[논문 리뷰] stMCDI: Masked Conditional Diffusion Model with Graph Neural Network for Spatial Transcriptomics Data Imputation

Xiaoyu Li, Wenwen Min외 3명|arXiv (Cornell University)|2024. 03. 16.

Gene expression and cancer classification인용 수 6

한 줄 요약

stMCDI 는 그래프 신경망 인코더와 조건부 점수 기반 확산 모델 및 마스크드 자기지도 전략을 결합해 공간 전사체 데이터의 누락 값을 보간하면서 데이터 분포를 보존하고, 여러 데이터셋에서 최첨단 성능을 달성한다.

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 extbf{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.

연구 동기 및 목표

• 공간 위치 정보를 활용하여 유전자 발현 분포를 왜곡하지 않으면서 공간 전사체 데이터의 보간을 개선한다.
• 데이터의 일부를 마스킹하여 의사 레이블을 생성하고 학습을 유도하는 자기지도 학습 전략을 개발한다.
• 견고한 보간을 위해 그래프 신경망 인코더를 조건부 점수 기반 확산 모델과 통합한다.
• 여러 실세계 공간 전사체 데이터 세트에서 최첨단 성능을 보여준다.

제안 방법

• 공간 좌표로부터 각 스폿의 다섯 개 최근 이웃을 이용해 인접 행렬을 형성하여 스팟 그래프를 구성한다.
• 그래프 컨볼루셔널 네트워크(GCN)로 공간 정보와 발현 정보를 인코딩하여 잠재 스팟 표현을 얻는다.
• 데이터의 일부를 무작위로 마스킹한 뒤, 잠재 표현을 다시 마스킹하여 확산 기반 잡음 제거를 안내하는 마스크드 자기지도 스킴을 적용한다.
• 알려진(마스킹되지 않은) 데이터가 선험적 조건으로 작용하여 누락 값을 보간하는 조건부 점수 기반 확산 모델을 사용한다.
• 조건 정보를 통합하고 데이터 분포의 기울기(그레디언트)를 학습하기 위해 UNet 백본에 크로스 어텐션을 강화한다.
• 조건부 확산에 맞춘 변분 하한을 통해 최적화하고, 마스킹된 값을 정확하게 재구성하도록 유도하는 손실 함수를 사용한다.

실험 결과

연구 질문

• RQ1 공간 맥락을 무시하는 방법과 비교하여 GNN 인코더를 통한 공간 위치 정보를 통합하는 것이 보간 품질을 향상시키는가?
• RQ2 마스킹된 자기지도 학습 전략과 조건부 확산 모델을 결합하면 전체 데이터 분포를 왜곡하지 않으면서 누락 값을 신뢰할 수 있게 보간할 수 있는가?
• RQ3 공간 전사체 데이터에서 그래프 신경망 아키텍처의 선택이 보간 성능에 어떻게 영향을 미치는가?
• RQ4 다양한 마스킹 전략 및 마스킹 단계가 보간 정확도에 미치는 영향은 무엇인가?
• RQ5 다양한 조직과 종으로부터의 실제 공간 전사체 데이터 세트가 기존 기준 방법보다 stMCDI로 더 잘 보간되는가?

주요 결과

• stMCDI는 일곱 테스트 중 열네 개의 기준선을 능가하며 여섯 개의 실제 공간 전사체 데이터 세트에서 네 가지 평가 지표(PCC, 코사인 유사도, RMSE, MAE)로 우수한 성능을 보인다.
• 해당 방법은 일관되게 최상의 성능을 달성하며, 여러 데이터 세트에서 눈에 띄는 향상을 보인다(예: MOB, HBC, HP, HO, ML, MK).
• 절삭 연구(ablation studies)에서 이중 마스킹 전략의 효율성과 다른 GNN 변형보다 GCN 인코더를 사용하는 것이 효과적임이 확인된다.
• GCN은 이 작업에서 공간 정보와 발현 정보를 통합하는 데 가장 효과적인 그래프 인코더로 부상한다.
• 알려진 데이터를 선험 정보로 사용하는 조건부 확산 프레임워크는 데이터 분포와의 정렬을 개선하고 보간 정확도를 향상시킨다.