Leveraging Lineage Barcodes as Natural Augmentations for Contrastive Learning of Cell Fate in scRNA-seq Data

Motivation

• Known: scRNA-seq 및 single-cell lineage tracing (scLT) 데이터를 모델링하기 위해 VAE 기반의 비지도 방법들(scVI 등)이나 CoSpar, GEMLI 같은 계보 기반 방법들이 존재하며, 이들은 유전자 발현 재구성이나 계보 정보를 통계 모델에 반영하는 데 활용되어 왔다.
• Gap: 세포의 유전자 발현은 cell cycle, cell identity, time point 등 다양한 confounding 과정이 혼재된 결과물이라 lineage-specific한 fate 결정 신호는 신호대잡음비가 매우 낮으며, 기존 비지도(VAE) 방법이나 표준 지도학습 예측 방법 모두 이러한 미세 신호를 분리해내지 못한다는 근본적인 한계가 있다.
• Why: 세포가 미래 운명에 어떻게 헌신하는지를 이해하는 것은 줄기세포 재프로그래밍이나 면역치료 조절과 같은 정밀 치료법 개발에 필수적이며, 명시적 바코딩이 불가능한 임상 데이터셋에도 계보 구조를 전이할 수 있다면 그 파급력이 크다.
• Approach: 유전 가능한 lineage barcode를 동일 계보 내 세포 쌍(positive pair)을 생성하는 자연적 augmentation으로 취급하는 semi-supervised contrastive learning 아키텍처(LCL)를 설계하여, 바코드가 있는 세포와 없는 세포의 임베딩을 정렬함으로써 lineage 구조를 비바코드 데이터셋으로 전이한다.

Achievement

Figure 5. CH Index of different β’s comparing how LCL compares

1. LCL 프레임워크 제안: lineage barcode를 자연 발생적 data augmentation으로 활용하여 fate-determining 신호를 분리하는 contrastive learning 기반 방법을 제시했다.
2. Semi-supervised 아키텍처를 통한 전이: 지도 학습된 contrastive part와 비지도 part, 그리고 alignment penalty를 결합하여 라벨이 없는 세포(예: 임상 scRNA-seq 데이터)에도 학습된 lineage 임베딩 구조를 전이할 수 있음을 보였다.
3. 미래 cell-type 조성 예측: 초기 시점의 cross-sectional 데이터만으로 향후 시점의 cell-type 조성을 예측함으로써 longitudinal fate commitment를 효과적으로 모델링했다.
4. 벤치마킹 우수성 입증: 조혈계(hematopoietic) 및 섬유아세포(fibroblast) 시스템에서 scVI 등 표준 모델 대비 LCL이 유의미하게 우수한 성능을 보임을 입증했다.

How

Figure 4. The architecture of LCL uses a contrastive loss on the

• Cell-pair generator: 동일 lineage label을 가진 두 세포(yi = yj)를 positive pair로, 다른 lineage의 세포는 negative pair로 정의. 특정 lineage Lk에 대해 ⌈α·(Lk choose 2)⌉개의 positive pair를 생성(α는 size factor). 배치마다 N개의 서로 다른 lineage에서 쌍을 선택.
• Unsupervised part: 라벨 없는 세포 m개 중 매 iteration마다 U개를 무작위 샘플링하여, 모델이 lineage-barcoded 집단을 넘어 일반화되도록 함.
• Base encoder: 유전자 발현 벡터 xi를 중간 임베딩 hi로 변환하는 신경망 f(·).
• Projection head 및 loss function: 지도 contrastive loss로 같은 lineage의 세포 간 일치도(agreement)를 최대화, 다른 lineage 간 일치도를 최소화; alignment penalty를 통해 라벨 없는 세포의 임베딩을 라벨 있는 세포 임베딩과 정렬.
• 조혈계(Weinreb et al., 2020) 및 섬유아세포 scLT 데이터셋에서 VariancePartition을 이용해 유전자 발현 변동성 중 lineage, time point, cell type이 설명하는 비율을 확인 후 CH Index 등으로 CoSpar, GEMLI, scVI 대비 성능을 비교.

Originality

• lineage barcode를 컴퓨터 비전의 data augmentation(회전, crop 등)에 대응하는 "자연적으로 발생하는" augmentation으로 재해석한 개념적 참신함이 돋보인다.
• 순수 지도학습(분류)이 아니라 표현 학습을 목표로 하는 contrastive 프레임워크를 설계하여, 라벨이 없는 임상 데이터로의 전이 가능성을 열어둔 점이 기존 CoSpar, GEMLI와 차별화된다.
• semi-supervised 구조(지도 contrastive part + 비지도 part + alignment penalty)를 통해 barcode가 없는 데이터셋에도 lineage 구조를 이식하는 접근은 기존 단일세포 분석 방법론에서 흔치 않은 시도이다.

Limitation & Further Study

• 발췌된 본문에서는 방법론(base encoder, projection head, alignment penalty)의 구체적 수식과 loss function 전체가 제시되지 않아 기술적 세부사항을 완전히 평가하기 어렵다.
• 벤치마킹이 조혈계와 섬유아세포 두 시스템에 국한되어 있어, 더 다양한 생물학적 시스템(예: 종양, 신경 발달 등)에서의 일반화 가능성 검증이 필요하다.
• 비바코드 임상 데이터로의 전이 성능에 대한 실제 검증(ground truth 없는 상황에서의 검증)이 어떻게 이루어졌는지 추가적인 확인이 필요하다.
• 후속 연구로는 다양한 lineage tracing 기술(예: CRISPR 기반 barcode)과의 결합, 그리고 예측된 fate commitment의 실험적 검증이 요구된다.

Evaluation

총평: lineage barcode를 자연적 augmentation으로 재해석한 참신한 아이디어와 semi-supervised 전이 설계가 인상적이며, single-cell 분야에 contrastive learning의 새로운 적용 가능성을 제시하는 의미 있는 연구이다.