Duboki dinamički modeli višeomskih brzina pojedinačnih stanica predviđaju gubitak funkcije i spasilačke perturbacije u B-stanicama

Znanstvenici su predstavili DynaVelo, generativni neuronski model temeljen na običnim diferencijalnim jednadžbama koji uči zajedničku dinamiku ekspresije gena i aktivnosti motiva transkripcijskih faktora (TF) iz jednostaničnih multiomnih podataka. Model ne služi samo za crtanje putanja stanica: on uči funkcionalni oblik vektorskog polja, pa se u njemu mogu izvoditi in silico perturbacije. U radu je pokazano da DynaVelo rekonstruira bifurkacijsku in vivo dinamiku divljeg tipa mišjih B stanica germinalnog centra te otkriva kako se ta dinamika mijenja pri heterozigotnom gubitku epigenetskih regulatora Arid1a i Ctcf.

U detaljima analize, in silico perturbacije daju dinamične i specifične mreže genske regulacije (GRN) za pojedina stanja. Te mreže u divljem tipu germinalnog centra vraćaju poznate veze od transkripcijskog faktora do gena, a model predviđa i koje su veze poremećene u mutantima. Kada su Arid1aHet stanice germinalnog centra perturbirane in silico, Ctcf, Stat3 i Bcl6 identificirani su kao ciljevi spašavanja za gubitak Arid1a. In vivo pokusi na dvostruko heterozigotnim miševima potvrdili su spašavanje Arid1aHet fenotipa tamne zone u sva tri slučaja. Multiomno profiliranje Arid1aHet;CtcfHet germinalnih centara potvrdilo je predviđeni pomak prema dinamici divljeg tipa.

Kontekst

Jednostanične tehnologije mogu iz istih stanica mjeriti više genomskih slojeva, često transkriptom uz epigenomske mjere poput pristupačnosti kromatina, histonskih modifikacija, zauzetosti transkripcijskih faktora ili 3D interaktoma kromatina, ali u jednom vremenskom snimku. Stanice su dinamični sustavi, a mjerenja u stvarnom vremenu in vivo obično nisu izvediva, pa se razvijaju računalne metode koje iz jednog snimka zaključuju dinamiku. RNA velocity, koji su predložili Velocyto i unaprijedio scVelo, modelira spojene i nespojene očitanja iz scRNA-seq pomoću običnih diferencijalnih jednadžbi.

MultiVelo je proširio takav pristup na pristupačnost kromatina, ali nije dao funkcionalni oblik vektorskog polja, pa nije omogućio intervencije. Dynamo traži dodatno metaboličko označavanje, a scDiffEq koristi samo RNA ekspresiju. DynaVelo zato spaja RNA i pristupačnost motiva TF.

Što to znači

Rezultati upućuju da se jednostanični multiomni podaci mogu iskoristiti ne samo za opis stanja nego i za predviđanje učinaka genetskih perturbacija. Budući da model daje funkcionalni oblik vektorskog polja, moguće je ispitivati kako bi se putanje stanica promijenile pod različitim uvjetima. To je važno jer povezuje epigenetske regulatore, aktivnost transkripcijskih faktora i ekspresiju gena u dinamički okvir. U ovom slučaju to je dovelo do konkretnih kandidata za spašavanje fenotipa uzrokovanog gubitkom Arid1a i do eksperimentalne potvrde na miševima. Takav pristup omogućuje da se iz jednog vremenskog snimka zaključi više o regulatornim odnosima.

Što slijedi

Očekuje se daljnje testiranje DynaVela na drugim sustavima i perturbacijama, jer je u radu naglašeno da bi uporaba jednostaničnih podataka o aktivnosti motiva TF trebala biti najrelevantnija tamo gdje se želi razumjeti dinamika regulacije. Potvrda na dvostruko heterozigotnim miševima i multiomno profiliranje pokazuju smjer: predviđanja iz modela treba provjeravati in vivo. Za sada je pokazano da se predviđeni pomak prema dinamici divljeg tipa može potvrditi profiliranjem Arid1aHet;CtcfHet germinalnih centara.