[论文解读] Reconstructing probabilistic trees of cellular differentiation from single-cell RNA-seq data

Miriam Shiffman, William Stephenson+5 more|arXiv (Cornell University)|Nov 28, 2018

Single-cell and spatial transcriptomics被引用 3

一句话总结

该论文提出了一种贝叶斯非参数生成模型，通过将狄利克雷扩散树扩展为在潜在分叉轨迹上建模连续伪时间，从而从单细胞RNA-seq数据重建细胞分化的概率树。该方法引入了一种新颖的MCMC采样器，结合了Metropolis-Hastings与消息传递，实现了高效的推断，并在模拟数据中展示了对潜在细胞轨迹及分支不确定性的准确恢复。

ABSTRACT

Until recently, transcriptomics was limited to bulk RNA sequencing, obscuring the underlying expression patterns of individual cells in favor of a global average. Thanks to technological advances, we can now profile gene expression across thousands or millions of individual cells in parallel. This new type of data has led to the intriguing discovery that individual cell profiles can reflect the imprint of time or dynamic processes. However, synthesizing this information to reconstruct dynamic biological phenomena from data that are noisy, heterogenous, and sparse---and from processes that may unfold asynchronously---poses a complex computational and statistical challenge. Here, we develop a full generative model for probabilistically reconstructing trees of cellular differentiation from single-cell RNA-seq data. Specifically, we extend the framework of the classical Dirichlet diffusion tree to simultaneously infer branch topology and latent cell states along continuous trajectories over the full tree. In tandem, we construct a novel Markov chain Monte Carlo sampler that interleaves Metropolis-Hastings and message passing to leverage model structure for efficient inference. Finally, we demonstrate that these techniques can recover latent trajectories from simulated single-cell transcriptomes. While this work is motivated by cellular differentiation, we derive a tractable model that provides flexible densities for any data (coupled with an appropriate noise model) that arise from continuous evolution along a latent nonparametric tree.

研究动机与目标

• 开发一种生成模型，从噪声大、稀疏且零膨胀的单细胞RNA-seq数据中推断潜在的细胞分化轨迹。
• 将狄利克雷扩散树框架扩展为在非参数树上建模连续伪时间，而非将数据限制在离散节点或叶节点上。
• 实现树拓扑结构、潜在细胞状态以及差异表达基因的联合推断，同时量化细胞分支分配中的不确定性。
• 设计一种高效的MCMC推断算法，通过消息传递和变量增广技术利用模型结构，实现可扩展的后验计算。
• 在模拟数据上验证该方法，并通过一种新颖的三元组度量展示对真实轨迹和拓扑结构的恢复能力。

提出的方法

• 将经典狄利克雷扩散树扩展为在潜在二叉树上建模基因表达的连续演化，其中伪时间被参数化为从根到叶的连续潜变量。
• 采用一种用于scRNA-seq计数数据的生成模型，引入负二项分布噪声模型以处理零膨胀和过度离散问题。
• 应用Pólya Gamma增广技术，实现在树结构上的精确高斯信念传播，从而促进潜在状态推断的高效消息传递。
• 开发一种新颖的MCMC采样器，通过交替执行树结构的Metropolis-Hastings更新与潜在状态的消息传递步骤，利用树中条件独立性。
• 引入变量增广以改善MCMC链在高维基因表达空间中的混合与收敛性能。
• 采用三元组度量，通过评估树中成对细胞距离和异常值分配的一致性，定量比较推断拓扑与真实拓扑。

实验结果

研究问题

• RQ1 概率性连续时间模型能否准确从静态、噪声大的单细胞RNA-seq快照中重建细胞分化的潜在轨迹？
• RQ2 如何量化并可视化在分化树不同分支上细胞谱系分配的不确定性？
• RQ3 贝叶斯非参数模型在无需预处理（如降维）的情况下，能在多大程度上同时推断树拓扑结构和差异表达基因？
• RQ4 与离散节点模型相比，引入连续伪时间在多大程度上提升了轨迹重建的保真度？
• RQ5 该模型能否检测并表征细胞命运决定中的细微拓扑差异，特别是在分支重叠或彼此靠近的分叉点附近？

主要发现

• 三元组度量在拓扑恢复方面表现出显著提升，从初始树的0.520提高到最大后验概率（MAP）树的0.828，而随机树仅为0.409。
• 细胞在接近末端叶的位置对分支分配具有更高的置信度，尤其是在分叉较早且在潜空间中分离良好的情况下。
• 位于重叠或紧密相邻的内部分支附近的细胞表现出最高的谱系分配不确定性，反映出模型对细胞命运模糊性的捕捉能力。
• MCMC采样器成功收敛至真实拓扑，表现为三元组度量随迭代增加且后验估计稳定。
• 该模型成功从模拟的单细胞转录组中恢复了潜在轨迹，表现出对噪声和稀疏性的鲁棒性。
• 概率框架实现了对细胞状态和谱系不确定性的一致量化，超越了点估计，提供了对分支分配的可解释置信度。