[論文レビュー] stMCDI: Masked Conditional Diffusion Model with Graph Neural Network for Spatial Transcriptomics Data Imputation

Xiaoyu Li, Wenwen Min+3 more|arXiv (Cornell University)|Mar 16, 2024

Gene expression and cancer classification被引用数 6

ひとこと要約

stMCDI は、グラフニューラルエンコーダと条件付きスコアベース拡散モデル、およびマスク付き自己教師付き戦略を組み合わせて、空間転写組織学データの欠損値を補完しつつデータ分布を保持し、複数データセットで最先端の結果を達成する。

ABSTRACT

Spatially resolved transcriptomics represents a significant advancement in single-cell analysis by offering both gene expression data and their corresponding physical locations. However, this high degree of spatial resolution entails a drawback, as the resulting spatial transcriptomic data at the cellular level is notably plagued by a high incidence of missing values. Furthermore, most existing imputation methods either overlook the spatial information between spots or compromise the overall gene expression data distribution. To address these challenges, our primary focus is on effectively utilizing the spatial location information within spatial transcriptomic data to impute missing values, while preserving the overall data distribution. We introduce \textbf{stMCDI}, a novel conditional diffusion model for spatial transcriptomics data imputation, which employs a denoising network trained using randomly masked data portions as guidance, with the unmasked data serving as conditions. Additionally, it utilizes a GNN encoder to integrate the spatial position information, thereby enhancing model performance. The results obtained from spatial transcriptomics datasets elucidate the performance of our methods relative to existing approaches.

研究の動機と目的

• 空間的位置情報を利用して、遺伝子発現分布を歪めることなく空間転写組織学データの補完を改善する。
• データの一部をマスキングして擬似ラベルを作成し、学習を導く自己教師付き訓練戦略を開発する。
• グラフニューラルネットワークのエンコーダと条件付きスコアベース拡散モデルを統合して堅牢な補完を実現する。
• 複数の実世界の空間転写組織学データセットで最先端の性能を示す。

提案手法

• 空間座標を用いてスポットの5近傍を用いた隣接行列を形成し、スポットグラフを構築する。
• グラフ畳み込みネットワークで空間情報と発現情報を符号化し、潜在的なスポット表現を得る。
• データの一部をランダムにマスキングし、潜在表現を再マスクして拡散ベースのデノイズ処理を導く自己教師付きスキームを適用する。
• 既知（マスクされていない）データを事前条件として機能させ、欠損値を補完する条件付きスコアベース拡散モデルを使用する。
• conditioning情報を取り込むためにクロスアテンションを備えた UNet ボトやを強化し、データ分布の勾配を学習する。
• 条件付き拡散に特化した変分下界を用いて最適化し、マスクされた値の正確な再構成を促す損失を設計する。

実験結果

リサーチクエスチョン

• RQ1 GNN エンコーダを介して空間的位置情報を組み込むことは、空間コンテキストを無視する方法と比較して補完品質を改善するのか？
• RQ2 マスキングされた自己教師付き訓練戦略と条件付き拡散モデルを組み合わせて、全体のデータ分布を歪めることなく欠損値を信頼性をもって補完できるのか？
• RQ3 空間転写組織学データにおけるグラフニューラルネットワークアーキテクチャの選択は補完性能にどのような影響を与えるのか？
• RQ4 異なるマスキング戦略とマスキングフェーズが補完精度に与える影響はどの程度か？
• RQ5 様々な組織と種の実際の空間転写組織学データセットは、既存のベースラインよりも stMCDI でより良く補完できるのか？

主な発見

• stMCDI は、実世界の6つの空間転写組織学データセットに対して、4つの評価指標（PCC、Cosine、RMSE、MAE）で14種のベースラインを上回る。
• 手法は一貫して最高性能を達成し、複数のデータセット（例：MOB、HBC、HP、HO、ML、MK）で顕著な向上を示す。
• アブレーション研究は、二重マスキング戦略の有効性と、他の GNN 変種より GCN エンコーダを使用する重要性を示している。
• GCN はこのタスクで空間情報と発現情報を統合する際、試験されたオプションの中で最も効果的なグラフエンコーダとして浮上した。
• 既知データを priors として用いる条件付き拡散フレームワークはデータ分布との整合性を高め、補完精度を向上させる。