Apprentissage profond pour le séquençage à cellule unique : un microscope pour voir la diversité des cellules

Aperçu

Le séquençage à cellule unique (sc-seq) permet de profiler l’expression génétique et d’autres mesures moléculaires au niveau de chaque cellule, révélant que même des cellules du même type ne sont pas identiques. L’article de The Gradient décrit comment l’apprentissage profond est devenu un moteur clé de l’avancement du sc-seq, depuis les premiers papiers sur le RNA sequencing d’une seule cellule jusqu’à l’écosystème actuel d’outils et de méthodes. Il rappelle que le Human Cell Atlas (HCA) est un effort international visant à cartographier toutes les cellules du corps humain et leurs relations, une sorte de Google Maps cellulaire qui fournit le contexte spatial, les attributs internes et les interrelations cellulaires. Historiquement, le scRNA-seq a émergé comme une option rentable pour étudier l’hétérogénéité cellulaire, ce qui a conduit à une explosion d’outils analytiques, dont beaucoup utilisent l’apprentissage profond. À mesure que la complexité des données augmentait, les mesures multimodales (génome, épigénome, protéomique) dans la même cellule ont nécessité des approches d’apprentissage à visions multiples (multi-view learning) pour explorer les variations communes entre les modalités. Un défi persistant du sc-seq est la perte d’information spatiale lors du profilage transcriptomique; la transcriptomique spatialement résolue (SRT) vise à remédier à cela en préservant le contexte spatial. L’apprentissage profond est de plus en plus utilisé dans cet espace pour sa capacité à gérer la complexité, le bruit et la sparsitité des données de cellule unique, réduisant le besoin d’un ingénierie des caractéristiques manuelle. L’article met aussi en lumière l’écosystème en croissance autour du sc-seq : la base de données scRNA-tools comptait plus de 1 000 outils en 2021, témoignant d’une communauté active et d’une évolution rapide. Parmi les architectures DL, les autoencodeurs (AEs) ressortent particulièrement pour la réduction de dimensionnalité, car ils peuvent capturer des structures non linéaires et aider au clustering dans l’espace latent pour identifier des types et sous-populations cellulaires. Comparative aux approches basées sur PCA (par exemple celles utilisées par Seurat), les autoencodeurs offrent une plus grande flexibilité pour apprendre des relations complexes présentes dans la génomique des cellules uniques. Le propos souligne que l’apprentissage profond aide à modéliser l’hétérogénéité et le bruit entre les expériences et peut révéler des signaux biologiques subtils.

Caractéristiques clés

L’apprentissage profond aide à gérer l’hétérogénéité, le bruit et la sparsitité des données sc-seq.
Les autoencodeurs (AE) sont largement utilisés pour la réduction de dimension non linéaire, permettant le clustering dans l’espace latent pour identifier les types et sous-populations.
Les AE peuvent révéler des structures non linéaires que les méthodes PCA (utilisées dans Seurat) pourraient manquer.
L’apprentissage multi-visions facilite l’intégration des données multimodales mesurées dans les mêmes cellules.
L’intégration multimodale est essentielle pour obtenir une identité cellulaire cohérente à travers les modalités.
La transcriptomique spatialement résolue (SRT) préserve le contexte spatial, comblant le manque d’information spatiale dans les approches sc-seq traditionnelles.
Le projet Human Cell Atlas (HCA) sert d’analogie pour cartographier les cellules de manière cohérente, y compris les informations spatiales et les relations.
L’écosystème scRNA-tools suit les outils logiciels d’analyse scRNA-seq, illustrant une dynamique rapide avec plus de 1 000 outils d’ici 2021.
L’apprentissage profond réduit la dépendance à l’ingénierie manuelle des caractéristiques, permettant une extraction plus autonome des informations.

Cas d’utilisation courants

Réduction de dimension et clustering : apprendre une représentation de basse dimension avec des autoencodeurs pour identifier les types et sous-populations cellulaires.
Découverte de structures non linéaires : dépasser les transformations linéaires pour capturer des motifs complexes dans l’expression génique.
Intégration multi-modale : combiner des mesures de plusieurs modalities pour révéler des identités cellulaires intégrées.
Annotation et classification de types cellulaires : utiliser les représentations apprises pour classifier les cellules et explorer des sous-types.
Contexte spatial : cartographier les motifs d’expression en relation avec l’architecture tissulaire lorsque l’information spatiale est disponible.
Analyse comparative entre conditions : étudier comment les états régulateurs et les schémas d’expression évoluent selon les traitements ou les états de maladie.

Configuration et installation

# Configuration et installation non détaillées dans l’article source.

Démarrage rapide

Commencez avec une matrice d’expression à cellule unique où les lignes représentent les cellules (barcodes) et les colonnes les gènes ; les valeurs indiquent les niveaux d’expression.
Utilisez une approche basée sur autoencodeur pour apprendre une représentation de faible dimension qui préserve l’hétérogénéité cellulaire.
Faites du clustering dans l’espace latent appris pour identifier les types de cellules ou les sous-populations.
Comparez avec des baselines basés sur PCA (p. ex., dans Seurat) pour évaluer la capture de structures non linéaires.
Si disponible, enrichissez l’analyse avec des données multimodales et appliquez des stratégies de multi-visions pour intégrer les modalités et améliorer l’inférence des types cellulaires.
Explorez le contexte spatial avec SRT lorsque le contexte spatial est pertinent pour l’interprétation.

Avantages et inconvénients

Avantages
Capture des relations non linéaires et des structures complexes dans les données sc-seq.
Réduction de la dépendance à l’ingénierie manuelle des caractéristiques, avec des représentations apprises de façon plus autonome.
Facilite le clustering dans l’espace latent appris qui respecte l’hétérogénéité.
Supporte l’intégration de données multimodales pour révéler des identités cellulaires plus riches.
Aborde les lacunes d’information spatiale lorsque des méthodes SRT sont utilisées.
Inconvénients
Les autoencodeurs peuvent surapprendre (overfitting) ; une régularisation et une validation prudentes sont nécessaires.
Nécessite une conception et un réglage soignés pour éviter des représentations biologiquement erronées.

Alternatives (comparaisons brèves)

| Approche | Points forts | Limites |---|---|---| | Réduction de dimension PCA (comme dans Seurat) | Simple, rapide, linéaire | Peut manquer des structures non linéaires et une hétérogénéité complexe |Autoencodeurs DL | Capture non linéaire et structure complexe | Risque de surapprentissage ; nécessite des réglages |Apprentissage multi-visions | Intègre plusieurs modalities pour des identités plus riches | Données multimodales requises et intégration prudente |Transcriptomique spatialisée (SRT) | Conserve le contexte spatial | Complexité expérimentale et computationnelle accrue |