Applications of temporal graph learning for predicting the dynamics of biological systems

Resumo Técnico: Aplicações de Aprendizado em Grafos Temporais para Prever a Dinâmica de Sistemas Biológicos

Declaração do Problema
Avanços recentes em modelos fundamentais biológicos (por exemplo, scGPT, scFoundation, Geneformer) demonstraram desempenho robusto na aprendizagem de representações a partir de dados transcriptômicos de células únicas utilizando arquiteturas de transformador. No entanto, essas abordagens operam predominantemente em cenários estáticos, falhando em modelar explicitamente a evolução temporal dos programas de desenvolvimento. Essa limitação é crítica na biologia do desenvolvimento, onde os estados celulares emergem, diferenciam-se e reorganizam-se continuamente. Embora tecnologias como inferência de pseudotempo e velocidade de RNA permitam a reconstrução de trajetórias ordenadas a partir de dados de células únicas assíncronos, os métodos existentes tipicamente tratam os estados celulares de forma independente ou os modelam como instantâneos estáticos, negligenciando a estrutura regulatória em evolução (Redes de Regulação Gênica, ou GRNs) que fundamenta as transições de desenvolvimento. O desafio central é formular sistemas biológicos de desenvolvimento como processos de grafos em evolução adequados para aprendizado em grafos temporais, permitindo assim a previsão de estados biológicos futuros além da representação estática.

Metodologia
Os autores propõem um pipeline que transforma dados transcriptômicos de células únicas em grafos temporais de tempo discreto para aplicar Redes Neurais em Grafos Temporais (TGNNs). A metodologia procede da seguinte forma:

1. Inferência de Trajetória e Discretização: A partir de matrizes de expressão gênica de células únicas, as trajetórias de desenvolvimento são inferidas utilizando Pseudotempo de Difusão (DPT). As células são então agregadas em intervalos temporais (instantâneos) com base em seus valores de pseudotempo. O tamanho do intervalo é otimizado para equilibrar a resolução temporal com a robustez estatística necessária para a inferência de GRNs (geralmente visando 300–500 células por instantâneo).
2. Construção Temporal de GRNs: Para cada intervalo de pseudotempo, uma Rede de Regulação Gênica (GRN) é inferida utilizando o SCENIC. Essa estrutura combina análise de co-expressão gênica com enriquecimento de motivos de fatores de transcrição para identificar interações regulatórias biologicamente significativas. O resultado é um grafo temporal de tempo discreto $G = \{G(1), \dots, G(T)\}$, onde cada instantâneo $G(t)$ contém:
   • Nós ($V$): Genes com identidades persistentes ao longo do tempo.
   • Arestas ($E(t)$): Interações regulatórias inferidas no tempo $t$.
   • Características dos Nós ($X(t)$): Estatísticas agregadas de expressão gênica (média, mediana, variância, etc.) dentro do intervalo.
   • Características das Arestas: Pontuações de confiança da inferência da GRN.
3. Aprendizado em Grafos Temporais: As TGNNs são aplicadas a essa sequência de grafos para aprender representações temporais de nós que capturam tanto as dependências estruturais dentro dos instantâneos quanto as dinâmicas temporais entre eles.
4. Tarefas de Previsão: A estrutura é avaliada em três tarefas complementares:
   • Previsão Futura de Expressão Gênica: Prever a variação temporal na expressão gênica média ($\Delta x$) entre instantâneos consecutivos.
   • Previsão Futura de Links: Estimar a probabilidade de interações regulatórias existirem no próximo instantâneo $G(t+1)$.
   • Previsão Futura de Centralidade de Grau de Saída: Prever a importância topológica (grau de saída) dos genes em instantâneos futuros para identificar hubs regulatórios.

Principais Contribuições e Resultados
O estudo avalia a estrutura proposta em dois conjuntos de dados públicos de desenvolvimento de camundongos: gastrulação eritroide e endocrinogênese pancreática. Os resultados destacam várias descobertas-chave:

• Superioridade sobre Modelos Fundamentais Estáticos: Na previsão de expressão gênica, modelos temporais baseados em grafos superaram consistentemente modelos fundamentais biológicos estabelecidos (scGPT e scFoundation). Isso sugere que modelar explicitamente a estrutura regulatória em evolução fornece informações preditivas que representações estáticas pré-treinadas, sozinhas, não conseguem capturar.
• Eficácia de Arquiteturas Espectrais: Arquiteturas de convolução espectral em grafos, especificamente ChebNet e GCRN-GRU, emergiram como as melhores desempenhadoras em todas as tarefas. Os autores hipotetizam que essas arquiteturas são particularmente adequadas para a topologia heterofílica e centrada em hubs das GRNs, onde os fatores de transcrição atuam como reguladores centrais conectados a múltiplos alvos. Convoluções espectrais podem propagar efetivamente informações através de vizinhanças de múltiplos saltos nessas topologias em forma de estrela.
• Dinâmicas Temporais na Previsão de Links: Para a previsão de links, modelos temporais (particularmente GCRN-GRU) superaram significativamente as linhas de base estáticas (GCN, GAT) e estratégias simples de memorização (EdgeBank). Isso indica que os conjuntos de dados contêm dinâmicas temporais não triviais além da simples persistência de arestas, as quais as TGNNs capturam com sucesso.
• Relevância Biológica da Previsão de Hubs: O modelo identificou com sucesso hubs regulatórios temporalmente importantes. No conjunto de dados de gastrulação eritroide, as trajetórias de centralidade previstas alinharam-se com programas biológicos conhecidos: os estágios iniciais foram dominados por reguladores proliferativos (por exemplo, E2f8, Ran), enquanto os estágios posteriores mostraram centralidade crescente para reguladores eritroides canônicos (por exemplo, Klf1, Spi1, Erg).

Significado e Alegações
O artigo posiciona o aprendizado em grafos temporais como um paradigma promissor e complementar às abordagens atuais de modelos fundamentais na biologia de células únicas. Os autores afirmam que:

1. Modelagem Explícita de Dinâmicas: Reformular sistemas de desenvolvimento como grafos em evolução permite a modelagem explícita de mudanças na estrutura regulatória, oferecendo uma vantagem distinta sobre a aprendizagem de representações estáticas.
2. Complementaridade: Em vez de substituir modelos fundamentais, o aprendizado em grafos temporais oferece uma extensão necessária para tarefas que exigem a previsão da evolução dinâmica do sistema, como progressão do desenvolvimento e trajetória de doenças.
3. Viabilidade: Apesar da natureza destrutiva do sequenciamento de RNA de células únicas (que impede o rastreamento direto de células individuais), a reconstrução computacional de grafos temporais via agrupamento de pseudotempo é uma estratégia viável para aplicar aprendizado profundo a sistemas biológicos dinâmicos.

O trabalho é apresentado como um "trabalho em andamento", com os autores notando planos de estender o benchmark para conjuntos de dados adicionais, modelos fundamentais mais recentes e arquiteturas temporais baseadas em atenção mais recentes (por exemplo, DyGFormer) em trabalhos futuros.