[논문 리뷰] Celcomen: spatial causal disentanglement for single-cell and tissue perturbation modeling

Stathis Megas, Daniel G. Chen외 4명|arXiv (Cornell University)|2024. 09. 09.

Mathematical Biology Tumor Growth인용 수 5

한 줄 요약

Celcomen은 인과 프레임워크와 생성 그래프 신경망을 사용하여 공간 전사학에서 세포 내 및 세포 간 유전자 조절을 구분하고 단일 세포 및 조직 데이터에 대한 포스트 perturbation 대사실(counterfactuals)을 생성합니다.

ABSTRACT

Celcomen leverages a mathematical causality framework to disentangle intra- and inter- cellular gene regulation programs in spatial transcriptomics and single-cell data through a generative graph neural network. It can learn gene-gene interactions, as well as generate post-perturbation counterfactual spatial transcriptomics, thereby offering access to experimentally inaccessible samples. We validated its disentanglement, identifiability, and counterfactual prediction capabilities through simulations and in clinically relevant human glioblastoma, human fetal spleen, and mouse lung cancer samples. Celcomen provides the means to model disease and therapy induced changes allowing for new insights into single-cell spatially resolved tissue responses relevant to human health.

연구 동기 및 목표

• 공간 전사학 및 단일 세포 데이터에서 세포 내 및 세포 간 유전자 조절의 구분 필요성을 동기 부여한다.
• 유전자 조절 프로그램을 분리하기 위한 수학적 인과 프레임워크를 개발한다.
• 유전자-유전자 상호작용을 학습하고 perturbation 후 샘플을 생성하는 생성 그래프 신경망 모델을 제안한다.
• 시뮬레이션 및 임상적으로 관련된 조직 샘플을 통해 구분성, 식별 가능성 및 대조실험 예측을 검증한다.
• 인간 건강에 대한 질병 및 치료로 인한 변화를 모델링하는 적용 가능성을 시연한다.

제안 방법

• 세포 내/세포 간 규제 프로그램을 구분하기 위한 수학적 인과 프레임워크를 도입한다.
• 유전자-유전자 상호작용을 학습하기 위해 생성 그래프 신경망을 활용한다.
• perturbation 후 공간 전사학 데이터를 생성할 수 있게 한다.
• 시뮬레이션 및 인간의 신경교종, 인간 태아 비장, 쥐 폐암 샘플을 사용하여 구분성, 식별 가능성 및 대조실험 예측을 검증한다.

실험 결과

연구 질문

• RQ1 Celcomen이 공간 전사학 및 단일 세포 데이터에서 세포 내 유전자 조절과 세포 간 유전자 조절을 정확히 구분할 수 있는가?
• RQ2 perturbation 하에서 학습된 인과 구성 요소의 식별 가능성은 어느 정도인가?
• RQ3 모델이 perturbation 후 공간 전사학 데이터의 대조실험 샘플을 안정적으로 생성할 수 있는가?
• RQ4 구분된 구성 요소가 glioblastoma, 태아 비장, 쥐 폐암과 같은 임상적으로 관련 맥락에서 의미 있는 생물학적 통찰을 제공하는가?

주요 결과

• 모델은 유전자-유전자 상호작용을 학습하고 pertubation 하에서 대조실험 공간 전사학 데이터를 생성할 수 있다.
• 구분성, 식별 가능성, 대조실험 예측 능력은 시뮬레이션 및 인간/쥐 조직 샘플을 통해 검증된다.
• 적용 데모는 공간적으로 해석 가능한 조직 반응에서 질병 및 치료로 인한 변화를 모델링할 가능성을 시사한다.