CellBRIDGE: Learning Cellular Trajectories via Interaction-Aware Alignment

Resumo Técnico: CellBRIDGE

Definição do Problema

Inferir a dinâmica celular a partir de instantâneos (snapshots) populacionais é um desafio fundamental no sequenciamento de RNA de célula única (scRNA-seq). Como as medições de scRNA-seq são destrutivas, células individuais não podem ser rastreadas ao longo do tempo, tornando a inferência de trajetórias um problema subdeterminado. Embora o Transporte Ótimo (OT) forneça uma estrutura fundamentada para alinhar distribuições entre pontos temporais, as abordagens padrão dependem exclusivamente de distâncias de expressão gênica. Esses métodos tratam implicitamente as células como partículas independentes, negligenciando a comunicação célula-célula (CCI) estruturada, mediada pelo sinal de ligante-receptor (LR), que é conhecida por impulsionar o desenvolvimento e doenças. Consequentemente, a escolha da função de custo no OT permanece um gargalo para gerar acoplamentos biologicamente significativos.

Metodologia: CellBRIDGE

Os autores introduzem o CellBRIDGE (Cell-Based Regularized Interaction-Driven Gene Expression), um framework que aumenta o OT baseado em características com um custo de interação direcionado e tipado, derivado da atividade de LR.

1. Construção de Custo Consciente de Interação

Em vez de depender de coordenadas espaciais (que não estão disponíveis em scRNA-seq dissociado), o CellBRIDGE constrói redes de comunicação aproximadas dentro de cada instantâneo:

• Pré-processamento: As contagens de expressão gênica são normalizadas e mapeadas para $[0, 1]$ usando uma função de saturação de Hill para capturar efeitos de ocupação de receptores.
• Pontuação: Para um conjunto de $P$ pares ligante-receptor, um tensor de CCI direcionado e não negativo $G \in \mathbb{R}^{n \times n \times P}_{\geq 0}$ é construído. A pontuação de interação entre uma célula emissora $i$ e uma célula receptora $j$ para o par $p$ é calculada como o produto da expressão do ligante em $i$ e da expressão do receptor em $j$.
• Estrutura: Isso resulta em uma representação multicanal e direcionada da comunicação célula-celular.

2. Formulação de Gromov–Wasserstein Fundido (FGW)

O CellBRIDGE enquadra o problema de alinhamento como uma otimização de Gromov–Wasserstein Fundido (FGW). Ele busca um acoplamento $\Gamma$ que minimize uma soma ponderada de dois termos:

1. Custo de Característica ($F$): O custo de transporte padrão no espaço de expressão gênica (ex: distância euclidiana ao quadrado), impondo uma evolução suave dos estados transcricionais.
2. Custo de Estrutura ($S$): Um termo de distorção que mede o descompasso entre os perfis de interação direcionados e multicanais de pares de células de origem e alvo.

A função objetivo é:
$$\min_{\Gamma \in \Pi(a,b)} (1-\alpha) \langle \Gamma, C \rangle_F + \alpha \sum_{i,k,j,l} \phi(g^{(0)}_{i \to k}, g^{(1)}_{j \to l}) \Gamma_{ij} \Gamma_{kl}$$
onde $\alpha \in [0, 1]$ equilibra a similaridade de características e a preservação da estrutura de interação, e $\phi$ é uma métrica de similaridade (padrão: distância euclidiana ao quadrado) entre os vetores de canais LR.

3. Modularidade e Integração Downstream

Um princípio de design fundamental é que o prior de interação é injetado apenas no nível do acoplamento. O acoplamento resultante $\Gamma^*$ serve como uma entrada plug-and-play para vários modelos de trajetória de tempo contínuo, incluindo:

• Conditional Flow Matching (CFM): Aprendendo campos de velocidade determinísticos.
• Metric Flow Matching (MFM): Aprendendo fluxos em uma variedade riemanniana dependente de dados.
• Stochastic Schrödinger Bridges (SF2M): Modelando dinâmicas estocásticas.
• Unbalanced OT: Contabilizando mudanças na massa populacional (proliferação/apoptose).

