[논문 리뷰] Estimation of cell lineage trees by maximum-likelihood phylogenetics

Jean Feng, William S. DeWitt외 4명|arXiv (Cornell University)|2019. 03. 29.

Single-cell and spatial transcriptomics참고 문헌 28인용 수 13

한 줄 요약

이 논문은 CRISPR 기반의 세포 계통 추적 데이터로부터 계통수를 추정하기 위한 페널티 최대우도 방법인 GAPML을 소개한다. Cas9 절단 동역학에 의해 유도되는 불가역적이고 서열에 의존하는 산발적 삽입/삭제(Indel) 이벤트를 모델링함으로써 GAPML은 기존의 최소성 원칙 및 거리 기반 방법보다 정확도를 향상시키며, 생물학적으로 해석 가능한 시간 기반 분지 길이를 제공하고 코이페어의 발달을 더 잘 복원한다.

ABSTRACT

CRISPR technology has enabled large-scale cell lineage tracing for complex multicellular organisms by mutating synthetic genomic barcodes during organismal development. However, these sophisticated biological tools currently use ad-hoc and outmoded computational methods to reconstruct the cell lineage tree from the mutated barcodes. Because these methods are agnostic to the biological mechanism, they are unable to take full advantage of the data's structure. We propose a statistical model for the mutation process and develop a procedure to estimate the tree topology, branch lengths, and mutation parameters by iteratively applying penalized maximum likelihood estimation. In contrast to existing techniques, our method estimates time along each branch, rather than number of mutation events, thus providing a detailed account of tissue-type differentiation. Via simulations, we demonstrate that our method is substantially more accurate than existing approaches. Our reconstructed trees also better recapitulate known aspects of zebrafish development and reproduce similar results across fish replicates.

연구 동기 및 목표

• GESTALT 계통 추적 데이터에 사용되는 현재의 수작업 기반 계산 방법의 낮은 정확도를 해결하기 위해.
• 합성 바코드에서 CRISPR 유도 돌연변이의 불가역적이고 상관관계가 있는 성격을 고려한 통계 모델을 개발하기 위해.
• 최대우도를 사용하여 계통수의 구조, 시간 단위로 표현된 분지 길이, 돌연변이 파라미터를 동시에 추정하기 위해.
• 분지 길이와 돌연변이율에 대한 정규화를 통해 저표본 설정에서의 파라미터 추정을 안정화하기 위해.
• 모의 데이터와 실제 코이페어 데이터셋에서의 검증을 통해 생물학적 일관성 향상 여부를 입증하기 위해.

제안 방법

• 바코드 돌연변이를 두 단계 과정으로 모델링: (1) 타겟 절단의 연속 시간 마르코프 체인, 그 다음 (2) 외측 절단 부위에서의 무작위 Indel 도입.
• 생물학적으로 타당한 가정 도입: 외측 절단, 타겟 빈도, Indel 확률을 설정하여, 뭉치성( lumpability )과 펠렌슈타인의 잘라내기 알고리즘과의 호환성을 확보.
• 페널티 최대우도 추정을 사용하여 계통수의 구조, 분지 길이(시간 단위), 돌연변이 파라미터를 동시에 추론.
• 기울기 강하법을 사용해 분지 길이와 돌연변이 파라미터를 반복 최적화하고, SPR(Subtree Pruning and Regrafting) 이동을 통해 계통수의 구조 공간 탐색.
• 저표본 설정에서 추정의 안정성을 확보하기 위해 분지 길이와 돌연변이 파라미터에 페널티를 적용하여 우도를 정규화.
• 모의 실험에서 최대 최소성 원칙을 만족하는 계통수에서 페널티 최대우도 로그우도가 가장 높게 나타나므로, 계통수 탐색을 이들에 국한함으로써 계산 효율성을 향상.

실험 결과

연구 질문

• RQ1 CRISPR 돌연변이 과정을 통계 모델링하면, Camin-Sokal 최소성 원칙이나 이웃 조합 기반 방법과 같은 수작업 기반 방법보다 세포 계통수 재구성 정확도가 향상되는가?
• RQ2 추상적인 거리가 아닌 시간 단위로 돌연변이율과 분지 길이를 모델링하면 생물학적 해석 가능성과 정확도가 향상되는가?
• RQ3 소수의 바코드만 존재할 경우 정규화가 파라미터 추정을 안정화시킬 수 있는가?
• RQ4 GAPML로 재구성된 계통수는 코이페어의 배아 발생 과정, 예를 들어 배엽 및 조직 유형의 분화와 같은 알려진 발달 생물학을 더 잘 반영하는가?
• RQ5 생물학적 복제체 간에 일관된 계통수 구조와 조직 간 거리 상관관계를 유지하는가?

주요 결과

• 모의 데이터에서 GAPML은 Camin-Sokal 최소성 원칙과 이웃 조합 기반 방법보다 유의미하게 높은 계통수 정확도와 진짜 분지 길이 복원 능력을 보였다.
• 이 방법은 생물학적으로 의미 있는 시간 단위의 분지 길이를 추정하여 계통 간 분화 시점의 이해를 가능하게 한다.
• 코이페어 데이터에서 GAPML로 재구성된 계통수는 배엽 및 조직 유형 제한과 같은 알려진 발달 관계를 더 잘 반영한다.
• 순열 테스트 결과, GAPML 계통수의 조직 간 거리 상관관계는 랜덤 계통수보다 유의미하게 높게 나타나, 발달적 구조의 안정적인 복원을 뒷받침한다.
• 내부 노드의 시간과 세포 유형/조직 수 사이의 상관관계는 GAPML 계통수에서 랜덤 계통수보다 유의미하게 높게 나타나 생물학적 관련성을 뒷받침한다.
• 최대 최소성 원칙을 만족하는 계통수에서 페널티 최대우도 로그우도가 가장 높게 나타나, 계통수 탐색을 이들에 국한함으로써 계산 효율성을 높일 수 있음을 정당화한다.