[论文解读] Estimation of cell lineage trees by maximum-likelihood phylogenetics

Jean Feng, William S. DeWitt+4 more|arXiv (Cornell University)|Mar 29, 2019

Single-cell and spatial transcriptomics参考文献 28被引用 13

一句话总结

本文提出GAPML，一种基于CRISPR谱系示踪数据的细胞谱系树估计的惩罚最大似然方法。通过建模由Cas9切割动力学驱动的不可逆、位点依赖性突变（插入/缺失事件），GAPML在准确度上优于现有的简约法和距离法，能够生成具有生物可解释性的基于时间的分支长度，并更准确地重现斑马鱼发育过程。

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.

研究动机与目标

• 解决当前用于GESTALT谱系示踪数据的非系统性计算方法准确度低的问题。
• 开发一种统计模型，以考虑合成条形码中CRISPR诱导突变的不可逆、非独立特性。
• 使用最大似然法同时估计细胞谱系树拓扑结构、以时间单位表示的分支长度以及突变参数。
• 通过在分支长度和突变率上施加正则化，稳定小样本情况下的参数估计。
• 在模拟数据和斑马鱼实验数据集上验证该方法，证明其具有更高的生物一致性。

提出的方法

• 将条形码突变建模为两步过程：(1) 目标切割的连续时间马尔可夫过程，随后(2) 在最外层切割位点随机引入插入/缺失。
• 引入生物学上合理的假设：最外层切割、目标切割率和插入/缺失概率，确保可约性并兼容Felsenstein的剪枝算法。
• 使用惩罚最大似然估计法，联合推断树的拓扑结构、分支长度（以时间单位表示）和突变参数。
• 通过在分支长度和突变参数上进行梯度下降的迭代优化，并结合SPR（子树剪枝与重接）操作来探索拓扑空间。
• 通过在分支长度和突变参数上施加惩罚项来正则化似然函数，以在小样本条件下稳定估计。
• 将拓扑搜索限制在最大简约树上，因为在模拟中此类树始终产生最高的惩罚对数似然值。

实验结果

研究问题

• RQ1 与Camin-Sokal简约法或邻接法等非系统性方法相比，对CRISPR突变过程的统计建模是否能提高细胞谱系树重建的准确性？
• RQ2 与抽象距离相比，以时间单位建模突变率和分支长度是否能提升生物可解释性和准确性？
• RQ3 当仅获得少量条形码时，正则化是否能稳定参数估计？
• RQ4 GAPML重建的树是否能更好地反映已知的发育生物学规律，如斑马鱼的胚层和组织类型分化？
• RQ5 该方法在生物重复实验中是否具有鲁棒性，表现为一致的树拓扑结构和组织间距离相关性？

主要发现

• 在模拟数据中，GAPML显著优于Camin-Sokal简约法和邻接法，具有更高的拓扑准确度和更优的真实分支长度恢复能力。
• 该方法能估计出具有生物学意义的时间单位分支长度，从而可解释不同谱系中细胞分化的时机。
• 在斑马鱼数据中，GAPML重建的树更准确地再现了已知的发育关系，包括胚层和组织类型的限制性分化。
• 置换检验显示，GAPML树中的组织距离相关性显著高于随机树，表明其能稳健地恢复发育结构。
• 与随机树相比，GAPML树中内部节点时间与细胞类型/组织数量之间的相关性显著更高，支持其生物学相关性。
• 惩罚对数似然值在最大简约树上最高，这为将拓扑搜索限制在此子集以提升计算效率提供了合理依据。