[논문 리뷰] Reconstructing probabilistic trees of cellular differentiation from single-cell RNA-seq data

Miriam Shiffman, William Stephenson외 5명|arXiv (Cornell University)|2018. 11. 28.

Single-cell and spatial transcriptomics인용 수 3

한 줄 요약

이 논문은 단일세포 RNA-시퀀싱 데이터로부터 세포 분화의 확률적 트리를 재구성하기 위해 디리클레 확산 트리(Dirichlet diffusion tree)를 확장하여 잠재적 분열 경로의 연속된 가짜시간(continuous pseudotime)을 모델링하는 베이지안 비모수 생성 모델을 제안한다. 효율적인 추론을 위해 메트로폴리스-해스팅스와 메시지 전달을 조합한 새로운 MCMC 샘플러를 도입하여 시뮬레이션 데이터에서 잠재적 세포 경로와 분지 불확실성을 정확하게 복원함을 보여준다.

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.

연구 동기 및 목표

• 노이즈가 많고 희소하며 제로 과잉이 있는 단일세포 RNA-seq 데이터로부터 잠재적 세포 분화 경로를 추론하는 생성 모델을 개발하는 것.
• 디리클레 확산 트리 프레임워크를 확장하여 비모수적 트리에서 이산 노드나 잎으로 제한되지 않은 연속적 가짜시간을 모델링하는 것.
• 트리 구조, 잠재적 세포 상태, 차등 발현 유전자를 함께 추론하면서도 세포 분지 할당의 불확실성을 정량화하는 것.
• 메시지 전달과 변수 증강을 활용하여 모델 구조를 활용하는 효율적인 MCMC 추론 알고리즘을 설계하는 것.
• 시뮬레이션 데이터를 활용한 방법 검증을 통해 참값 경로와 구조를 복원함을 보여주는 새로운 삼중 비교 지표(triplet metric)를 사용하는 것.

제안 방법

• 유전자 발현이 잠재적 이진 트리의 연속적인 경로를 따라 변화함을 모델링하기 위해 고전적 디리클레 확산 트리를 확장하며, 가짜시간은 루트에서 잎까지 연속적인 잠재 변수로 파rameter화함.
• 제로 과잉과 과분산을 고려하기 위해 음이 이항 분포(음수 이항 분포) 잡음 모델을 포함한 scRNA-seq 카운트 데이터에 대한 생성 모델을 사용함.
• 정확한 가우시안 믿음 전파를 가능하게 하기 위해 폴리아 가우스 보정(Pólya Gamma augmentation)을 적용하여 트리 구조에서 잠재 상태 추론을 위한 효율적 메시지 전달을 가능하게 함.
• 트리 구조에 대한 메트로폴리스-해스팅스 업데이트와 잠재 상태에 대한 메시지 전달 단계를 번갈아 적용하는 새로운 MCMC 샘플러를 개발하며, 트리 내 조건부 독립성을 활용함.
• 특히 고차원 유전자 발현 공간에서의 혼합과 수렴을 향상시키기 위해 변수 증강을 통합함.
• 유전적 트리 간의 쌍별 거리 일관성과 이상치 할당을 평가하여 추론된 트리와 참값 트리의 상호 비교를 위한 삼중 비교 지표를 도입함.

실험 결과

연구 질문

• RQ1 정적이고 노이즈가 많은 단일세포 RNA-seq 스냅샷으로부터 연속적 시간 기반의 확률적 모델이 세포 분화의 잠재적 경로를 정확히 재구성할 수 있는가?
• RQ2 다양한 분화 트리 분지에서의 세포 계통 할당 불확실성을 어떻게 정량화하고 시각화할 수 있는가?
• RQ3 베이지안 비모수 모델이 차원 축소 등의 사전 처리 없이 트리 구조와 차등 발현 유전자를 동시에 추론할 수 있는 정도는 어느 정도인가?
• RQ4 연속적 가짜시간을 포함함으로써 이산 노드 모델 대비 경로 재구성의 정확도가 어떻게 향상되는가?
• RQ5 특히 겹치거나 가까이 위치한 분기점 근처에서의 세포 운명 결정의 미세한 구조적 차이를 모델이 탐지하고 표현할 수 있는가?

주요 결과

• 삼중 비교 지표는 트리 복원 성능에서 뚜렷한 향상을 보였으며, 초기 트리의 0.520에서 최대 사후확률(MAP) 트리의 0.828로 증가했고, 랜덤 트리의 0.409보다 높음.
• 특히 분지가 초기에 분리되고 잠재 공간에서 잘 분리된 경우, 종단 잎 근처의 세포는 분지 할당에 대해 더 높은 신뢰도를 보였음.
• 겹치거나 가까이 위치한 내부 분지 근처의 세포는 계통 할당에 가장 높은 불확실성을 보였으며, 이는 모델이 세포 운명의 모호함을 잘 포착하고 있음을 반영함.
• MCMC 샘플러는 수렴이 잘 이루어져, 반복 과정에서 삼중 비교 지표가 증가하고 사후 추정치가 안정되었음.
• 모델은 노이즈와 희소성에 강건한 잠재 경로를 시뮬레이션된 단일세포 전사체에서 성공적으로 복원함.
• 확률적 프레임워크를 통해 세포 상태와 계통의 일관된 불확실성 정량화가 가능해졌으며, 점 추정치를 넘어서 분지 할당에 대한 해석 가능한 신뢰도를 제공함.