[논문 리뷰] Deep Learning in Single-Cell and Spatial Transcriptomics Data Analysis: Advances and Challenges from a Data Science Perspective

Shuang Ge, Shuqing Sun외 3명|arXiv (Cornell University)|2024. 12. 04.

Single-cell and spatial transcriptomicsBiochemistry, Genetics and Molecular Biology인용 수 3

한 줄 요약

이 논문은 단일세포 및 공간 전사체학에서의 딥러닝(DL) 응용을 검토하며, 데이터 희소성, 다양성, 부족성, 상관관계와 같은 네 가지 핵심 데이터 과학 과제를 다룬다. 9개의 벤치마크에서 유래한 21개의 정제된 데이터셋을 바탕으로 58개의 방법을 평가하며, 고차원적이고 노이즈가 많은 다중모달 데이터를 처리하는 데서 DL의 우수성을 강조하고, AI 방법론, 벤치마크, 임상 번역 분야의 향후 방향을 제안한다.

ABSTRACT

The development of single-cell and spatial transcriptomics has revolutionized our capacity to investigate cellular properties, functions, and interactions in both cellular and spatial contexts. However, the analysis of single-cell and spatial omics data remains challenging. First, single-cell sequencing data are high-dimensional and sparse, often contaminated by noise and uncertainty, obscuring the underlying biological signals. Second, these data often encompass multiple modalities, including gene expression, epigenetic modifications, and spatial locations. Integrating these diverse data modalities is crucial for enhancing prediction accuracy and biological interpretability. Third, while the scale of single-cell sequencing has expanded to millions of cells, high-quality annotated datasets are still limited. Fourth, the complex correlations of biological tissues make it difficult to accurately reconstruct cellular states and spatial contexts. Traditional feature engineering-based analysis methods struggle to deal with the various challenges presented by intricate biological networks. Deep learning has emerged as a powerful tool capable of handling high-dimensional complex data and automatically identifying meaningful patterns, offering significant promise in addressing these challenges. This review systematically analyzes these challenges and discusses related deep learning approaches. Moreover, we have curated 21 datasets from 9 benchmarks, encompassing 58 computational methods, and evaluated their performance on the respective modeling tasks. Finally, we highlight three areas for future development from a technical, dataset, and application perspective. This work will serve as a valuable resource for understanding how deep learning can be effectively utilized in single-cell and spatial transcriptomics analyses, while inspiring novel approaches to address emerging challenges.

연구 동기 및 목표

• 단일세포 및 공간 전사체학에서의 네 가지 주요 데이터 과학 과제인 희소성, 다양성, 부족성, 상관관계를 체계적으로 분석하기 위해.
• 임상적 이식, 클러스터링, 다오미크스 통합 등의 작업에서, 9개의 벤치마크에서 유래한 21개의 데이터셋을 바탕으로 58개의 계산 방법의 성능을 평가하기 위해.
• 복잡한 생물학적 데이터에서 정확도, 해석 가능성, 내구성 측면에서 딥러닝 접근법과 전통적인 머신러닝 방법을 비교하기 위해.
• 현재의 벤치마크에 존재하는 한계, 평가 지표 및 데이터셋의 대표성 문제를 식별하고, 생물학적으로 해석 가능하고 공정하며 내구성 있는 벤치마크를 주장하기 위해.
• 단일세포 및 공간 옹모믹스 분야에서 딥러닝의 향후 연구 방향을 AI 방법론, 데이터셋 개발, 실제 임상 적용 측면에서 요약하기 위해.

제안 방법

• 저자들은 임상적 이식, 세포 정체성 식별, 클러스터링, 유전자 조절 네트워크 추론, 다오미크스 통합 등의 작업을 포함한 9개의 확립된 벤치마크에서 21개의 데이터셋을 정제하였다.
• 자기부분화, 변동형 자동부분화, 그래프 신경망, 생성적 적대적 네트워크, 컨volutional 신경망 등의 딥러닝 모델을 포함한 58개의 계산 방법을 평가하였다.
• 정확도, AUC, RMSE와 같은 표준 지표를 사용하여 성능을 평가하였으며, 생물학적 관련성을 강조하기 위해 인 비트로 검증 및 시뮬레이션 기반 벤치마크를 활용하였다.
• 딥러닝 모델의 수학적 기초를 통합하여 기존의 머신러닝 기법과 비교하고, 복잡한 생물학적 종속성과 시공간적 상관관계를 모델링할 수 있는 능력을 논의하였다.
• 해석 가능한 파rametric 규칙를 통해 딥러닝 모델을 사전 생물학적 지식과 연결함으로써 해석 가능성 향상을 제안하였다.
• 일관된 업데이트가 가능한 동적 모델과 시뮬레이션 기반 데이터 생성을 통해, 새로운 또는 불확실한 데이터에 대한 일반화 및 내구성을 향상시키기를 주장하였다.

실험 결과

연구 질문

• RQ1 딥러닝 모델은 고차원적이고 희소하며 노이즈가 많은 단일세포 및 공간 전사체학 데이터를 다룰 때 기존의 머신러닝 방법보다 어떻게 뛰어난 성능을 발휘하는가?
• RQ2 현재의 벤치마크 데이터셋과 평가 지표는 계산 방법의 진정된 성능과 일반화 능력을 반영하는 데 어떤 핵심적 한계를 지니는가?
• RQ3 딥러닝을 활용하여 다중모달 및 다중원천 데이터 통합을 효과적으로 달성할 수 있는 방법은 무엇이며, 생물학적 해석 가능성과 예측 정확도를 향상시킬 수 있는가?
• RQ4 단일세포 및 공간 옹모믹스를 위한 딥러닝 프레임워크에서 시공간적 종속성을 모델링하고 사전 생물학적 지식을 통합하는 데 있어 주요 과제는 무엇인가?
• RQ5 단일세포 및 공간 전사체학 분야의 발전을 위해 AI 방법론, 데이터셋 정제, 임상 적용 측면에서 가장 중요한 향후 연구 방향은 무엇인가?

주요 결과

• 특히 자동부분화, 그래프 신경망, 생성 모델이 포함된 딥러닝 모델은 기존 방법에 비해 고차원적이고 희소하며 노이즈가 많은 단일세포 및 공간 전사체학 데이터 처리에서 뛰어난 성능을 보였다.
• 이 리뷰는 현재의 벤치마크가 종종 생물학적 관련성이 부족하고, 다양한 시퀀싱 플랫폼과 지속적인 시공간 설정에서 유도되는 이질성을 반영하지 못한다는 점을 밝혀냈다.
• 정확도, AUC, RMSE와 같은 평가 지표는 널리 사용되지만 부족하다. 모델 예측의 의미를 확인하기 위해 인 비트로 실험을 통한 생물학적 검증이 필수적이다.
• 시뮬레이션 기반 데이터 생성은 다양한 레이블이 부여된 벤치마크 데이터셋을 만들 수 있는 유망한 접근법으로, 모델 평가 및 일반화 능력을 향상시킬 수 있다.
• 표준 성능 점수를 넘어서 실제 적용 가능성을 반영할 수 있는 공정하고 내구성 있으며 생물학적으로 해석 가능한 평가 지표가 절실하게 필요하다.
• 향후 연구는 동적이고 지속적으로 업데이트되는 딥러닝 모델 개발, 사전 생물학적 지식 통합, 딥러닝 방법의 임상 및 정밀의료 적용으로의 번역을 우선시해야 한다.