[论文解读] A coupled autoencoder approach for multi-modal analysis of cell types

Rohan Gala, Nathan W. Gouwens+7 more|arXiv (Cornell University)|Nov 6, 2019

Cell Image Analysis Techniques被引用 17

一句话总结

本文提出一种k-耦合自编码器框架，通过学习共享的低维表示，实现多模态单细胞数据（特别是转录组和电生理学谱型）的对齐。该方法在仅基于电生理学数据预测转录组细胞类型时达到约80%的准确率，并能识别仅在一个模态中存在的细胞类型，即使配对数据稀疏亦可实现。

ABSTRACT

Recent developments in high throughput profiling of individual neurons have spurred data driven exploration of the idea that there exist natural groupings of neurons referred to as cell types. The promise of this idea is that the immense complexity of brain circuits can be reduced, and effectively studied by means of interactions between cell types. While clustering of neuron populations based on a particular data modality can be used to define cell types, such definitions are often inconsistent across different characterization modalities. We pose this issue of cross-modal alignment as an optimization problem and develop an approach based on coupled training of autoencoders as a framework for such analyses. We apply this framework to a Patch-seq dataset consisting of transcriptomic and electrophysiological profiles for the same set of neurons to study consistency of representations across modalities, and evaluate cross-modal data prediction ability. We explore the problem where only a subset of neurons is characterized with more than one modality, and demonstrate that representations learned by coupled autoencoders can be used to identify types sampled only by a single modality.

研究动机与目标

• 解决转录组学与电生理学等不同单细胞模态之间细胞类型定义不一致的挑战。
• 开发一种稳健的跨模态表征对齐框架，即使仅部分细胞在多种模态中被测量，也能有效工作。
• 基于从一种模态学习到的表征，实现从另一模态准确预测细胞类型。
• 识别在单一模态中存在但缺乏直接配对数据的细胞类型。
• 提供一种可扩展、可微分的方法，用于对多模态单细胞数据集进行联合分析，且对数据结构的假设极少。

提出的方法

• 该方法采用k-耦合自编码器（k-CAE），其中每个模态由独立的自编码器处理，但共享潜在表征。
• 提出一种基于批次协方差矩阵最小特征值的新颖耦合损失，以防止表征坍缩，避免批归一化带来的问题。
• 该框架基于概率解释，其优化目标对应于最大化似然函数，从而支持泛化性与理论验证。
• 训练完成后，在共享潜在空间上拟合高斯混合模型，以实现聚类与细胞类型发现。
• 该方法可处理部分配对的数据集，即仅有一小部分细胞在多种模态中被测量。
• 该方法支持跨模态预测：即从一种模态中预测另一种模态的原始数据或细胞类型标签。

实验结果

研究问题

• RQ1 能否利用共享表征，从一种模态（如转录组学）中准确预测另一种模态（如电生理学）定义的细胞类型？
• RQ2 当仅部分细胞在两种模态中被测量时，如何对齐来自不同模态的表征？
• RQ3 耦合自编码器的失败模式是什么？如何缓解以确保稳定且有意义的潜在表征？
• RQ4 该框架能否在缺乏配对数据的情况下，发现仅存在于单一模态中的细胞类型？
• RQ5 所提出的耦合机制是否支持可靠、低维的表征学习，从而在不同模态间保持生物结构？

主要发现

• 当转录组层次结构被划分为15类时，该耦合自编码器框架在从电生理学记录预测转录组细胞类型方面达到约80%的准确率。
• 当转录组层次结构被划分为25类时，预测准确率下降至约70%，表明对类别粒度敏感。
• 该方法成功识别出仅在一个模态中出现的细胞类型，表现为共享潜在空间中明显且不重叠的聚类。
• 最近邻距离分析证实，来自一个模态的未配对类型可与另一模态中的类型可靠地区分（K-S检验p < 0.01）。
• 所提出的基于最小特征值的归一化方法有效防止了表征坍缩，在保持多维结构方面优于批归一化。
• 该框架支持跨模态原始数据重建，证明其在分类之外的应用价值。