Inferencia de trayectoria

Los datos producidos por la secuenciación de ARN de células individuales pueden consistir en miles de células, cada una con niveles de expresión registrados en miles de genes. ^{[ 7 ]} Para procesar eficientemente datos con una dimensionalidad tan alta, muchos algoritmos de inferencia de trayectorias emplean un procedimiento de reducción de dimensionalidad, como el análisis de componentes principales (PCA), el análisis de componentes independientes (ICA) o t-SNE, como primer paso. ^{[ 8 ]} El propósito de este paso es combinar muchas características de los datos en una medida más informativa de los mismos. ^{[ 4 ]} Por ejemplo, una coordenada resultante de la reducción de dimensionalidad podría combinar los niveles de expresión de muchos genes asociados con el ciclo celular en un valor que represente la posición de una célula en el ciclo celular. ^{[ 8 ]} Dicha transformación corresponde a la reducción de dimensionalidad en el espacio de características, pero la reducción de dimensionalidad también se puede aplicar al espacio de muestras agrupando grupos de células similares. ^{[ 1 ]}

Muchos métodos representan la estructura del proceso dinámico mediante un enfoque basado en grafos . En este enfoque, los vértices del grafo corresponden a estados del proceso dinámico, como los tipos de células en la diferenciación celular, y las aristas entre los nodos corresponden a transiciones entre los estados. ^{[ 6 ]} La creación del grafo de trayectoria se puede realizar utilizando algoritmos de k-vecinos más cercanos o de árbol de expansión mínima . ^{[ 9 ]} La topología de la trayectoria se refiere a la estructura del grafo y los diferentes algoritmos se limitan a la creación de topologías de grafos de un tipo particular, como lineal , ramificada o cíclica . ^{[ 4 ]}

Algunos métodos requieren o permiten la entrada de información previa que se utiliza para guiar la creación de la trayectoria. El uso de información previa puede conducir a una determinación de trayectoria más precisa, pero una información previa deficiente puede desviar al algoritmo o sesgar los resultados hacia las expectativas. ^{[ 6 ]} Ejemplos de información previa que se pueden utilizar en la inferencia de trayectorias son la selección de celdas de inicio que se encuentran al comienzo de la trayectoria, el número de ramificaciones en la trayectoria y el número de estados finales de la trayectoria. ^{[ 10 ]}

MARGARET emplea un enfoque de aprendizaje métrico profundo no supervisado para inferir el espacio latente celular y los grupos celulares. La trayectoria se modela mediante un grafo de conectividad de clústeres para capturar topologías de trayectoria complejas. MARGARET utiliza la trayectoria inferida para determinar estados terminales e inferir la plasticidad del destino celular mediante un modelo de cadena de Markov absorbente escalable . ^{[ 11 ]}

Monocle primero emplea una prueba de expresión diferencial para reducir el número de genes y luego aplica un análisis de componentes independientes para una mayor reducción de dimensionalidad. Para construir la trayectoria, Monocle calcula un árbol de expansión mínima y luego encuentra el camino conectado más largo en ese árbol. Las células se proyectan sobre el punto más cercano a ellas a lo largo de ese camino. ^{[ 5 ]}

p-Creode encuentra la ruta más probable a través de un grafo de k vecinos más cercanos ajustado por densidad . Los grafos de un conjunto se evalúan con una métrica de similitud de grafos para seleccionar la topología más representativa. p-Creode se ha probado en diversas plataformas de células individuales, incluyendo citometría de masas , inmunofluorescencia multiplex ^{[ 12 ]} y secuenciación de ARN de células individuales . No se requiere información previa ^{[ 13 ] .}

FLOR

Phlower aprovecha el componente armónico de la descomposición de Hodge en complejos simpliciales para inferir incrustaciones de flujo a partir de datos multimodales de células individuales. PHLOWER se evaluó en conjuntos de datos de referencia exhaustivos con grandes árboles de diferenciación celular, lo que confirmó sus ventajas con respecto a los métodos de vanguardia. También se utilizó para analizar programas reguladores que controlan la diferenciación de células de organoides renales . ^{[ 14 ]}

Slingshot toma como entrada las etiquetas de los clústeres y luego ordena estos clústeres en linajes mediante la construcción de un árbol de expansión mínima . Las rutas a través del árbol se suavizan ajustando curvas principales simultáneas y el valor de pseudotiempo de una celda se determina por su proyección sobre una o más de estas curvas. La información previa, como los clústeres iniciales y terminales, es opcional. ^{[ 10 ]}

TSCAN realiza una reducción de dimensionalidad mediante análisis de componentes principales y agrupa las celdas utilizando un modelo de mezcla . Se calcula un árbol de expansión mínima utilizando los centros de los grupos y la trayectoria se determina como el camino conectado más largo de dicho árbol. TSCAN es un algoritmo no supervisado que no requiere información previa. ^{[ 15 ]}

Wanderlust se desarrolló para el análisis de datos de citometría de masas , pero se ha adaptado para aplicaciones de transcriptómica de células individuales . Se utiliza un algoritmo de k vecinos más cercanos para construir un grafo que conecta cada célula con la célula más cercana a ella con respecto a una métrica como la distancia euclidiana o la distancia coseno . Wanderlust requiere como entrada una célula inicial como información previa. ^{[ 16 ]}

Wishbone se basa en Wanderlust y permite una bifurcación en la topología del grafo, mientras que Wanderlust crea un grafo lineal . Wishbone combina el análisis de componentes principales y los mapas de difusión para lograr la reducción de dimensionalidad y, además, crea un grafo KNN . ^{[ 17 ]}

El algoritmo Waterfall realiza una reducción de dimensionalidad mediante análisis de componentes principales y utiliza un algoritmo k-means para encontrar grupos de células. Se construye un árbol de expansión mínima entre los centros de los grupos. Waterfall es completamente no supervisado, no requiere información previa y produce trayectorias lineales . ^{[ 18 ]}