GeneRhythm uncovers gene expression rhythms that shape the dynamic transcriptional landscape in single-cell omics

Resumo Técnico do GeneRhythm

Definição do Problema
Programas de expressão gênica dinâmicos impulsionam o desenvolvimento e as doenças, mas os atuais frameworks analíticos de célula única operam predominantemente no domínio do tempo. Esses métodos convencionais capturam mudanças na magnitude da expressão e na similaridade de trajetórias, mas falham em resolver como essas mudanças são organizadas ritmicamente. Consequentemente, programas regulatórios que diferem em periodicidade, fase ou dinâmica multiescala frequentemente parecem indistinguíveis se compartilharem tendências gerais semelhantes. Essa limitação obscurece dimensões fundamentais da regulação gênica, confundindo distintos mecanismos regulatórios que possuem diferentes estruturas rítmicas, mas trajetórias de domínio do tempo semelhantes.

Metodologia
Os autores introduzem o GeneRhythm, um framework que reformula a expressão gênica no domínio tempo–frequência para modelar explicitamente a estrutura rítmica como uma dimensão primária da regulação gênica. O fluxo de trabalho procede através das seguintes etapas:

1. Reconstrução de Trajetória e Interpolação: Dados de célula única (scRNA-seq, scATAC-seq, transcriptômica espacial) são processados para inferir trajetórias celulares (ex: usando Monocle3). A expressão gênica é agregada em marcos (waypoints) e suavizada via interpolação de spline cúbica para gerar sinais contínuos no domínio do tempo.
2. Transformação Tempo–Frequência: Sinais contínuos passam pela Transformada de Wavelet Contínua (CWT) usando uma wavelet Mexican hat. Isso gera mapas tempo–frequência ($W(a, b)$) que preservam a localização temporal e capturam padrões oscilatórios em múltiplas escalas, definindo um "perfil rítmico" para cada gene.
3. Aprendizado de Representação Profunda: Uma arquitetura de rede neural profunda de múltiplos ramos integra três conjuntos de características:
   • $X_c$: Expressão gênica através das células.
   • $X_t$: Características dinâmicas do domínio do tempo (derivadas da trajetória).
   • $X_f$: Características rítmicas do domínio da frequência (derivadas de wavelet).
     Redes Convolucionais de Grafos (GCNs) incorporam priors de Interação Proteína–Proteína (PPI) para propagar informações rítmicas através de redes regulatórias. Um framework de Autoencoder Variacional (VAE) aprende um embedding gênico latente unificado que captura a magnitude da expressão, a progressão temporal e a estrutura resolvida em frequência.
4. Funcionalidades Principais:
   • Agrupamento Rítmico (Rhythmic Clustering): Genes são agrupados com base em uma organização rítmica compartilhada no espaço latente, independentemente da forma da trajetória no domínio do tempo.
   • Identificação de Genes Ritmicamente Diferenciais (DRG): Testes estatísticos (teste t em perfis de frequência) identificam genes com mudanças rítmicas específicas de condição, mesmo quando as diferenças na expressão média são negligenciáveis.
   • Perturbação In Silico Rítmica: O framework simula perturbações de genes ou vias dentro do espaço latente do domínio da frequência. Ele quantifica o deslocamento das representações de estado de doença em direção aos estados de controle para priorizar reguladores cujo impacto funcional é codificado na estrutura rítmica.
   • Sonificação Gênica: Dinâmicas resolvidas em frequência são traduzidas em partituras musicais estruturadas (MIDI), mapeando escalas de wavelet para o tom (pitch) e amplitude para densidade de notas, fornecendo uma modalidade interpretável para análise exploratória.

Principais Resultados

• Agrupamento Rítmico: Em conjuntos de dados de sangue embrionário de camundongo e crista neural, o GeneRhythm identificou módulos gênicos coerentes no espaço de frequência, apesar de trajetórias divergentes no domínio do tempo. Clusters de alta frequência foram enriquecidos para sinalização imune e programas regulatórios rápidos, enquanto clusters de baixa frequência alinharam-se com manutenção do desenvolvimento e funções de housekeeping. Em comparação com scNET, scSTEM, Clust e WGCNA, o benchmarking mostrou que o GeneRhythm alcançou métricas de agrupamento geométrico superiores (Calinski–Harabasz, Davies–Bouldin, Dunn, Silhouette) e maior coerência biológica em nível de via.
• Descoberta de Ritmo Diferencial: Através de conjuntos de dados de exposição ao arsênico, COVID-19 e diabetes, a análise de DRG identificou marcadores de doenças específicos perdidos pela análise convencional de expressão diferencial (DEG). Por exemplo, em células expostas ao arsênico, o marcador Maml2 mostrou uma reorganização rítmica distinta sem mudanças significativas na expressão média. Da mesma forma, KLRF1 na COVID e THRAP3 no diabetes exibiram fenótipos rítmicos estruturados invisíveis aos métodos padrão de DEG.
• Aplicações Multi-Ômicas e Espaciais: Na transcriptômica espacial (córtex pré-frontal dorsolateral humano), a análise rítmica distinguiu direções espaciais de "Camadas Cruzadas" (Cross Layers) de "Camadas Intra" (Intra Layers), revelando marcadores corticais como GLYAT que eram indetectáveis via comparações estáticas de expressão. Em dados pareados de scATAC-seq e scRNA-seq, o framework identificou genes "preparados" (primed) onde a acessibilidade da cromatina mostrou sinais rítmicos diferenciais precedendo as mudanças transcricionais.
• Perturbação e Relevância Clínica: A perturbação in silico em conjuntos de dados de COVID e adenocarcinoma ductal pancreático (PDAC) identificou candidatos a alvos terapêuticos (ex: Azeliragon, Gemcitabine) e vias que não foram priorizadas por métodos baseados em expressão. No PDAC, genes unicamente identificados pela perturbação no domínio da frequência mostraram uma estratificação prognóstica (análise de sobrevivência) significativamente mais forte em comparação com os identificados por perturbação convencional não baseada em frequência.

Significância e Alegações
O artigo afirma que o GeneRhythm estabelece a estrutura rítmica definida pelo domínio da frequência como uma dimensão fundamental da regulação gênica, anteriormente não modelada. Ao mudar do domínio do tempo para a representação tempo–frequência, o framework:

1. Revela Programas Regulatórios Ocultos: Revela programas transcricionais e módulos regulatórios relevantes para doenças que são invisíveis para análises convencionais de domínio do tempo porque diferem em periodicidade ou fase, em vez de magnitude.
2. Fornece uma Base Analítica Geral: A abordagem generaliza-se através de diversas modalidades (scRNA-seq, scATAC-seq, transcriptômica espacial) e contextos biológicos (desenvolvimento, doença), ofereando uma base unificada para analisar, comparar e perturbar programas regulatórios dinâmicos.
3. Permite Insights Acionáveis: Através da perturbação rítmica in silico e da sonificação, o framework traduz dinâmicas complexas do domínio da frequência em representações interpretáveis, vinculando a sensibilidade rítmica a alvos de drogas, enriquecimento de vias e desfechos clínicos.

Os autores posicionam o GeneRhythm não como um substituto para ferramentas existentes, mas como uma lente complementar que resolve sistematicamente a estrutura regulatória perdida pela similaridade de trajetória e comparações de expressão média, reduzindo assim a ambiguidade no alinhamento de achados regulatórios dinâmicos com mecanismos biológicos.