon een andere taal spreekt, of als de betekenis van de woorden die hij kent in de loop van de tijd is veranderd, dan faalt de lijst. Dit is de fundamentele uitdaging waar wetenschappers voor staan die de microscopische bouwstenen van planten bestuderen. Decennialang hebben onderzoekers de individuele cellen in kaart gebracht die wortels, bladeren, bloemen en zaden vormen, waarmee ze gedetailleerde atlaswerken van het leven hebben gecreëerd. Echter, deze kaarten zijn getekend met behulp van "markergenen"—specifieke biologische signalen die fungeren als naamkaartjes. Het probleem is dat deze naamkaartjes vaak uniek zijn voor een enkele soort. Een gen dat een wortelcel in een modelplant zoals Arabidopsis duidelijk identificeert, kan ontbreken, gedupliceerd zijn of in een totaal ander deel van het lichaam tot expressie komen in een gewas als rijst of maïs. Als gevolg hiervan, wanneer wetenschappers proberen cellen tussen verschillende plantenfamilies te vergelijken, vallen de oude labels vaak uit elkaar, waardoor ze niet in staat zijn de diepe overeenkomsten te zien die het plantenrijk verbinden.

Een team van onderzoekers heeft nu een nieuwe manier ontwikkeld om naar deze cellen te kijken, een manier die de onbetrouwbare naamkaartjes volledig omzeilt. In plaats van een cel te vragen één enkel woord op te zeggen, vroegen ze de cel om een verhaal te vertellen. Ze ontdekten dat hoewel individuele genen snel veranderen naarmate soorten evolueren, de groepen genen die samenwerken om de identiteit van een cel te definiëren, verrassend stabiel blijven. Deze groepen, die de onderzoekers "genprogramma's" noemen, zijn als een consistente set instructies die een cel volgt om een wortelcel of een bladcel te worden, ongeacht of hij in een woestijn of een regenwoud leeft. Door deze programma's te leren van een enorme collectie gegevens die tien verschillende plantensoorten beslaat, creëerde het team een nieuwe tool genaamd scPCIP. Deze tool kan de cellen van een plant die het nog nooit eerder heeft gezien identificeren en nauwkeurig bepalen wat ze zijn, simpelweg door te controleren of ze de even oude instructies volgen.

De onderzoekers begonnen met het verzamelen van een uitgebreide bibliotheek van single-cell data, bestaande uit meer dan 112.000 cellen uit wortels, bladeren, bloemen en zaden van elf soorten. Ze keken niet naar individuele genen één voor één. In plaats daarvan groepeerden ze genen in families die een gemeenschappelijke evolutionaire geschiedenis delen, waarbij ze elke familie behandelden als een enkele eenheid van informatie. Vanuit deze gedeelde taal leerden ze een computer om de specifieke patronen van activiteit te herkennen die een celtype definiëren. Zo leerden ze hoe een "wortel-endodermis"-cel eruitziet door de set genfamilies te vinden die consequent samenwerken om dat specifieke weefsel in elke onderzochte soort te creëren. Ze bouwden aparte woordenboeken voor wortels, bladeren, bloemen en zaden, elk bevattende een set van deze stabiele, kruis-soortelijke programma's.

Toen ze deze nieuwe aanpak testten, waren de resultaten opmerkelijk. Het team nam datasets van planten die volledig afwezig waren in hun trainingsbibliotheek—soorten die de computer nog nooit eerder was tegengekomen—en vroeg de computer om de cellen te labelen. De tool slaagde waar oudere methoden faalden. Het identificeerde correct celtypen in zesentwintig verschillende, apart gehouden datasets, waarbij het oudere methoden die vertrouwden op traditionele markergenen versloeg en zelfs geavanceerde kunstmatige intelligentiemodellen die op dezelfde data waren getraand, overtrof. De tool was bijzonder effectief bij het onderscheiden van verschillende celtypen in bloemen en wortels, gebieden waar eerdere methoden vaak moeite mee hadden. Cruciaal was dat de onderzoekers ontdekten dat het succes van de tool volledig rustte op de "kern" van deze genprogramma's—de specifieke, geconserveerde delen die onveranderd zijn gebleven door miljoenen jaren van evolutie. De buitenranden van deze programma's, die genen bevatten die wild variëren tussen soorten, waren niet wat de identificatie mogelijk maakte. Sterker nog, de meest beroemde "markergenen" die wetenschappers vandaag de dag gebruiken, bleken slechte identificatoren te zijn wanneer ze naar een nieuwe soort werden verplaatst; ze veranderden te veel om betrouwbaar te zijn.

