[論文レビュー] Estimation of cell lineage trees by maximum-likelihood phylogenetics

Jean Feng, William S. DeWitt+4 more|arXiv (Cornell University)|Mar 29, 2019

Single-cell and spatial transcriptomics参考文献 28被引用数 13

ひとこと要約

この論文では、CRISPRベースのラインナージストレーシングデータから細胞系統樹を推定するための罰則付き最尤推定法であるGAPMLを提案する。Cas9切断ダイナミクスによって駆動されるインデルイベントを用いて、不可逆的で部位依存の変異をモデル化することで、従来の単純化法や距離ベースの手法に比べて精度が向上し、生物学的に解釈可能な時間軸に基づく枝長を提供し、ゼブラフィッシュ発生の再現性が向上する。

ABSTRACT

CRISPR technology has enabled large-scale cell lineage tracing for complex multicellular organisms by mutating synthetic genomic barcodes during organismal development. However, these sophisticated biological tools currently use ad-hoc and outmoded computational methods to reconstruct the cell lineage tree from the mutated barcodes. Because these methods are agnostic to the biological mechanism, they are unable to take full advantage of the data's structure. We propose a statistical model for the mutation process and develop a procedure to estimate the tree topology, branch lengths, and mutation parameters by iteratively applying penalized maximum likelihood estimation. In contrast to existing techniques, our method estimates time along each branch, rather than number of mutation events, thus providing a detailed account of tissue-type differentiation. Via simulations, we demonstrate that our method is substantially more accurate than existing approaches. Our reconstructed trees also better recapitulate known aspects of zebrafish development and reproduce similar results across fish replicates.

研究の動機と目的

• GESTALTラインナージストレーシングデータに用いられる現在の手動的計算手法の低精度を是正すること。
• 合成バーコードにおけるCRISPR誘発変異の不可逆的かつ非独立な性質を考慮する統計的モデルの構築。
• 最尤推定を用いて、系統樹のトポロジー、時間単位での枝長、および変異パラメータを同時に推定すること。
• 低サンプル状態でのパラメータ推定を安定化させるために、枝長および変異率に対する正則化を適用すること。
• シミュレーションデータおよび実験的ゼブラフィッシュデータを用いた妥当性検証を行い、生物学的整合性の向上を示すこと。

提案手法

• バーコード変異を2段階のプロセスとしてモデル化する：(1) 目的部位の切断を表す連続時間マルコフ連鎖、その後に(2) 最外側の切断部位にランダムなインデルが導入される。
• 生物学的に根拠のある仮定を導入する：最外側切断、標的切断率、インデル確率を用い、ラUMPABILITYおよびフェルゼンシュタインのプルーニングアルゴリズムとの整合性を確保する。
• 罰則付き最尤推定を用いて、系統樹トポロジー、枝長（時間単位）、および変異パラメータを同時に推定する。
• 勾配降下を用いた反復最適化により枝長および変異パラメータを最適化し、同時に系統樹探索のためのSPR（部分木の剪定と再接合）移動を組み合わせる。
• 低サンプル状態における推定の安定化のため、枝長および変異パラメータに対する尤度に対する罰則を適用する。
• 系統樹探索を、シミュレーションで常に最高の罰則付き対数尤度を示す最大単純化木に制限する。

実験結果

リサーチクエスチョン

• RQ1 CRISPR変異プロセスの統計的モデルは、カミン＝ソカラルの単純化法やネイバー・ジョイニングといった手動的手法に比べ、細胞系統樹再構築の精度を向上させることができるか？
• RQ2 抽象的な距離ではなく、時間単位での変異率および枝長をモデル化することで、生物学的解釈性および精度が向上するか？
• RQ3 少数のバーコードしか利用できない状況でも、正則化によってパラメータ推定が安定化するか？
• RQ4 GAPMLで再構築された系統樹は、すでに知られている発生生物学的事実（ゼブラフィッシュの胚葉および組織型の分化など）をよりよく反映しているか？
• RQ5 生物学的リピートにおいて、一貫した系統樹トポロジーおよび組織間距離相関が得られるか、本手法はその点で頑健であるか？

主な発見

• シミュレーションデータにおいて、GAPMLはカミン＝ソカラルの単純化法やネイバー・ジョイニングに比べて顕著に優れており、高いトポロジーの正確性と真の枝長の回復性を示した。
• 本手法は生物学的に意味のある時間単位での枝長を推定でき、系統間の分化タイミングの解釈を可能にした。
• ゼブラフィッシュのデータにおいて、GAPMLで再構築された系統樹は、胚葉および組織型の制限といった既知の発生関係をよりよく再現した。
• 順列検定の結果、GAPMLの系統樹における組織間距離相関はランダムな系統樹よりも顕著に高く、発生構造の正確な回復が示された。
• 内部ノードの時刻と細胞タイプ／組織の数との相関は、GAPMLの系統樹においてランダムな系統樹よりも顕著に高く、生物学的妥当性を裏付けた。
• 最大単純化木において罰則付き対数尤度が最高であったため、系統樹探索をこのサブセットに制限することで計算効率が向上することが正当化された。