[논문 리뷰] Visualizing hierarchies in scRNA-seq data using a density tree-biased autoencoder

Quentin Garrido, Sebastian Damrich외 5명|arXiv (Cornell University)|2021. 02. 11.

Single-cell and spatial transcriptomics참고 문헌 27인용 수 5

한 줄 요약

이 논문은 k-means 중심점에 대한 밀도 기반 최소 스패닝 트리(MST)를 활용해 단일세포 RNA-seq 데이터의 계층적 구조를 식별하는 밀도 트리 편향 자동에코더인 DTAE를 제안한다. 이는 저차원 공간에서 이 트리 구조를 유지하면서 데이터를 시각화한다. DTAE는 기존 방법들보다 계층적 위상 구조를 더 잘 유지하며, 합성 및 실제 scRNA-seq 데이터셋 모두에서 정성적으로 뛰어난 시각화를 제공한다.

ABSTRACT

Motivation: Single cell RNA sequencing (scRNA-seq) data makes studying the development of cells possible at unparalleled resolution. Given that many cellular differentiation processes are hierarchical, their scRNA-seq data is expected to be approximately tree-shaped in gene expression space. Inference and representation of this tree-structure in two dimensions is highly desirable for biological interpretation and exploratory analysis.Results:Our two contributions are an approach for identifying a meaningful tree structure from high-dimensional scRNA-seq data, and a visualization method respecting the tree-structure. We extract the tree structure by means of a density based minimum spanning tree on a vector quantization of the data and show that it captures biological information well. We then introduce DTAE, a tree-biased autoencoder that emphasizes the tree structure of the data in low dimensional space. We compare to other dimension reduction methods and demonstrate the success of our method both qualitatively and quantitatively on real and toy data.Availability: Our implementation relying on PyTorch and Higra is available at https://github.com/hci-unihd/DTAE.

연구 동기 및 목표

• 고차원 유전자 발현 공간에서 자주 수형 구조를 띠는 단일세포 RNA-seq 데이터의 계층적 분화 경로를 시각화하는 데 도전하는 것.
• 기존 차원 감소 방법이 암묵적인 구조에 의존하는 것과는 달리, 저차원 시각화에서 생물학적 계층 구조를 명시적으로 캡처하고 유지하는 방법을 개발하는 것.
• 생물학적으로 해석 가능하고 정량적으로도 안정적인 시각화 방법을 만들되, 발달 경로의 나무 모양 조직을 명시적으로 편향시키는 것.
• 기존 방법들인 MONOCLE 2와 비교해 임bedding 초기화에 의존하지 않으며 노이즈에 더 강건한 도구를 제공하는 것.

제안 방법

• 고차원 scRNA-seq 데이터를 k-means를 사용해 클러스터링하여 대표 중심점들을 확보함으로써 데이터 복잡도를 감소시키고 강건성을 향상시킴.
• 클러스터 쌍 간의 데이터 밀도를 반영한 간선 가중치를 갖는 중심점 기반의 밀도 기반 최소 스패닝 트리(density tree)를 구축함. 이는 간선이 고밀도 영역에 위치하도록 보장함.
• 저차원 뱃지 표현이 밀도 트리의 위상 구조를 유지하도록 유도하는 정규화 항을 포함한 딥 오토에코더(DTAE)를 훈련함.
• 재구성 오차 외에도 밀도 트리의 구조적 일致성을 최적화함으로써, 2차원 시각화에서 계층적 관계가 강조되도록 함.
• 훈련된 오토에코더의 뱃지 레이어를 사용해 데이터 구조와 유추된 계층성을 반영한 최종 저차원 임베딩을 생성함.
• 재현 가능성과 기존 scRNA-seq 분석 파이프라인과의 통합을 위해 PyTorch와 Higra를 활용해 구현함.

실험 결과

연구 질문

• RQ1 k-means 중심점에 대한 밀도 기반 최소 스패닝 트리는 scRNA-seq 데이터의 생물학적으로 의미 있는 계층 구조를 효과적으로 포착할 수 있는가?
• RQ2 밀도 트리로 오토에코더를 편향시키면, 기존 차원 감소 방법에 비해 저차원 시각화에서 계층적 구조의 유지가 향상되는가?
• RQ3 실제 및 합성 scRNA-seq 데이터셋에서 DTAE는 위상 적합성과 생물학적 해석 가능성 측면에서 어떻게 성능을 발휘하는가?
• RQ4 UMAP, t-SNE, PHATE, SAUCIE와 같은 최첨단 방법들에 비해 DTAE는 계층적 및 국소 이웃 구조를 얼마나 잘 유지하는가?

주요 결과

• DTAE는 특히 k=50에서 Voronoï 다이어그램 기반 메트릭에서 다른 방법들보다 뚜렷이 뛰어난 성능을 보이며, 계층적 구조에 대한 명시적 편향 덕분이다.
• 국소 이웃 유지 측면에서 DTAE는 가장 높은 조정된 랜드 지수(ARI) 스코어를 기록했고, 이는 강력한 클러스터링 적합성을 의미한다.
• k-NN 유지 측면에선 UMAP가 최고의 성능을 보였으며, 이는 그 최적화 목표와 일치한다. 그러나 DTAE는 여러 메트릭에서 뛰어난 성능을 유지했다.
• 유클리드 거리 유지 측면에선 오토에코더 기반 방법들이 가장 우수했으며, 이들 사이에 명확한 승자가 없었다.
• 지오데식 거리 유지 측면에선 PCA가 가장 우수했지만, 이는 시각화 품질이 열악하기 때문에, 다른 대부분의 방법들이 유사한 성능를 보여 이 메트릭이 구분력이 떨어진다.
• 모든 메트릭에 대한 통합 성능 분석 결과, DTAE와 SAUCIE가 상위 성능를 기록했으며, DTAE가 약간 더 뛰어나고, 정성적 분석을 통해 DTAE가 더 생물학적으로 해석 가능한 시각화를 제공한다는 점이 확인되었다.