Integrating chemical structures as treatments improves representations of microscopy images for morphological profiling

Resumo Técnico: MICON – Aprendizado Contrastivo Molecular-Imagem para Perfilagem Morfológica

Declaração do Problema
Ensaios de microscopia de alto rendimento, como o Cell Painting, são críticos para a descoberta de fármacos, permitindo a quantificação de alterações morfológicas celulares em resposta a perturbações químicas ou genéticas. Este processo, conhecido como perfilagem morfológica, converte imagens em vetores de características (representações) para comparar fenótipos celulares. Embora o aprendizado profundo tenha melhorado as características tradicionais criadas manualmente (por exemplo, CellProfiler), a maioria dos métodos auto-supervisionados existentes aprende exclusivamente a partir de dados de imagem. Essa abordagem ignora a natureza multimodal inerente a esses experimentos, onde um composto químico específico (perturbação) induz a mudança fenotípica observada. Além disso, os dados de microscopia são afetados por "efeitos de lote" — variações técnicas decorrentes de diferentes instrumentos, dias ou fontes — que podem confundir sinais biológicos. Abordagens multimodais atuais que tentam alinhar imagens e compostos diretamente (por exemplo, via objetivos CLIP) frequentemente lutam, pois as respostas fenotípicas ao mesmo composto variam conforme o tipo celular, criando uma tensão onde uma única representação de composto deve alinhar-se a múltiplas representações fenotípicas distintas.

Metodologia: Framework MICON
Os autores introduzem o MICON (Aprendizado Contrastivo Molecular-Imagem), um framework de aprendizado de representação auto-supervisionado que modela explicitamente compostos químicos como tratamentos que induzem transformações em imagens celulares, em vez de tratar imagens e compostos como entidades diretamente comparáveis em um espaço compartilhado.

O framework consiste em três componentes principais:

1. Codificadores:
   • Um Codificador de Imagem ($h_{img}$), baseado em um ResNet101 pré-treinado no ImageNet, processa imagens de microscopia.
   • Um Codificador de Composto ($h_{comp}$), um perceptron multicamadas (MLP), processa compostos químicos representados como impressões digitais ECFP4.
2. Módulo de Fusão: Um MLP de duas camadas ($F$) que toma a concatenação de uma representação de imagem de controle negativo e uma representação de composto para prever a representação da imagem como se ela tivesse sido tratada com aquele composto.
3. Funções de Perda: O modelo é treinado usando dois objetivos contrastivos:
   • Aprendizado Contrastivo Sensível à Perturbação (PaCLR) em Imagens Reais: Diferentemente do aprendizado contrastivo padrão (por exemplo, SimCLR), que trata todas as outras imagens em um lote como negativas, o PaCLR usa metadados para definir pares positivos. Imagens tratadas com a mesma perturbação (mesmo de diferentes lotes/fontes) são pares positivos. Crucialmente, imagens de controle negativo (DMSO) do mesmo lote de microscopia que as imagens perturbadas são usadas como pares negativos. Isso força o modelo a aprender sinais biológicos invariantes a efeitos de lote, distinguindo perturbações de ruído técnico.
   • Perda PaCLR Predita: Este objetivo alinha as representações preditas (geradas pelo módulo de fusão) com as representações reais de células realmente tratadas com o composto. Essa perda integra especificamente informações da estrutura química, treinando o modelo para simular transformações fenotípicas.

A perda final é um peso igual entre a perda PaCLR real e a perda PaCLR predita.

Principais Contribuições

• Formulação Multimodal Inovadora: O MICON propõe modelar compostos como tratamentos que transformam representações de imagem, evitando as armadilhas do alinhamento direto imagem-composto, onde a variabilidade fenotípica cria conflitos de alinhamento.
• Robustez a Efeitos de Lote: Ao incorporar explicitamente controles negativos dos mesmos lotes de microscopia na estratégia de amostragem do aprendizado contrastivo, o MICON aprende representações robustas a variações técnicas entre fontes e lotes.
• Ablação da Integração Multimodal: O estudo isola a contribuição das informações de estrutura química comparando o modelo MICON completo contra uma versão treinada apenas com a perda PaCLR (somente imagem) e contra baselines como SimCLR, CLIP e DINOv3.

Resultados
Os autores avaliaram o MICON no conjunto de dados do Consórcio JUMP Cell Painting (cpg0016), utilizando estratificação rigorosa de dados para testar a generalização para fontes não vistas (Fora da Distribuição, OOD) e compostos não vistos.

• Desempenho Superior em Efeitos Reprodutíveis: Em tarefas de correspondência de réplicas de compostos (identificar se duas imagens compartilham o mesmo tratamento), o MICON superou significativamente o CellProfiler, SimCLR, CLIP e DINOv3. No conjunto de dados de distribuição interna de Controle Positivo (POS-CTL), o MICON alcançou 62,24% de precisão (1-NN, Não-Mesmo-Lote), comparado a 36,56% para o CellProfiler e 37,77% para o SimCLR.
• Generalização para Fontes Não Vistas: Quando testado em uma fonte completamente não vista durante o treinamento, o MICON manteve ganhos de desempenho significativos sobre as baselines (51,57% vs. 39,26% para o CellProfiler), enquanto outros métodos auto-supervisionados (SimCLR, CLIP, DINOv3) caíram para ou abaixo do desempenho do CellProfiler, sugerindo que eles sofreram overfitting às fontes de treinamento.
• Generalização para Compostos Não Vistos: Em configurações OOD envolvendo 184 compostos não vistos, o MICON novamente superou todas as baselines (4,92% vs. 3,53% para o CellProfiler), demonstrando que a integração de informações químicas melhora a generalização para novas perturbações.
• Robustez à Correção de Lote: Mesmo após a aplicação de correção de lote padrão post-hoc (esferização), o MICON continuou a superar outros métodos auto-supervisionados, indicando que seu desempenho decorre de um reconhecimento fenotípico superior e não apenas da mitigação de efeitos de lote.
• Enriquecimento do Modo de Ação (MoA): O MICON mostrou o maior enriquecimento para compostos que compartilham o mesmo MoA, sugerindo um melhor agrupamento de fenótipos biologicamente similares.
• Previsão Sintética: O modelo demonstrou a capacidade de prever efeitos fenotípicos de compostos não vistos usando representações geradas, embora o desempenho em compostos não vistos tenha sido modesto em comparação com compostos vistos.

Significado e Alegações
O artigo afirma que o MICON estabelece uma nova direção para o aprendizado de representação na perfilagem morfológica, levando em conta explicitamente a natureza multimodal dos dados de triagem. Os autores argumentam que:

1. Integração Multimodal é Essencial: Incorporar informações de estrutura química fornece melhorias pequenas, mas consistentes e estatisticamente significativas sobre o aprendizado somente de imagem.
2. Estratégia de Modelagem Importa: Tratar compostos como "tratamentos" que transformam imagens (MICON) é superior ao alinhamento direto de imagens e compostos em um único espaço (abordagens estilo CLIP).
3. Robustez à Variabilidade do Mundo Real: Os ganhos de desempenho do MICON não são meramente devidos a uma melhor correção de lote, mas refletem uma captura mais robusta de sinais fenotípicos biológicos, particularmente em cenários envolvendo fontes de dados ou compostos não vistos.

Os autores permanecem modestos quanto à capacidade preditiva do modelo, observando que, embora possa sintetizar efeitos fenotípicos, o desempenho atual em compostos não vistos é baixo, e é necessária uma otimização adicional do peso da perda e dos hiperparâmetros antes que tais capacidades preditivas possam ser praticamente implantadas para triagem de compostos.