De kracht van deze aanpak reikt verder dan alleen het benoemen van cellen. Omdat de tool de onderliggende logica begrijpt van hoe cellen worden opgebouwd, kan het verborgen verbindingen tussen verschillende delen van een plant onthullen. De onderzoekers gebruikten hun systeem om cellen in bladeren te vergelijken met cellen in wortels, op zoek naar gedeelde programma's. Ze vonden een fascinerende link: de bundelschede-cellen in bladeren, die de nerven omringen, dragen een genprogramma dat bijna identiek is aan het programma dat door de endodermis-cellen in wortels wordt gebruikt. Deze verbinding is biologisch gezien logisch, aangezien beide weefsels fungeren als beschermende barrières, maar het was moeilijk te bewijzen omdat de specifieke genen die gebruikt worden om hen te identificeren, in de twee organen er zo verschillend uitzagen. De tool toonde ook aan dat deze verbinding standhoudt in de meeste planten, hoewel het verandert in grassen die een speciale vorm van fotosynthese hebben geëvolueerd, waarbij de bladcellen een andere rol aannemen.

Om te waarborgen dat hun bevindingen echt waren en niet slechts een resultaat van de data, testten de onderzoekers de tool tegen de fysieke lay-out van plantenweefsels. Ze pasten de programma's toe op ruimtelijke kaarten van plantenorganen, waar de locatie van elke cel bekend is. De tool voorspelde correct dat wortelcellen in concentrische ringen zouden zijn gerangschikt, waarbij de buitenste lagen overeenkwamen met de buitenste lagen van het programma en de binnenste lagen met de binnenste lagen. Het identificeerde ook correct dat bladcellen rond de nerven zouden clusteren. Deze tests bevestigden dat de genprogramma's die de tool had geleerd, niet slechts statistische patronen waren, maar de werkelijke biologische realiteit weerspiegelden van hoe planten worden opgebouwd.

De studie adresseerde ook de beperkingen van eerdere methoden. De onderzoekers toonden aan dat hoewel de tool zeer accuraat is, deze niet perfect is. De tool werkt het beste wanneer de onderzochte plant enigszins verwant is aan de planten die voor training zijn gebruikt, en de nauwkeurigheid neemt af wanneer de evolutionaire afstand zeer groot wordt. Bovendien is de tool afhankelijk van de kwaliteit van de data waarop zij is getraind; als de oorspronkelijke labels in de trainingsdata fout waren, zou de tool mogelijk de verkeerde patronen aanleren. Echter, door een betrouwbaarheidsscore te geven voor elke voorspelling en de specifieke genfamilies te vermelden die de beslissing ondersteunden, stelt de tool wetenschappers in staat om hun werk te controleren. Deze transparantie is een belangrijke stap voorwaarts, die het veld weg beweegt van "black-box"-voorspellingen naar een systeem waar elke identificatie kan worden teruggevoerd naar een specifieke set biologische instructies.

Uiteindelijk biedt dit werk een nieuwe manier om naar het plantenrijk te kijken. Het suggereert dat de diversiteit van het plantenleven is gebouwd op een fundament van gedeelde, geconserveerde instructies. Hoewel de specifieke woorden die een plant gebruikt om een cel te bouwen in de loop van de tijd kunnen veranderen, blijft het verhaal dat het vertelt hetzelfde. Door te leren deze verhalen te lezen in plaats van alleen de woorden, kunnen wetenschappers nu cellen in het gehele plantenrijk vergelijken met een helderheid die voorheen onmogelijk was. Dit opent de deur naar het begrijpen van hoe gewassen verbeterd kunnen worden door naar hun diepe evolutionaire geschiedenis te kijken, en het biedt een universele taal voor het beschrijven van de bouwstenen van het plantenleven, een taal die werkt of je nu een wilde bloem of een veld maïs bestudeert.