CHORD: a framework for cross-species single-cell integration across gene, cell and cell-type levels

O CHORD é um novo framework de integração de dados de transcriptômica de célula única entre espécies que aprende representações conjuntas de genes, células e tipos celulares, permitindo a identificação de células desconhecidas, a construção de árvores de tipos celulares conservadas e a comparação de variações fenotípicas contínuas.

O essencial

Imagine que você tem dois livros de receitas gigantescos: um escrito em francês (representando o DNA de um sapo) e outro em japonês (representando o DNA de um peixe-zebra). Ambos os livros ensinam a cozinhar pratos deliciosos (criar células vivas), mas os ingredientes são chamados por nomes diferentes e as instruções estão em línguas que não se entendem.

Até hoje, os cientistas tentavam comparar esses livros apenas olhando para os ingredientes que tinham nomes parecidos (os "ortólogos"). Se um ingrediente não tinha um equivalente direto no outro livro, ele era ignorado. Isso era como tentar comparar as receitas apenas olhando para a farinha e o açúcar, ignorando o tempero secreto ou o modo de preparo.

É aqui que entra o CHORD, a nova ferramenta apresentada neste artigo.

O que é o CHORD?

Pense no CHORD como um tradutor superinteligente e um chef de cozinha mestre que não apenas traduz palavras, mas entende o contexto de toda a receita.

Ele não olha apenas para os ingredientes isolados. Ele olha para:

1. Os Ingredientes (Genes): Quais substâncias estão sendo usadas.
2. O Prato Pronto (Células): Como o resultado final se parece.
3. O Estilo do Prato (Tipos de Células): Se é uma sobremesa, um prato principal ou um aperitivo.

Como ele funciona na prática?

1. A Ponte entre Espécies
O CHORD consegue pegar as células de um sapo e as de um peixe-zebra e dizer: "Olha, embora os nomes dos ingredientes sejam diferentes, essa célula do sapo e aquela célula do peixe estão fazendo a mesma coisa no corpo deles". Ele cria uma "ponte" onde células semelhantes ficam sentadas na mesma mesa, mesmo que venham de espécies muito diferentes.

2. O Mapa da Família
Imagine que você quer desenhar uma árvore genealógica de todas as células. O CHORD desenha essa árvore e mostra quem é parente de quem. Ele consegue dizer: "Essa célula do cérebro de um rato e aquela célula do cérebro de um humano são primos distantes, mas compartilham a mesma 'família' de funções". Isso ajuda a entender o que é comum a todos os animais e o que é único de cada um.

3. O Relógio do Tempo
O CHORD também é capaz de alinhar o tempo. Se você tem células de embriões de diferentes espécies crescendo, ele consegue organizar tudo em uma linha do tempo sincronizada. É como se ele dissesse: "Neste momento exato da história do sapo, o peixe-zebra estava exatamente nessa mesma fase de desenvolvimento". Isso permite comparar como os bebês de diferentes animais crescem, passo a passo.

4. O Detetive de Ingredientes
Além de comparar, o CHORD descobre o que é importante. Ele aponta quais ingredientes (genes) são os "chefes" que controlam a criação de cada tipo de prato (célula). Se um ingrediente novo aparece e ninguém sabe o que ele faz, o CHORD analisa o contexto da receita inteira para adivinhar sua função.

Por que isso é importante?

Antes, os cientistas estavam tentando montar um quebra-cabeça gigante com peças de duas caixas diferentes, mas só conseguiam encaixar as peças que tinham formatos idênticos. O CHORD permite que eles encaixem peças que têm formatos diferentes, mas que se encaixam perfeitamente na imagem final porque entendem a história que as peças contam juntas.

Em resumo, o CHORD é uma ferramenta mágica que une o mundo biológico, permitindo que cientistas entendam como a vida funciona de forma similar em animais diferentes, acelerando a descoberta de como nosso próprio corpo funciona e como podemos tratar doenças.

