Generating and navigating single cell dynamics via a geodesic bridge between nonlinear transcriptional and linear latent manifolds

技术摘要：GeoBridge

问题陈述
时间序列单细胞 RNA 测序（scRNA-seq）捕捉的是稀疏且非配对的细胞过程快照。这种局限性阻碍了重建连续细胞状态转换以及以受控、可解释的方式在状态间进行导航的能力。虽然现有的方法（如伪时间排序、RNA 速率和动态最优传输 [DOT]）试图从静态数据中近似连续转换，但它们通常依赖于高维基因表达空间中的欧几里得度量。根据流形假设，生物数据存在于一个低维、非线性且可微的流形上，而细胞之间的“距离”是基因表达的非线性函数。在这一弯曲空间中假设欧几里得度量会导致几何失真，从而导致对发育速度、命运概率和状态距离的估计不准确。此外，直接在原始高维空间中优化任意测地距离在计算上是难以实现的。

方法论
作者提出了 GeoBridge，这是一个将生物时间插值形式化为黎曼度量学习问题的驱动数据框架。其核心创新在于构建了一个连接非线性转录流形与线性潜在流形的“测地桥梁”（geodesic bridge）。

1. 可逆神经网络（INN）映射： GeoBridge 使用 INN 学习一个双射映射 $\phi: \mathcal{M} \to \mathcal{N}$，将原始高维基因表达流形 ($\mathcal{M}$) 映射到平坦的潜在欧几里得流形 ($\mathcal{N}$)。
2. 拉回度量构造： GeoBridge 并非在原始空间中显式定义复杂的度量张量，而是在潜在空间中定义一个简单的欧几里得度量 ($g_\mathcal{N} = I$)。原始流形上的黎曼度量 ($g_\mathcal{M}$) 通过拉回构造诱导得出：$g_\mathcal{M}(x) = J_\phi(x)^\top J_\phi(x)$，其中 $J_\phi$ 是映射的雅可比矩阵。
3. 测地线性化： 一个关键的理论结果（补充信息中的定理 2）确立了在拉回度量下，$\mathcal{M}$ 上的测地线与 $\mathcal{N}$ 上的测地线一一对应。由于平坦潜在空间中的测地线是等速直线，因此原始空间中的复杂非线性转换可以在潜在空间中表示为直线。
4. 训练目标：
   • 恒定速度线性损失 ($\mathcal{L}_{CVL}$)： 强制要求时间序列数据在映射到潜在空间后，遵循恒定速度的直线轨迹。这是通过基于生物时间比例在源向量和目标向量之间进行插值，并最小化生成分布与真实中间分布之间的最大均差（MMD）来实现的。
   • 局部比例正则化 ($\mathcal{L}_{LPR}$)： 防止映射产生过度的局部失真（拉伸/压缩）。它鼓励原始空间与潜在空间中局部邻域距离的比率在同一时间切片内保持稳定，从而确保生物学上合理的插值。
5. 下游应用：
   • 插值： 通过在潜在空间进行闭式线性插值，并将结果映射回原始空间来生成中间状态。
   • 命运预测： 使用在潜在欧几里得空间中具有欧几里得代价的最优传输方案来估计细胞命运概率。
   • 伪时间推断： 在潜在欧几里得空间中通过最优传输导出的 Kantorovich 势（KP）与真实时间呈线性关系，可作为稳健的伪时间指标。
   • 驱动基因识别： 通过计算轨迹表达梯度与速度分量的点积来计算动态驱动指数。
   • 命运导航： 该框架允许进行“虚拟导航”，即在任意起始细胞与目标细胞状态之间生成测地路径，甚至可以跨越不同的谱系。

关键结果
GeoBridge 在多种生物系统中得到了验证：

• 癌症干细胞中的 EMT–MET 进展： GeoBridge 成功重建了上皮-间充质转化（EMT）和间充质-上皮转化（MET）的连续轨迹。它识别出了与已知生物学一致的阶段特异性调节模块和驱动基因（例如，早期 MET 中的 RHO GTPase 循环，以及晚期 EMT 中的细胞外基质组织）。
• 人类多能干细胞（hPSC）分化： 该方法解析了向干细胞衍生的 $\beta$ 细胞和嗜铬细胞分化的分支动力学。它准确捕捉了时间分辨的标记基因表达，并识别出每个谱系截然不同的早期和晚期调节程序。
• 多目标造血谱系： 在统一的多目标模型中，GeoBridge 向中性粒细胞、肥大细胞和巨核细胞命运进行导航。至关重要的是，它展示了将中性粒细胞偏向型细胞沿生物学合理的测地路径引导向肥大细胞命运的能力，验证了所学几何结构的解释性。
• 基准测试： GeoBridge 在留出插值准确度（以 Wasserstein-1 距离衡量）和伪时间推断（以与真实时间标签的 Pearson 相关系数衡量）方面优于现有最先进的方法（MioFlow, TIGON, DeepRUOT）。值得注意的是，它在无需预先进行降维的情况下即可实现这些结果，直接在原始高维输入（前 2,000 个高变基因）上运行。

意义与主张
论文声称 GeoBridge 建立了一种原则性的拉回几何方法，将稀疏的单细胞测量转化为连续且可控的景观。其主要意义在于：

1. 几何严谨性： 它通过学习一个使生物时间对应于测地运动的黎曼度量，避免了欧几里得假设带来的几何失真。
2. 计算效率： 通过利用潜在空间的平坦性，它实现了显式的闭式插值，消除了其他基于 DOT 的方法所需的计算密集型数值积分（如 Neural ODEs）。
3. 可控性与可解释性： 它提供了一个“导航”细胞状态的框架，允许研究人员模拟不同表型之间的转换，并识别驱动这些转换的具体基因。
4. 鲁棒性： 该方法对噪声和快照稀疏性具有鲁棒性，即使在没有显式时间注释的数据上进行训练（通过迭代伪时间细化），也能恢复平滑的转录程序。

作者将 GeoBridge 定位为不仅仅是一个插值工具，而是一个植根于显式几何构造的生成模型，为重建、解释和操纵细胞状态转换提供了新的范式。