O framework resolve o problema FGW não convexo usando uma rotina de gradiente condicional (Frank-Wolfe) customizada e emprega um esquema de normalização para garantir que os termos de característica e estrutura estejam em escalas comparáveis.

Principais Contribuições

1. Visão de Função de Custo: O artigo identifica o design do custo de OT como uma alavanca crítica para o alinhamento de instantâneos, propondo a suavidade da comunicação célula-célula direcionada e tipada como um prior biologicamente fundamentado, ortogonal ao princípio da ação mínima na expressão gênica.
2. FGW Tipado e Direcionado: Os autores generalizam o FGW para lidar com estruturas de interação direcionadas e de múltiplas relações (vetor-valor) derivadas de sinalização LR, gerando acoplamentos conscientes de interação.
3. Ampla Aplicabilidade: O método demonstra que acoplamentos conscientes de interação melhoram a inferência de trajetórias em diversos frameworks (CFM, MFM, SF2M, UOT), estabelecendo a estrutura de CCI como um prior de propósito geral.
4. Interpretabilidade Mecanística: Ao operar sobre o catálogo LR, o CellBRIDGE permite perturbações in silico. Silenciar pares LR específicos no catálogo induz mudanças na trajetória que recapitulam os efeitos biológicos esperados da inibição de vias.

Resultados Experimentais

Os autores avaliaram o CellBRIDGE em dados sintéticos e seis conjuntos de dados de scRNA-seq do mundo real (incluindo tumor de pulmão, córtex V1, estimulação de células dendríticas e desenvolvimento embrionário de camundongo).

• Qualidade do Acoplamento: Em dados sintéticos com mapas de transporte de verdade fundamental (ground-truth), a incorporação da estrutura de interação ($\alpha > 0$) recuperou significativamente o mapa de transporte real, enquanto o OT de apenas características ($\alpha=0$) falhou devido ao desalinhamento de clusters com expressões semelhantes, mas papéis de sinalização diferentes.
• Inferência de Trajetória: Em conjuntos de dados reais, o CellBRIDGE consistentemente reduziu os erros de interpolação (distâncias Wasserstein-1 e Wasserstein-2) em comparação com baselines de última geração (ex: TrajectoryNet, DSB, Moscot, OT-CFM). O melhor desempenho foi tipicamente alcançado em uma configuração equilibrada ($\alpha \approx 0.5$), embora alguns conjuntos de dados (ex: Estímulo Dendrítico) tenham favorecido apenas a estrutura ($\alpha=1$).
• Fundamentação Biológica: Estudos de ablação confirmaram que os ganhos foram impulsionados pela estrutura coerente de LR. Randomizar o catálogo de LR ou embaralhar as entradas do tensor de CCI degradou o desempenho.
• Perturbações In Silico: Em dados de câncer de pulmão, silenciar pares LR específicos (EGFR, ALK, MET) induziu mudanças na trajetória consistentes com a inibição de vias terapêuticas conhecidas, enquanto edições em vias cardio-renais não relacionadas tiveram efeitos negligenciáveis.
• Limitações: O método depende da suposição de que a geometria de interação é aproximadamente persistente entre os instantâneos. Em sistemas de remodelagem rápida com grandes lacunas temporais (ex: desenvolvimento embrionário de camundongo ao longo de 6 dias), o prior de interação tornou-se pouco informativo, e o desempenho não melhorou em relação ao OT de apenas características.

Significância e Alegações

O artigo afirma que o CellBRIDGE aborda a natureza subdeterminada da inferência de trajetória ao injetar um viés indutivo biológico: a evolução suave da comunicação ligante-receptor. Ao desacoplar o prior estrutural da dinâmica do modelo, o CellBRIDGE oferece uma abordagem modular e interpretável que melhora a fidelidade do alinhamento e permite a análise contrafactual específica de mecanismos. Os autores enfatizam que seu método não requer dados espaciais, tornando-o aplicável ao scRNA-seq dissociado padrão, e que ele complementa os avanços existentes em modelagem generativa ao refinar o problema de correspondência de endpoints sem alterar as arquiteturas downstream.