💻 生物信息学

CloneVI: A deep generative model for deciphering the relationships between cell state and mitochondrial genotype

CloneVI 是一种深度生成模型，它通过推断单细胞基因表达或染色质可及性数据中的克隆结构，来解析在各种疾病背景下线粒体 DNA 突变与特定细胞状态之间的关系。

原作者： Hibi, T., Kojima, Y., Hayashi, S., Hisose, H., Mizukoshi, C., Shimamura, T.

发布于 2026-11-04

📖 1 分钟阅读☕ 轻松阅读

原作者： Hibi, T., Kojima, Y., Hayashi, S., Hisose, H., Mizukoshi, C., Shimamura, T.

原始论文采用 CC BY 4.0 许可（https://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

在每一个活细胞内部，都记录着一段由两种不同语言编写的复杂历史。一种语言是遗传密码，即作为家族树的 DNA，通过共同的突变来追踪哪些细胞是相互关联的。另一种语言是细胞当前的生命状态，即细胞此刻正在做什么的快照，例如它是在对抗感染，还是在分裂以创造更多组织。长期以来，科学家可以分别读取这两种语言。他们可以通过观察 DNA 来绘制癌细胞的家族树，或者通过测量细胞的活动来观察细胞正在做什么。但要理解一个细胞的家族历史如何塑造其当前行为却一直很困难，因为同时读取这两种语言的工具往往过于粗糙。他们能看到家族树，却难以看到这棵树是如何影响细胞的日常生活，反之亦然。

由名古屋大学及其他机构的研究人员开发的一种名为 CloneVI 的新工具改变了这一现状，它学会了同时读取这两种语言。研究人员专注于在线粒体（细胞内微小的发电厂）中发现的一种特定类型的遗传标记。这些标记——线粒体 DNA 的微小变化——就像天然的标签，可以识别哪些细胞属于同一个家族谱系。挑战在于，这些标签通常是分散且难以寻找的，而且携带这些标签的细胞可能正在进行截然不同的活动。该团队构建了一个深度学习模型，它不仅仅是寻找标签来构建家族树；相反，它首先学习理解细胞当前的活动，然后发问：基于这种活动，这个细胞最可能属于哪一个家族树？这种方法将传统方法颠倒了过来，使得模型能够观察到遗传家族是如何分布在不同类型的细胞行为之中的。

研究人员首先通过计算机模拟测试了这一想法，创建了已知确切答案的人工数据。在这些测试中，该模型成功重建了隐藏的家族结构，即使不同的家族混合在同一组细胞中也是如此。它能够以高置信度判断一个细胞属于某一个家族，或者判断它处于两个家族重叠的灰色地带，并为每种可能性分配一个概率，而不是强行做一个单一、僵化的选择。这种处理不确定性的能力至关重要，因为真实的生物系统很少是黑白分明的。

当团队将 CloneVI 应用于来自血液疾病患者的真实数据时，结果令人瞩目。在一个涉及克隆性造血（一种血细胞积累突变的疾病）患者细胞的数据集中，该模型识别出了特定的细胞家族，这些家族不仅由它们的突变来定义，还由它们的行为来定义。它发现某些突变家族高度集中在特定类型的免疫细胞中，特别是那些正在积极战斗的 T 细胞。该模型仅通过观察其活动模式就能预测新细胞中这些突变的存在，表现优于依赖简单平均值的旧方法。它表明，细胞的家族历史与其当前功能紧密相连，某些突变家族仅在特定的细胞环境中才能蓬勃发展。

研究人员还在关于慢性淋巴细胞白血病（一种类型的血液癌症）的数据上测试了该工具，使用的是另一种衡量细胞活动的方法，即观察 DNA 包装的紧密程度。在这里，模型区分了两组携带完全相同突变但体内该突变含量水平不同的细胞。这类似于有两个分支的家族共享同一个姓氏，但拥有的特定传家宝数量不同；模型可以根据它们的活动将它们区分开来。它将其中一组与增加的 PAX9 基因的可及性联系起来，该基因与疾病的进展有关。这一发现表明，该模型可以将特定的遗传谱系与驱动疾病的特定生物学机制联系起来。

在一项涉及来自五个不同捐赠者的卵巢肿瘤的大规模研究中，包含超过 10 万个细胞，该方法的威力变得更加清晰。模型识别出了聚集在特定状态中的突变细胞群体，例如处于耗竭状态的免疫细胞，这是一种因对抗癌症而精疲力竭的状态。通过根据细胞属于突变家族的可能性进行加权分析，研究人员可以精确锁定在这些突变细胞中活跃的具体生物程序。他们发现，这些耗竭的突变细胞展现出一种与非突变细胞不同的独特活动模式，揭示了疾病进展的特定分子特征。

这项研究表明，通过从细胞正在做的事情出发并回溯其家族历史，科学家可以揭示此前隐藏的关系。该模型并不强行将细胞归入僵化的框框，而是描绘了一个家族谱系与细胞状态相互重叠并相互作用的景观。这提供了一种理解遗传变化如何驱动癌症等疾病中观察到的行为多样性的新途径。研究人员已向他人开放了该软件，为观察细胞过去与现在之间复杂相互作用提供了一个新的视角。

