🧬 biology

Querying Counterfactuals on Tissue Graphs with Supervised Disentanglement

本文介绍了 Cellina，这是一个监督解离框架，它通过将细胞的内在状态与其空间上下文分离，使组织图反事实形式化，从而能够准确预测在重连或修改邻居相互作用下的表达变化，并在大规模空间转录组学数据集上优于现有方法。

原作者： Abdul Moeed, Stefan Schrod, Martin Rohbeck, Marc Jan Bonder, Pavlo Lutsik, Oliver Stegle, Daniel Dimitrov

发布于 2026-06-09

📖 1 分钟阅读☕ 轻松阅读

原作者： Abdul Moeed, Stefan Schrod, Martin Rohbeck, Marc Jan Bonder, Pavlo Lutsik, Oliver Stegle, Daniel Dimitrov

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

以下是使用简单语言和日常类比对该论文进行的解释。

大局观：“细胞社区”问题

想象一个城市，这里的每个人（细胞）都有独特的个性并承担着特定的工作。在生物学中，我们想要预测一个人如果搬到另一个社区，其行为会发生怎样的变化。

旧方法： 以前的计算机模型将人们视为孤立个体。它们假设如果你给每个人同样的“刺激”（比如一条新法律或一种病毒），无论邻居是谁，每个人的反应都是一样的。
现实情况： 在活体生物体内，你的行为深受邻居的影响。住在面包店旁边的人可能会闻到面包香并感到饥饿；住在建筑工地旁边的人可能会感到压力。在生物学中，一个细胞的“情绪”（基因表达）是由紧邻它的细胞所塑造的。

该论文认为，要预测一个细胞如何变化，我们不能只看细胞本身；我们必须模拟如果更换它的邻居或者改变邻居在说什么时会发生什么。

解决方案：“Cellina”（社区模拟器）

作者构建了一个名为 Cellina 的工具。可以将 Cellina 想象成一个超级聪明的翻译官，它能够将一个人的“内在自我”与其“环境”分离开来。

一个人的两个部分：
- 内在自我（固有属性）： 你核心的本质（例如：“我是一个面包师”）。这不会因为你搬家而改变。
- 环境（外在属性）： 环境如何影响你（例如：“我身上有面包味，因为我住在面包店旁边”）。
魔术技巧（解耦/解缠绕）：
许多 AI 模型会将这两者混淆。如果把一个面包师搬到建筑工地，一个糟糕的模型可能会认为这个面包师变成了一名建筑工人。Cellina 的特别之处在于它使用了“监督式解耦”。
- 类比： 想象你有一张人物照片。Cellina 使用一种特殊的滤镜将人物与背景分离。它学会了即使背景改变也能识别出那个人，同时也学会了即使人变了也能识别出那个背景。
- 学习方式： 它使用一个“老师”（细胞类型标签）来说：“这部分数据是人的身份”，以及一个“恶作剧者”（对抗性训练）来说：“确保‘人’的部分不会意外地学到任何关于‘社区’的信息”。

两种类型的实验

论文通过两个特定的“如果……会怎样？”的情景来测试 Cellina，作者称之为反事实（Counterfactuals）：

1. 边扰动（“搬家”测试）

问题： “如果我们把这个细胞物理移动到一个不同的社区，并给它一套全新的邻居，它会是什么样子？”
类比： 想象把一个面包师搬到一个建筑工地，用建筑工人取代他原来的邻居。Cellina 预测仅仅通过被这些新人群包围，面包师的行为会如何变化。
结果： Cellina 在这方面比其他工具表现得好得多。它成功预测了面包师的行为会开始改变（例如，身上开始有锯木屑的味道），但同时没有丢失其作为面包师的身份。

2. 节点扰动（“改变信息”测试）

问题： “如果邻居还住在同一个房子里，但他们开始喊些不同的内容呢？”
类比： 面包师仍然住在建筑工人旁边，但他们不再大喊关于钻机的消息，而是开始大喊关于蓝图的消息。Cellina 预测面包师在原地不动的情况下，会对这种对话的变化做出何种反应。
结果： Cellina 也能模拟这一点，预测特定的生物通路（如特定的基因程序）如何根据这些新信号开启或关闭。

