[논문 리뷰] Conditionally Invariant Representation Learning for Disentangling Cellular Heterogeneity

Hananeh Aliee, Ferdinand Kapl외 2명|arXiv (Cornell University)|2023. 07. 02.

Cell Image Analysis Techniques인용 수 8

한 줄 요약

논문은 조건부로 불변인 딥 생성 모델을 도입하여 불변 생물학적 신호를 도메인 특유의 노이즈로부터 해리하고 다도메인 단일세포 데이터 통합 및 해석을 향상시킨다.

ABSTRACT

This paper presents a novel approach that leverages domain variability to learn representations that are conditionally invariant to unwanted variability or distractors. Our approach identifies both spurious and invariant latent features necessary for achieving accurate reconstruction by placing distinct conditional priors on latent features. The invariant signals are disentangled from noise by enforcing independence which facilitates the construction of an interpretable model with a causal semantic. By exploiting the interplay between data domains and labels, our method simultaneously identifies invariant features and builds invariant predictors. We apply our method to grand biological challenges, such as data integration in single-cell genomics with the aim of capturing biological variations across datasets with many samples, obtained from different conditions or multiple laboratories. Our approach allows for the incorporation of specific biological mechanisms, including gene programs, disease states, or treatment conditions into the data integration process, bridging the gap between the theoretical assumptions and real biological applications. Specifically, the proposed approach helps to disentangle biological signals from data biases that are unrelated to the target task or the causal explanation of interest. Through extensive benchmarking using large-scale human hematopoiesis and human lung cancer data, we validate the superiority of our approach over existing methods and demonstrate that it can empower deeper insights into cellular heterogeneity and the identification of disease cell states.

연구 동기 및 목표

• 다도메인 단일세포 데이터 세트 전반에 걸쳐 불변의 생물학적 신호와 도메인 특유의 노이즈를 구분하는 표현 학습 동기를 제시한다.
• 조건부로 불변인 생성 모델을 제안하여 허위 잠재 요인과 불변 잠재 요인을 모두 식별한다.
• 식별 가능성 보장을 제공하고 대규모 조혈생성 및 폐암 scRNA-seq 데이터에서 검증한다.

제안 방법

• 잠재 변수의 식별 가능성을 달성하기 위해 조건부로 분해된 사전(prior)을 갖는 변분 자동인코더(Variational Autoencoder, VAE)를 사용한다.
• 잠재 공간을 불변(Z_I) 및 허위(Z_S) 구성요소로 분할하여 안정적 정보와 도메인 변화 정보를 포착한다.
• 재구성을 가능하게 하면서 불변 특징을 분리하기 위해 Z_I와 Z_S 사이의 독립성을 강제한다.
• 의존성을 모델링하고 해리화를 안내하기 위해 보조 샘플 정보(d)와 환경(e)을 도입한다.
• 환경 간 성능을 유지하며 Z_I를 이용해 Y를 예측하는 불변 예측기를 목표로 한다.
• 식별 가능성과 데이터 통합을 벤치마크하기 위해 NF-iVAE 및 기타 불변 학습 기법과 비교한다.

Figure 1: Data integration using different methods. Shown are the UMAP representations of single cells colored by samples and cell types (bottom right). inVAE preserves biological variations between donors while mixing similar cells with technical noise (s1d1 and s2d1), whereas other methods either

실험 결과

연구 질문

• RQ1 다도메인 단일세포 데이터에서 잠재 표현을 불변 구성요소와 비불변 구성요소로 어떻게 분할할 수 있는가?
• RQ2 환경에 걸친 예측 성능을 유지하면서 조건부로 식별 가능한 VAE가 생물학적 신호를 기술적 또는 도메인 주도 노이즈로부터 분리할 수 있는가?
• RQ3 데이터셋 전반에 걸친 단일세포 게놈학에 대한 식별 가능성 및 실용적 적용 가능성을 가능하게 하는 사전분포(priors) 및 가정은 무엇인가?

주요 결과

• 제안된 방법은 조건부 VAE 프레임워크에서 불변 잠재 변수와 허위 잠재 변수를 모두 식별한다.
• 모델은 간단한 변환 및 잠재 변수의 순열에 의해 식별 가능하다.
• 두 암 유형에 걸친 49개의 샘플을 포함한 대규모 인간 조혈생성 및 인간 폐암 scRNA-seq 데이터에 대한 평가에서 데이터 통합 및 세포 상태 프로파일링이 향상되었다(본문에 따라).
• 유전자 프로그램, 질병 상태, 치료 조건 등과 같은 생물학적 메커니즘을 데이터 통합 과정에 통합할 수 있게 한다.
• 단일세포 데이터 통합 및 세포 유형 주석에 대해 기존의 불변 및 식별 가능한 심층 생성 모델보다 우수함을 보여준다.

Figure 2: The data generating process.