[논문 리뷰] CloudPred: Predicting Patient Phenotypes From Single-cell RNA-seq

Bryan He, Matthew Thomson외 4명|arXiv (Cornell University)|2021. 10. 13.

Single-cell and spatial transcriptomics참고 문헌 20인용 수 4

한 줄 요약

CloudPred는 단일세포 RNA-시퀀싱 데이터로부터 환자의 표현형(예: 루푸스 상태)을 예측하는 새로운 해석 가능한 기계학습 프레임워크이다. 각 환자의 세포 집단을 미분 가능한 가우시안 혼합 모델로 모델링하며, 루푸스 데이터셋에서 AUROC 0.98을 기록하여 기존 방법을 능가한다. 이는 특정 CD4+ T 세포 아구역이 질병 예측에 매우 유의미하다는 것을 규명하며, 가변적인 세포 수를 처리하고 허위 병합 변환 없이도 단일세포 해상도를 유지한다.

ABSTRACT

Single-cell RNA sequencing (scRNA-seq) has the potential to provide powerful, high-resolution signatures to inform disease prognosis and precision medicine. This paper takes an important first step towards this goal by developing an interpretable machine learning algorithm, CloudPred, to predict individuals' disease phenotypes from their scRNA-seq data. Predicting phenotype from scRNA-seq is challenging for standard machine learning methods -- the number of cells measured can vary by orders of magnitude across individuals and the cell populations are also highly heterogeneous. Typical analysis creates pseudo-bulk samples which are biased toward prior annotations and also lose the single cell resolution. CloudPred addresses these challenges via a novel end-to-end differentiable learning algorithm which is coupled with a biologically informed mixture of cell types model. CloudPred automatically infers the cell subpopulation that are salient for the phenotype without prior annotations. We developed a systematic simulation platform to evaluate the performance of CloudPred and several alternative methods we propose, and find that CloudPred outperforms the alternative methods across several settings. We further validated CloudPred on a real scRNA-seq dataset of 142 lupus patients and controls. CloudPred achieves AUROC of 0.98 while identifying a specific subpopulation of CD4 T cells whose presence is highly indicative of lupus. CloudPred is a powerful new framework to predict clinical phenotypes from scRNA-seq data and to identify relevant cells.

연구 동기 및 목표

• 단일세포 RNA-seq 데이터로부터 임상 표현형을 직접 예측할 수 있는 기계학습 프레임워크를 개발하는 것.
• 표준 방법의 한계를 극복하기 위해 환자 간 세포 수의 변동성과 scRNA-seq의 높은 데이터 이질성 문제를 해결하면서도 허위 병합 평균화에 의존하지 않는 것.
• 사전 주석 없이도 생물학적으로 의미 있는 예측 가능한 세포 아구역을 식별함으로써 해석 가능한 표현형 예측을 가능하게 하는 것.
• 단일세포 RNA-seq 데이터의 기하학적 구조를 '점 구름(point clouds)'으로 활용하여 일반화 능력을 향상시키는 확장 가능한 종단 간(end-to-end) 미분 가능한 모델을 구축하는 것.
• 실제 데이터셋에서 방법을 검증하고 향후 scRNA-seq 표현형 예측 방법의 벤치마킹을 위한 체계적인 시뮬레이션 플랫폼을 제공하는 것.

제안 방법

• CloudPred는 각 환자의 scRNA-seq 데이터를 가우시안 혼합 모델로 모델링하며, 각 성분은 학습된 평균과 공분산을 가진 잠재적인 세포 아구역을 나타낸다.
• 스토하스틱 그래디언트 하강법을 통한 종단 간 미분 가능한 최적화를 사용하여 세포 아구역 매개변수와 표현형 예측 가중치를 동시에 학습한다.
• 알고리즘은 환자별 세포 집단의 비율을 연속적인 피처의 집합(continuous bag-of-features)으로 계산하여 표현형 예측을 위한 분류기의 입력으로 사용한다.
• 기존 클러스터링과 달리, CloudPred는 데이터 피팅 외에도 표현형에 대한 예측 능력을 최적화하여 학습 중 임상 레이블을 통합한다.
• 이 방법은 비지도 학습 클러스터링으로 초기화되지만, 표현형 레이블을 사용하여 생물학적으로 중요한 아구역을 식별하기 위해 보정된다.
• 메서드 평가를 위해 환자 수준의 scRNA-seq 데이터를 제어 가능한 질병 서명과 변동성을 가진 채로 시뮬레이션하는 합성 데이터 생성 프레임워크를 개발했다.

실험 결과

연구 질문

• RQ1 변동하는 세포 수와 높은 이질성을 가진 단일세포 RNA-seq 데이터에서 환자의 표현형(예: 질병 상태)을 정확하게 예측할 수 있는가?
• RQ2 종단 간 미분 가능한 혼합 모델이 표준 허위 병합 또는 클러스터링 기반 접근법보다 표현형 예측 정확도에서 뛰어나게 성능을 발휘하는가?
• RQ3 모델이 사전 주석 없이도 생물학적으로 의미 있는 예측 가능한 세포 아구역을 자동으로 식별할 수 있는가?
• RQ4 학습 세트의 환자 수와 세포 수가 증가함에 따라 모델 성능은 어떻게 변화하는가?
• RQ5 특정 세포 유형의 존재 또는 농도가 임상 결과(예: 루푸스 또는 인종)와 강하게 상관되는가?

주요 결과

• CloudPred는 scRNA-seq 데이터에서 루푸스 상태를 예측할 때 AUROC 0.98을 달성하여 다양한 평가 설정에서 다른 방법들을 뛰어넘었다.
• 모델은 루푸스 예측에 매우 유의미한 특정 CD4+ T 세포 아구역의 농도를 식별하였으며, 이는 자가면역질환에서 T 세포의 알려진 면역학적 역할과 일치한다.
• 루푸스 데이터셋에서 CloudPred는 최소 20명의 학습 환자로도 높은 성능를 유지하여 제한된 데이터에서의 강력한 일반화 능력을 보였다.
• 약 1,000개의 세포에서 성능가 안정화되었으며, 이는 환자 수를 늘리는 것이 세포 수를 늘리는 것보다 더 유익할 수 있음을 시사한다.
• 100,000개의 세포가 있는 경우에도 표준 CPU에서 샘플당 1초 이내로 표현형 예측을 수행하여 뛰어난 계산 확장성(스케일러빌리티)을 입증했다.
• 체계적인 시뮬레이션 결과, CloudPred는 DeepSets 및 허위 병합 기반 기준 모델을 포함한 다양한 합성 데이터 구성에서 일관되게 뛰어난 성능을 보였다.