使用 NetMap 同时从头推断细胞类型与基因调控网络
Concurrent de novo inference of cell types and gene regulatory networks with NetMap
一句话提出 NetMap，联合推断细胞级基因调控网络与细胞分群，减少对预先细胞注释的依赖。
研究问题
数据与样本
分析流程
- 1表达预处理与模型训练：统一计数深度并进行对数转换，训练浅层瓶颈自编码器，以负二项或零膨胀负二项分布重构原始计数。
- 2训练稳健性控制：随机按 80:20 划分训练集与验证集并采用早停，通过不同随机初始化及数据划分训练多个模型。
- 3细胞级网络推断：用 captum 的 GradientShap 对估计均值 µ 的解码器计算输入基因对目标基因的归因，汇集多个模型的结果。
- 4网络过滤与细胞聚类：用表达缺失掩码及可选外部注释过滤网络，再以高分边进行 PCA、近邻图构建和 Leiden 聚类。
- 5网络指导的细胞注释：将细胞特异性基因网络与用户提供的标志基因—细胞类型关系结合，通过 PageRank 计算细胞类型概率样评分。
- 6调控特征提取：按来源基因或目标基因聚合调控边，以边的均值生成逐细胞特征，并使用 scanpy 对特征排序。
- 7性能与应用评估：在已知真实网络的合成数据和真实数据上与现有方法比较，在 PBMC 数据中参照人工标签评估，并在 T 细胞数据中验证状态特征。
关键方法与工具
- NetMap
- 联合推断网络与细胞分群
- GradientShap
- 计算基因间预测归因
- captum
- 实现模型归因分析
- PCA
- 调控网络特征降维
- Leiden
- 基于调控程序聚类
- PageRank
- 网络指导的细胞类型注释
- scanpy
- 特征排序与可视化
- AnnData
- 存储网络及过滤掩码
设计思路
主要发现
- 在具有已知真实 GRN 的合成数据上，NetMap 优于现有方法，并能在真实数据中可靠检出生物学上合理的调控子。
- 仅需用户提供少量标志基因，NetMap 即可进行 GRN 结构指导的概率性细胞类型分配。
- 在 PBMC 数据中，以人工细胞类型标签为参照，聚类和细胞类型恢复性能接近完美，但摘要未报告具体指标。
- 在初始、活化和耗竭 T 细胞数据中，通过 2 种方法验证了相关 T 细胞状态特征的提取。
可借鉴之处
- 研究细胞状态异质性时，可借鉴先推断逐细胞网络、再按调控程序分群的设计，避免将预先注释错误直接带入网络推断。
- 对存在大量未检出表达的单细胞数据，可借鉴其逐细胞与近邻两类缺失掩码，检查过度插补对调控边解释的影响。
- 方法评估可采用本文的分层证据链：用已知真实网络的合成数据检验推断性能，再以人工标签和生物学状态特征考察真实数据表现。
数据与代码
局限
- 训练过程未设置用于最终测试的留出集，多次随机划分使模型在训练过程中接触整个数据集。
- 自编码器可能对具有结构性缺失的表达数据过度插补，因此需要后处理掩码。
- 逐细胞全基因对网络的数据规模很大，可能超出部分用户的计算资源。
- 外部网络知识尚不充分，使用已有网络掩码可能造成过于严格的过滤。
摘要（中文翻译）
现有基于单细胞 RNA 测序（scRNA-seq）数据推断基因调控网络（GRN）的方法通常需要先判定细胞类型，再在细胞类型分辨率上推断 GRN。这可能使细胞注释的错误传播至 GRN 推断。此外，这也使现有方法无法识别不同细胞类型共享的调控程序，以及同一类型细胞之间调控活性的细微差异。为解决这些局限，我们提出 NetMap：该流程结合先进的单细胞自编码器和可解释人工智能方法，联合推断细胞级 GRN，并依据共享调控程序对细胞聚类。在具有已知真实 GRN 的合成数据上，NetMap 优于现有方法，并能在真实数据上可靠地检测出生物学上合理的调控子。此外，NetMap 仅需用户提供少量标志基因，即可进行由 GRN 结构指导的概率性细胞类型分配。我们使用 PBMC 数据展示了这一方法的用途：以人工创建的细胞类型标签为参照，聚类与细胞类型恢复性能接近完美。最后，我们将 NetMap 应用于包含初始、活化和耗竭 T 细胞的数据集，并通过 2 种方法验证了 NetMap 能够从数据中提取相关的 T 细胞状态特征。NetMap 可从 https://github.com/bionetslab/netmap 安装为 python 软件包，并与 scverse 系统兼容。用于复现我们结果的脚本见 https://github.com/bionetslab/netmap-evaluation。
英文原文摘要
Existing methods for GRN inference based on single-cell RNA-sequencing (scRNA-seq) data typically require prior cell type calling and then infer GRNs at cell type resolution. This risks propagation of errors from cell annotation to GRN inference. Moreover, it makes existing methods blind to regulatory programs that are shared between different cell types, as well as to subtle differences in regulatory activity between cells of the same type. To address these limitations, we present NetMap, a pipeline that jointly infers cell-level GRNs and clusters cells based on shared regulatory programs, combining state-of-the-art single-cell autoencoders and explainable artificial intelligence methods. NetMap outperforms existing methods on synthetic data with a known ground-truth GRN and is able to reliably detect biologically plausible regulons on real data. Moreover, requiring only a small set of user-provided marker genes, NetMap can be used for GRN structure-informed probabilistic cell type assignment. We demonstrate the utility of this approach using PBMC data, where we achieve near perfect clustering and cell type recovery performance compared with manually created cell type labels. Finally, we applied NetMap to a data set with naive, activated and exhausted T-cells, and were able to verify that NetMap retrieves relevant T-cell state signatures from the data, with two approaches. NetMap can be installed as a python package from https://github.com/bionetslab/netmap and is compatible with the scverse system. Scripts to reproduce our results can be found at https://github.com/bionetslab/netmap-evaluation.
摘要来自 Europe PMC。翻译与解读由模型根据摘要和开放获取全文的方法部分生成，可能有误，不构成诊疗建议；数据以原文为准，版权归原出版方所有。