Neighbor-Contrastive Heterogeneous Graph Learning for Spatially Coherent Representation of Single-Cell Data

In het menselijk lichaam zijn weefsels geen willekeurige hopen cellen, maar hoog georganiseerde buurten. Net zoals een stad verschillende districten heeft — een bruisende markt, een rustig park, een dichtbevolkte woonwijk — bevatten weefsels aaneengesloten regio's waar specifieke groepen cellen samenleven en samenwerken. In de afgelopen jaren hebben wetenschappers krachtige microscopen ontwikkeld die in staat zijn om in één keer een snapshot te maken van honderdduizenden individuele cellen, waarbij niet alleen wordt vastgelegd welke genen elke cel gebruikt, maar ook precies waar deze zich in het weefsel bevindt. Deze technologie heeft een nieuwe grens in de biologie geopend: de mogelijkheid om de architectuur van het leven op een microscopische schaal in kaart te brengen. Het omzetten van deze enorme kaarten naar betekenisvolle inzichten vereist echter een manier om cellen in hun juiste buurten te groeperen. De uitdaging is dat cellen van hetzelfde type er heel anders uit kunnen zien afhankelijk van hun locatie, en dat cellen van verschillende typen vaak naast elkaar leven in hetzelfde functionele district. Om dit op te lossen, gebruiken onderzoekers computermodellen die het weefsel behandelen als een netwerk, waarbij verbindingen tussen naburige cellen helpen definiëren wat een regio is.

Een onderzoeker pakte onlangs een fundamenteel probleem aan in hoe deze computermodellen leren om weefselbuurten te herkennen. Jarenlang vertrouwde de standaardmethode voor het trainen van deze modellen op een logica die geleend is van hoe mensen gezichten leren herkennen: de computer krijgt twee licht verschillende foto's van hetzelfde object te zien en krijgt te horen dat ze hetzelfde zijn, terwijl hem wordt verteld dat elk ander object in de kamer anders is. Deze aanpak dwingt de computer om elke cel als een uniek individu te behandelen, waardoor het de computer stimuleert om elke cel van elke andere cel te scheiden. Hoewel dit goed werkt voor het identificeren van specifieke celtypen, faalt het wanneer het doel is om de grotere buurten te vinden waar cellen samenleven. In een weefsel behoren cellen die fysiek contact met elkaar hebben, bedoeld om tot dezelfde groep te behoren, maar de standaard trainingsmethode leerde de computer juist actief om hen uit elkaar te trekken.

Om deze mismatch te verhelpen, stelde Zheng Zhao, een onderzoeker aan de Civil Aviation University of China, een eenvoudige maar radicale verandering voor in de manier waarop de computer leert. In plaats van elke cel als zijn eigen unieke klasse te behandelen, leert de nieuwe methode de computer dat cellen die fysiek met elkaar in contact staan, als een positief paar of een match moeten worden beschouwd. De onderzoeker trainde het model op een enorme dataset bestaande uit bijna 459.000 cellen uit negen verschillende secties van menselijk colonweefsel, variërend van gezonde monsters tot monsters van patiënten met inflammatoire darmziekten. De onderzoeker bouwde een complexe kaart waarin cellen verbonden waren op basis van hun fysieke nabijheid, waardoor een netwerk ontstond met meer dan 2,6 miljoen verbindingen. Vervolgens trainde hij een neuraal netwerk, een type kunstmatige intelligentie ontworpen om deze verbindingen te verwerken, om de representaties van aanraakende cellen dichter bij elkaar te brengen in hun interne geheugen, in plaats van ze uit elkaar te duwen.