为什么这很重要（根据论文所述）

作者在两个大规模数据集上测试了 Cellina：

结直肠癌： 观察健康结肠组织与癌变组织的细胞。
小鼠大脑： 观察小鼠大脑的不同区域。

研究发现：

更好的预测能力： Cellina 在预测这些“虚拟实验”中的细胞变化方面，击败了所有现有的方法（如 scGen、CPA 和 MintFlow）。
发现隐藏模式： 由于 Cellina 将“社区”与“细胞”分离，它发现了其他方法错过的癌症组织中的隐藏亚群。它意识到，即使在同一个肿瘤内，并非所有的癌细胞都处于相同的“环境”中。
可扩展性： 它可以处理数百万个细胞而不会崩溃，这在现代生物学中是一个重大突破。

Cellina 不做什么（严格基于文本）

它不是治愈疾病的预言球： 论文明确指出这些是“计算机模拟”（in-silco）预测。它们是“生成式假设”，在确定其真实性之前，需要在真实的实验室（wet-lab）中进行验证。
它不能取代医生： 作者并未声称该工具目前可以诊断患者或开具处方。它是一个帮助科学家理解组织中细胞如何相互作用的研究工具。
它依赖于标签： 为了发挥其魔力，Cellina 需要被告知它正在观察什么样的“类型”的细胞（例如，“这是一个 T 细胞”）以及它处于哪个“区域”（例如，“这是肿瘤”）。它利用这些标签来学习如何分离身份与环境。

总结

Cellina 是一个全新的计算机程序，它将组织视为由相互连接的邻居组成的图谱。它学习如何将一个细胞的身份与其周围环境区分开来。通过这样做，它可以回答“如果……会怎样？”的问题：“如果这个细胞有了不同的邻居会怎样？”或者“如果它的邻居说了别的话会怎样？”它在这些方面比以往任何工具都做得更好，有助于科学家理解组织（如肿瘤和大脑）中细胞复杂的社交生活。

技术摘要：基于监督解耦的组织图谱反事实查询

问题定义

单细胞生物学旨在预测细胞对扰动的反应。然而，现有方法通常依赖于两个违反组织特性的假设：(i) 扰动是应用于所有细胞的共享刺激；(ii) 细胞是条件独立的（i.i.d.）。在活体组织中，细胞的转录状态受其局部邻域的影响，而每个细胞的邻域上下文都是独特的。

作者将**组织图谱反事实（tissue graph counterfactuals）**形式化为一类空间干预问题，即：如果一个细胞的邻域上下文发生改变，但其内在身份保持不变，该细胞会表达什么？ 这些干预针对组织图谱中的两个可变组件：

边扰动（Edge Perturbation）： 重构细胞的邻域连接（替换邻居）。
节点扰动（Node Perturbation）： 在保持图拓扑结构的同时，修改现有邻居的基因表达特征。

现有方法缺乏处理此类查询的统一框架，通常将细胞视为 i.i.d.，或者仅针对特定的干预类型，未能将细胞内在身份与外在微环境影响进行分离。

方法论：Cellina

本文介绍了 Cellina，一种图变分自编码器（graph VAE），通过**监督解耦（supervised disentanglement）**使组织图谱反事实的计算变得可行。

模型架构

Cellina 将细胞的基因表达 $x$ 分解为两个潜在组件：

内在表示 ( $z$ )： 编码细胞身份（细胞类型），独立于空间上下文。
外在表示 ( $s$ )： 编码空间微环境（邻域）的影响。

生成模型假设 $z$ 和 $s$ 服从标准正态先验，似然函数 $p(x|z, s)$ 通过由解码器 $Dec([z; s])$ 参数化的负二项分布进行建模。

推理变体

提出了两种变体来编码空间表示 $s$ ：

Cellina (Base)： 使用经过度归一化的对数归一化邻居表达 $\phi(v)$ 的聚合，并通过 MLP 进行编码。
Cellina-GAT： 使用多层图注意力网络（GATv2）在局部子图上操作，取代了固定的聚合器。该变体排除了自环，以确保焦点细胞自身的表达仅由 $z$ 捕获。