Resumo técnico

1. O Problema

A integração de dados de transcriptômica de célula única (scRNA-seq) entre diferentes espécies é fundamental para identificar padrões conservados e divergentes na hierarquia de tipos celulares. No entanto, os métodos de integração existentes enfrentam limitações significativas:

• Dependência excessiva de ortólogos: A maioria das ferramentas foca apenas em genes ortólogos (genes compartilhados por descendência comum), ignorando o contexto transcricional resolvido por tipo celular que poderia ajudar a modelar genes não ortólogos.
• Falta de representações explícitas: Muitos métodos não aprendem representações explícitas e hierárquicas no nível do tipo celular, dificultando a comparação estruturada entre as espécies.
• Dificuldade em capturar variações contínuas: A comparação de variações fenotípicas contínuas (como o desenvolvimento embrionário) entre espécies é desafiadora sem um alinhamento temporal preciso.

2. Metodologia: O Framework CHORD

O CHORD (Cross-species Hierarchical Organization of Representations and Dynamics) é um novo framework de integração que supera essas limitações através de uma abordagem de aprendizado de máquina que aprende conjuntamente representações de três níveis:

1. Genes: Captura relações funcionais e ortólogas.
2. Células: Representa o estado individual de cada célula.
3. Tipos Celulares: Aprende representações explícitas e hierárquicas dos tipos celulares.

O modelo utiliza essas representações conjuntas para:

• Integrar atlas de célula única de diferentes espécies.
• Realizar anotação de tipos celulares, incluindo a detecção de tipos celulares desconhecidos.
• Alinhar trajetórias de desenvolvimento contínuas entre espécies, permitindo a comparação de variações fenotípicas ao longo do tempo.

3. Principais Contribuições

• Integração Multinível: É a primeira abordagem proposta que integra simultaneamente as escalas de gene, célula e tipo celular em um único framework unificado para comparação cruzada de espécies.
• Inferência de Árvores de Tipos Celulares: O CHORD consegue inferir árvores filogenéticas ou hierárquicas de tipos celulares que posicionam tipos conservados de diferentes espécies em proximidade relativa, resumindo suas relações hierárquicas.
• Alinhamento Temporal de Desenvolvimento: Capacidade de colocar células embrionárias de espécies diferentes em uma linha do tempo de desenvolvimento alinhada, facilitando a comparação de processos dinâmicos.
• Embeddings de Genes e Scores de Importância: Gera embeddings (vetores de representação) para genes que capturam tanto relações ortólogas quanto funcionais, além de produzir scores de importância que ligam genes específicos a tipos celulares.

4. Resultados e Validação

O framework foi validado em dois cenários biológicos distintos:

• Embriogênese de Rã e Peixe-zebra: O CHORD demonstrou eficácia na integração de dados de embriogênese entre anfíbios e peixes, alinhando com sucesso as trajetórias de desenvolvimento e identificando tipos celulares conservados.
• Atlas do Córtex Motor de Mamíferos: Na comparação de córtex motor entre mamíferos, o modelo inferiu árvores de tipos celulares que colocaram tipos conservados (como neurônios piramidais e interneurônios) de diferentes espécies em proximidade espacial no espaço latente, revelando a estrutura hierárquica conservada.

Além disso, o modelo foi capaz de detectar tipos celulares desconhecidos durante a anotação e fornecer insights sobre a importância de genes específicos para a definição de certos tipos celulares através dos seus scores de importância.

5. Significado e Impacto

O CHORD representa um avanço significativo na biologia computacional e na genômica comparativa. Ao permitir uma integração que vai além da simples correspondência de ortólogos e incorpora a hierarquia biológica e o contexto funcional, ele:

• Facilita a descoberta de princípios evolutivos conservados na organização celular.
• Melhora a anotação de dados de novas espécies onde a referência é limitada.
• Oferece uma ferramenta robusta para estudar a evolução do desenvolvimento e a diversificação de tipos celulares, fornecendo uma base mais sólida para traduzir descobertas de modelos animais para a biologia humana.