De resultaten van deze verandering waren opmerkelijk. Toen de onderzoeker het nieuwe model testte tegen de sterkste bestaande methoden, produceerde de nieuwe aanpak een veel duidelijker beeld van de organisatie van het weefsel. Een standaardmaatstaf voor hoe goed het model de natuurlijke flow van het weefsel vastlegde, verbeterde aanzienlijk van een score van 0,633 naar 0,756. Een andere maatstaf voor hoe consistent cellen in dezelfde buurt bij elkaar werden gegroepeerd, sprong van 0,765 naar 0,862. Deze verbeteringen werden bereikt terwijl er slechts de helft van de rekentijd en de helft van het geheugen nodig was die de vorige beste methoden vereisten. Het model identificeerde succesvol tien verschillende regio's in de weefselmonsters. Sommige van deze regio's werden gedomineerd door specifieke celtypen, zoals een gebied dat bijna volledig uit epitheelcellen bestaat, terwijl andere complexe mengsels waren van verschillende celtypen die alleen in specifieke ziektestadia voorkwamen, zoals duidelijke zones die alleen bij de ziekte van Crohn of colitis ulcerosa worden gevonden.

De studie onthulde ook enkele verrassende waarheden over hoe deze modellen geëvalueerd moeten worden en wat ze moeten vermijden. De onderzoeker testte of het toevoegen van een functie waarbij de computer de oorspronkelijke celgegevens moet reconstrueren uit een gecorrumpeerde versie zou helpen, een veelvoorkomende praktijk in dit veld. Hij stelde vast dat het tegendeel waar was: het toevoegen van deze reconstructietaken maakte het model juist slechter in het identificeren van buurten, wat de prestaties op elke gemeten metriek schaadde. Bovendien bracht de studie een fout aan het licht in de manier waarop wetenschappers vaak de kwaliteit van deze kaarten beoordelen. Eén veelgebruikte metriek, die meet hoe compact de geïdentificeerde regio's zijn, bleek zeer instabiel te zijn. Wanneer de onderzoeker exact hetzelfde model met een ander willekeurig startpunt draaide, schommelde de score voor deze metriek wild en veranderde deze met een factor 2,4. Dit betekent dat een enkele testronde niet vertrouwd kan worden om verschillende methoden eerlijk te vergelijken, aangezien het resultaat meer kan afhangen van het willekeurige startpunt dan van de kwaliteit van het model zelf.

Een ander belangrijk resultaat betrof hoe wetenschappers testen op interacties tussen celtypen. Een gangbaar statistisch instrument gaat ervan uit dat als twee celtypen niet interageren, hun arrangement eruit zou zien als een willekeurige schudding van labels over het gehele weefsel. De onderzoeker toonde aan dat deze aanname gebrekkig is voor weefsels waar cellen van nature clusteren. Wanneer zij de standaard test toepasten, suggereerde deze onterecht dat macrofagen en fibroblasten elkaar vermeden. Echter, toen zij een nauwkeurigere test gebruikten die de lokale buurtstructuur respecteerde, verdween het vals alarm, wat aantoonde dat deze cellen interageerden op de verwachte snelheid. Dit bevinding waarschuwt onderzoekers dat standaardinstrumenten misleidende conclusies over celgedrag kunnen creëren als ze geen rekening houden met de natuurlijke clustering van cellen in het weefsel.

Uiteindelijk demonstreert dit werk dat de manier waarop een computer wordt geleerd te leren even belangrijk is als de data die hij ziet. Door simpelweg de definitie van wat een "match" is te veranderen van "dezelfde cel" naar "aanraakende buren", stelde de onderzoeker de computer in staat om het weefsel te zien als een verzameling coherente buurten in plaats van een verzameling geïsoleerde individuen. Het model presteerde niet alleen beter; het produceerde een ander soort kaart, een die de biologische realiteit van weefselorganisatie weerspiegelde. Hoewel de studie beperkt was tot colonweefsel en zichzelf niet met elke andere bestaande methode vergeleek, biedt het een duidelijk pad voorwaarts voor het analyseren van ruimtelijke data. Het suggereert dat voor taken die betrokken zijn bij de ontdekking van weefselregio's, het doel moet zijn om de continuïteit van de ruimte te bewaren, en dat de instrumenten die worden gebruikt om succes te meten robuust genoeg moeten zijn om de inherente variabiliteit van clusteringalgoritmen op te vangen. De code voor deze nieuwe aanpak is nu beschikbaar voor andere wetenschappers om te gebruiken, wat een efficiëntere en nauwkeurigere manier biedt om de ingewikkelde buurten van het menselijk lichaam in kaart te brengen.