监督解耦

纯粹的无监督分解在没有归纳偏置的情况下是不可识别的。Cellina 通过注入生物学监督来锚定 $z$ 到细胞类型身份，并将空间变化路由至 $s$ ：

细胞类型分类器 ( $L_{clf}$ )： 将 $z$ 锚定到已知的细胞类型标签。
对抗性领域判别器 ( $L_{adv}$ )： 采用两步交替优化，判别器尝试从 $z$ 中预测空间领域。编码器通过最小化该预测（最大化熵）进行训练，从而有效地从 $z$ 中剥离空间领域信息并将其强制进入 $s$ 。
对比损失 ( $L_{spatial}$ )： 仅应用于 Cellina-GAT，该损失鼓励空间邻居在 $s$ 上具有相似性，同时分离不同的领域区域，起到基于生物学原理的归纳偏置作用。

总训练目标为：
$\mathcal{L} = \mathcal{L}_{VAE} + \alpha_{clf} \mathcal{L}_{clf} + \alpha_{spatial} \mathcal{L}_{spatial} - \alpha_{adv} \mathcal{L}_{adv}$

反事实模拟

边扰动： 将焦点细胞的邻居与目标领域（例如，将健康邻居替换为癌症邻居）中的细胞进行交换，同时排除焦点细胞自身的类型，以确保评估的保守性。
节点扰动： 图拓扑结构保持不变，但通过基因特异性变换（例如，基于领域间对数倍数变化的乘性缩放）修改邻居的基因表达向量。

核心贡献

形式化： 作者将组织图谱反事实定义为一类统一的空间干预，涵盖了边（拓扑）和节点（特征）扰动。
Cellina 框架： 他们引入了一个具有监督解耦功能的双编码器图 VAE，实现了内在身份与空间上下文的分离。
性能： Cellina 在反事实预测、解耦能力和跨包含超过 250 万个细胞的数据集的扩展性方面，表现优于具有空间信息的基准模型及非空间基准模型（包括 scGen, CPA, MintFlow 和 SpatialProp）。
生物学发现： 该框架能够无监督地识别生物学上截然不同的癌症亚域，并促进针对特定通路邻居扰动的模拟研究。

实验结果

模型在两个大规模空间转录组数据集上进行了评估：

结直肠癌 (CRC)： 包含 6 张切片，约 240 万个细胞。任务是预测健康的结肠细胞（REF）被置于肿瘤区域（CRC）时的表达情况。
- 结果： Cellina 变体显著优于所有基准模型。Base Cellina 相比最强的非 Cellina 基准模型，在 Pearson 相关系数上提升了 +0.14，在 Signed Precision 上提升了 +0.17。Cellina-GAT 取得了最高的 Pearson 分数 (0.85) 和最低的 RMSE (1.14)。
- 消融实验： 即使是“消融版 Cellina”（不含监督），其表现也优于非空间基准模型，但监督解耦进一步提供了增益（Pearson 提升 +0.12），证实了分离策略的有效性。
全脑小鼠大脑： 包含 3 张切片，约 14.6 万个细胞（MERFISH）。任务是在空间领域之间进行预测转移（丘脑到异质皮层/纤维束）。
- 结果： Cellina 变体在四项指标中的三项上均领先，展示了跨组织和跨物种的泛化能力。

生物学见解

亚域发现： 对潜在空间表示 $s$ 进行聚类揭示了具有不同信号特征（TGF $\beta$ 主导型 vs. NF $\kappa$ B/MAPK 主导型）的独特 CRC 亚域，且无需直接监督。
通路扰动： 使用 PROGENy 通路权重进行节点扰动模拟，成功复现了这些亚域的生物学反应，识别出了与已知成纤维细胞程序一致的关键基因（如 FN1, MMP3）。

重要性与声明

论文声称 Cellina 提供了一个研究由邻域驱动的细胞反应的原则性框架，超越了细胞独立的假设。通过显式地解耦内在状态与外在影响，该模型实现了：

上下文预测： 预测细胞在特定空间上下文中的行为，而非孤立状态。
减少实验搜索空间： 生成“虚拟”细胞对改变后的邻域的反应，以指导湿实验验证。
可扩展性： Base Cellina 模型通过将邻域构建与训练解耦，实现了高效扩展（训练时间与非空间模型 scVI 相当），这与需要昂贵消息传递的图注意力竞争模型不同。

作者指出，虽然目前的反事实模拟属于需要实验验证的生成性假设，但其操作性解释为查询复杂组织环境中的虚拟细胞反应提供了一条充满前景的途径。他们也承认了一些局限性，包括对预定义细胞类型和领域注释的依赖，以及空间数据中可能存在的分割误差，并建议未来的工作可以整合原始成像信号以对这些输入进行去噪。