CloneVI 技术摘要

问题陈述
瘤内异质性源于遗传谱系（克隆）和非遗传性细胞状态调节。要理解克隆如何塑造疾病，需要了解哪些细胞状态与特定的谱系相关联。虽然单细胞多组学技术可以同时测量线粒体 DNA（mtDNA）突变与基因表达或染色质可及性，但目前的分析方法通常仅根据突变来推断克隆结构，随后再将细胞状态映射到这些预定义的克隆上。这种“基因型优先”的方法存在一个关键局限：如果同一遗传克隆的细胞存在于多种不同的状态中，那么表征该克隆的特定状态可能会被掩盖。此外，现有方法通常将克隆视为离散的、二元的分配，未能捕捉到细胞状态转变的连续性或克隆在特定状态中的概率重叠。

方法论：CloneVI
作者提出了 CloneVI，这是一种基于变分自编码器（VAE）的深度生成模型，旨在整合遗传与非遗传异质性。与以往的方法不同，CloneVI 直接从源自非遗传数据（基因表达或染色质可及性）的潜在细胞状态中推断克隆结构，而非仅仅依赖于突变。

该模型通过以下组件运行：

编码器（Encoder）： 将非遗传输入数据（ $x_c$ ，例如基因表达计数或染色质可及性）压缩为低维潜在变量（ $z_c$ ），代表“细胞状态”。
克隆概率解码器（Clonal Probability Decoder）： 基于仅由潜在细胞状态 $z_c$ 决定的信息，估计每个细胞属于 $K$ 个推断克隆中某一个的概率（ $\pi_c$ ）。这在细胞状态空间上创建了一个连续的克隆概率图谱。
突变重建解码器（Mutation Reconstruction Decoder）： 重建每个细胞观察到的 mtDNA 突变计数（ $b_c$ ）。它使用二项分布对突变计数进行建模，其中期望变异等位基因频率（VAF）由克隆特异性等位基因频率（ $\phi_k$ ）和细胞的克隆概率（ $\pi_c$ ）共同决定。
训练目标： 通过最大化观察到的突变计数的似然性，同时最小化非遗传数据的重建误差以及潜在空间的 KL 散度来进行训练。模型采用了正则化项（group lasso）以防止推断不必要的克隆。
核心特性：
- 连续概率推断： 处于克隆边界或共享状态附近的细胞会被分配分数概率，而不是被强制归入单一克隆。
- 状态富集捕捉： 模型能够优先捕捉在特定细胞状态中富集的突变细胞群体。
- 异质性分离（Heteroplasmy Separation）： 通过对等位基因频率（ $\phi$ ）而非二元突变状态进行建模，CloneVI 可以区分携带相同突变但具有不同异质水平的群体。
- 背景分离： 模型可以将等位基因频率分解为所有克隆共有的成分（背景）和克隆特异性的成分。

关键结果
作者利用模拟数据和三个真实世界数据集验证了 CloneVI：

模拟数据： 使用基于 PBMC3k 的模拟，CloneVI 在单克隆和混合克隆群体中均成功恢复了地面真值（ground-truth）克隆结构。它准确估计了每个表达簇的主导克隆以及作为连续概率的混合程度。
MAESTER 数据（克隆造血，scRNA-seq）： 应用于一名患有克隆造血患者的数据，CloneVI 推断出六个克隆。它将特定的 mtDNA 变异与独特的细胞状态联系起来，特别指出克隆 3 和克隆 5 与特定 T 细胞受体（TCR）可变区基因（ $TRBV7-9$ 和 $TRDV2$ ）的高表达相关。至关重要的是，由 CloneVI 基于细胞状态的概率推导出的重建 VAF，比使用细胞类型平均 VAF 的基准方法能更好地预测测试细胞中观察到的 VAF。模型优先捕捉了在特定细胞状态中富集的突变细胞群体，显示出细胞状态富集度与模型区分突变与非突变细胞的能力（AUC）之间存在强正相关。
CLL mtscATAC-seq 数据： 在慢性淋巴细胞白血病数据中，CloneVI 分离了携带相同 mtDNA 突变（位置 5140）但具有不同异质水平的群体（克隆 1 vs. 克隆 3）。它还识别出克隆 4（与特定变异相关）在 PAX9 位点周围具有增加的染色质可及性，该基因此前被认为与 CLL 预后有关。
卵巢肿瘤队列（多供体，mtscATAC-seq）： 在来自五个供体的 108,260 个细胞的大型队列中，CloneVI 推断出 17 个克隆。它证明了克隆通常局限于单个供体，并能分离供体内嵌套的克隆。在 CD8+ T 细胞上进行的由克隆概率加权的（ $\pi$ -weighted）差异化测试表明，转录因子活性（NFAT, NR4A1, EGR）与 T 细胞耗竭状态一致，而突变细胞正集中于该状态。这种 $\pi$ -weighted 方法比二元突变测试更有效地表征了克隆的细胞状态。

意义与主张
论文声称 CloneVI 提供了一个整合细胞状态与 mtDNA 突变的概率框架，将分析重点从“基因型优先”转向“状态优先”推断。其主要意义在于：

识别专门与细胞状态多样性相关的遗传克隆，而不仅仅是描述遗传结构本身。
表征突变细胞所集中的细胞状态的分子特性（转录或染色质）。
处理细胞状态和异质水平的连续性，而二元方法往往会忽略这一点。

作者将 CloneVI 定位为“基因型优先”方法的补充：基因型优先方法描述遗传克隆结构，而 CloneVI 则识别该结构的哪些部分与特定细胞状态相关联。作者指出，由于克隆概率是为每个细胞（包括那些没有覆盖突变的细胞）定义的，因此该方法有可能扩展到单细胞数据中检测到的核体细胞突变，尽管本研究侧重于 mtDNA。该工具作为开源软件提供，以促进在单细胞分辨率下对遗传和非遗传异质性的研究。

CloneVI 技术摘要

类似论文