[論文レビュー] Reconstructing probabilistic trees of cellular differentiation from single-cell RNA-seq data

Miriam Shiffman, William Stephenson+5 more|arXiv (Cornell University)|Nov 28, 2018

Single-cell and spatial transcriptomics被引用数 3

ひとこと要約

本稿では、潜在的分岐経路に沿った連続的擬似時間（pseudotime）をモデル化するため、ディリクレ拡散木（Dirichlet diffusion tree）を拡張したベイジアン非パラメトリック生成モデルを提案する。このモデルは、単一細胞RNA-Seqデータから確率的分化木を再構築する。また、メトロポリス・ハスティングス法とメッセージパッシングを組み合わせた新規なMCMCサンプラーを導入し、効率的な推論を実現。シミュレートされたデータにおいて、潜在的細胞経路と分岐の不確実性を正確に回復することを示した。

ABSTRACT

Until recently, transcriptomics was limited to bulk RNA sequencing, obscuring the underlying expression patterns of individual cells in favor of a global average. Thanks to technological advances, we can now profile gene expression across thousands or millions of individual cells in parallel. This new type of data has led to the intriguing discovery that individual cell profiles can reflect the imprint of time or dynamic processes. However, synthesizing this information to reconstruct dynamic biological phenomena from data that are noisy, heterogenous, and sparse---and from processes that may unfold asynchronously---poses a complex computational and statistical challenge. Here, we develop a full generative model for probabilistically reconstructing trees of cellular differentiation from single-cell RNA-seq data. Specifically, we extend the framework of the classical Dirichlet diffusion tree to simultaneously infer branch topology and latent cell states along continuous trajectories over the full tree. In tandem, we construct a novel Markov chain Monte Carlo sampler that interleaves Metropolis-Hastings and message passing to leverage model structure for efficient inference. Finally, we demonstrate that these techniques can recover latent trajectories from simulated single-cell transcriptomes. While this work is motivated by cellular differentiation, we derive a tractable model that provides flexible densities for any data (coupled with an appropriate noise model) that arise from continuous evolution along a latent nonparametric tree.

研究の動機と目的

• ノイズが多く、スパースでゼロインフレートな単一細胞RNA-Seqデータから、潜在的細胞分化経路を推定する生成モデルの開発。
• 非パラメトリック木構造に沿って連続的擬似時間をモデル化するため、ディリクレ拡散木フレームワークを拡張し、データを離散的ノードや葉に制限しないこと。
• 木構造のトポロジー、潜在的細胞状態、発現差異を示す遺伝子を同時に推定するとともに、細胞分岐割り当ての不確実性を定量化すること。
• モデル構造を活用したメッセージパッシングと変数拡張を用いて、スケーラブルな事後分布計算を実現する効率的なMCMC推論アルゴリズムの設計。
• シミュレートされたデータを用いた手法の妥当性評価を行い、真の経路とトポロジーの回復を、新規の三重項指標（triplet metric）を用いて示すこと。

提案手法

• 遺伝子発現が潜在的二分木に沿って連続的に変化するようにモデル化し、擬似時間をルートから葉に至る連続的潜在変数としてパrameter化した。
• ゼロインフレートと過分散を考慮した負の二項分布ノイズモデルを組み込んだ、scRNA-seqカウントデータの生成モデルを採用した。
• Pólya Gamma補完を用いて、木構造上で正確なガウス的信念パッシングを可能にし、潜在状態推定のための効率的メッセージパッシングを実現した。
• 木構造の更新にメトロポリス・ハスティングス法を、潜在状態の更新にメッセージパッシング手順を組み合わせた新規なMCMCサンプラーを開発。木の条件付き独立性を活用した。
• 特に高次元の遺伝子発現空間において、MCMCチェインの混合性と収束性を向上させるために、変数拡張を組み込んだ。
• 三重項指標を用いて、推定された木と真の木のトポロジーを、ペアワイズ細胞距離と外れ値割り当ての整合性に基づき定量的に比較した。

実験結果

リサーチクエスチョン

• RQ1 静的でノイズの多い単一細胞RNA-Seqスナップショットから、確率的で連続的時間モデルが、潜在的細胞分化経路を正確に再構築できるか？
• RQ2 分化木の異なる分岐において、細胞系統割り当ての不確実性をどのように定量化し、可視化できるか？
• RQ3 ベイジアン非パラメトリックモデルが、次元削減などの事前処理を要せず、木構造と発現差異遺伝子の両方を推定できる程度にまで到達するか？
• RQ4 連続的擬似時間を組み込むことで、離散的ノードモデルに比べて、経路再構築の忠実度がどの程度向上するか？
• RQ5 特に分岐点付近で重複するか、近接して分岐する枝がある場合、モデルは微細なトポロジーの違いを検出・表現できるか？

主な発見

• 三重項指標は、初期木の0.520から最大事後確率（MAP）木の0.828に顕著に向上した。ランダム木の0.409と比較して顕著な改善が得られた。
• 分岐が初期に発生し、潜在空間で明確に分離されている場合、末端の葉に近い細胞は分岐割り当てに対して高い信頼性を示した。
• 重複するか近接する内部分岐部に近い細胞は、系統割り当ての不確実性が最も高く、モデルが細胞運命の曖昧さを的確に捉えていることを示している。
• MCMCサンプラーは真のトポロジーに収束したことが、三重項指標の上昇と反復ごとの安定した事後推定値から裏付けられた。
• モデルは、ノイズとスパarsityに強く、シミュレートされた単一細胞トランスクリプトームから潜在的経路を正確に回復した。
• 確率的フレームワークにより、細胞状態と系統の不確実性が一貫して定量化され、点推定を超えて、分岐割り当てに対する解釈可能な信頼性を提供した。