Computational integration and trajectory inference of single cell multi-modal data

Cheng, Mingbo; Berlage, Thomas Leo; Decker, Stefan Josef; Costa, Ivan G.

doi:44734

Computational integration and trajectory inference of single cell multi-modal data

Cheng, Mingbo^RWTH*

2025

Verantwortlichkeitsangabevorgelegt von Mingbo Cheng, M. Sc.

ImpressumAachen : RWTH Aachen University 2025

Umfang1 Online-Ressource : Illustrationen

Dissertation, RWTH Aachen University, 2025

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak09

Hauptberichter/Gutachter
Berlage, Thomas Leo (Thesis advisor)^RWTH* ; Costa, Ivan G. (Thesis advisor)^RWTH* ; Decker, Stefan Josef (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2025-11-04

Online
DOI: 10.18154/RWTH-2025-09334
URL: https://publications.rwth-aachen.de/record/1020925/files/1020925.pdf

Einrichtungen

Lehr- und Forschungsgebiet Life Science Informatik (Fraunhofer FIT) (122620)

Inhaltliche Beschreibung (Schlagwörter)
canonical correlation analysis (frei) ; hodge laplacian decomposition (frei) ; integration (frei) ; single cell (frei) ; trajectory inference (frei)

Thematische Einordnung (Klassifikation)
DDC: 004

Kurzfassung
Die Einzelzellanalyse bietet einen neuen Ansatz, um biologische Prozesse auf Einzelzellebene zu untersuchen. Kürzlich wurden neue Sequenzierungsprotokolle entwickelt, um gleichzeitig das Transkriptom, das Epigenom und die Proteom-Merkmale in einzelnen Zellen zu charakterisieren. Mit diesen Technologien können Forscher zwei oder mehr biologische Phänomene, wie Genregulation und Transkriptionsfaktorbindungsereignisse, gleichzeitig interpretieren und so besser kausale Zusammenhänge zwischen diesen unterschiedlichen molekularen Mechanismen ziehen. Ein großes Problem bei der multimodalen Einzelzellanalyse ist jedoch, dass die Merkmalsräume der verschiedenen Modalitäten extrem unterschiedlich sind. Die Unterschiede in der Merkmalsanzahl, -spärlichkeit und -verteilung stellen eine erhebliche Herausforderung bei der Nutzung der Merkmale dar, um einen gemeinsamen latenten Raum für alle Modalitäten für die anschließende Analyse zu generieren. Obwohl mehrere Methoden vorgeschlagen wurden, um dieses Problem zu lösen, erfordern diese Methoden entweder Vorwissen zur Einstellung von Parametern oder es mangelt ihnen an Skalierbarkeit. Darüber hinaus funktionieren mehrere Methoden nur für spezifische Modalitätstypen oder erlauben keine Interpretation der abgeleiteten latenten Komponenten. Ein weiteres kritisches Problem bei der Arbeit mit multimodalen Einzelzelldaten ist die Bestimmung von Trajektorien, um die Entwicklung von Zelllinien zu erfassen. Viele Methoden wurden entwickelt, um Trajektorien für Einzelzelldaten zu ermitteln, aber nur wenige sind für die multimodale Einzelzellanalyse konzipiert, die molekulare Informationen über Genexpression und Genregulation in denselben Zellen bieten kann. Zudem wurden die aktuellen Ansätze nur auf einfachere Zellendifferenzierungsbäume angewendet und sind vermutlich nicht auf größere Bäume skalierbar. Während zelluläre Graphen häufig als Repräsentationen von Einzelzelldaten verwendet werden, nutzen die meisten Methoden nur Signale auf den Knoten (Zellen) und berücksichtigen nicht die Signale, die mit den Kanten (Differenzierungsereignisse) zwischen den Zellen verbunden sind. In dieser Doktorarbeit stellen wir MOJITOO und PHLOWER vor, die jeweils für die multimodale Integration und die Trajektorieninferenz bei Einzelzellen entwickelt wurden. MOJITOO nutzt die Kanonische Korrelationsanalyse (CCA) für eine effektive und effiziente Integration beliebiger Modalitäten in eine gemeinsame Einbettung. Darüber hinaus hat MOJITOO nur wenige freie Parameter und erlaubt Interpretationen, das heißt es werden latente Räume mit Variablen verknüpft. Wir haben umfassende Benchmark-Tests an multimodalen Einzelzelldaten durchgeführt, welche die Eigenschaften von MOJITOO hinsichtlich der Informationserhaltung in den ursprünglichen Modalitäten sowie in anschließenden Berechnungen wie der Distanzschätzung und Clusterbildung bewerteten. Dies zeigt, dass MOJITOO im Vergleich zu konkurrierenden Ansätzen recht gut abschneidet und insgesamt geringere Rechenanforderungen als die bewerteten Methoden hat. In einer Fallstudie mit Blutzellen demonstrieren wir, dass der durch MOJITOO generierte latente Raum die Hauptblutzelltypen erfassen kann und die Beziehung zwischen den latenten Dimensionen und bekannten molekularen Markern zeigt. Insgesamt zeigen diese Ergebnisse, dass MOJITOO ein leistungsstarker rechnergestützter Ansatz für die multimodale Einzelzellintegrationsanalyse in biologischen Studien ist. PHLOWER ist ein neuartiges Modell zur Trajektorieninferenz für multimodale Einzelzelldaten. Es verwendet simpliziale Komplexe und die Hodge-Laplace-Zerlegung (HL), um Einbettungen in den Kanten-/Trajektorienräumen zu finden. Ein umfassendes Benchmarking komplexer Zelldifferenzierungsbäume zeigt, dass PHLOWER im Vergleich zu aktuellen Methoden die besten Eigenschaften in der Wiederherstellung von Baumtopologien und der Zuordnung von Zellen zu den Bäumen aufweist. Darüber hinaus untersuchen wir die Möglichkeiten der multimodalen Analyse mit PHLOWER anhand von umfassenden multimodalen Einzelzelldaten bestehend aus Transkriptom und Epigenom in einem Zeitverlauf von Nierenorganoiden. PHLOWER leitet Trajektorien ab, die mit den wichtigsten in den Organoiden nachgewiesenen Nierenzellen in Verbindung stehen. Zudem identifiziert es Transkriptionsfaktoren, welche die Expressionsregulation der Zellliniengene steuern. Unsere Analysen werfen neues Licht auf die Mechanismen der Entwicklung von Nierenzelllinien. Insgesamt zeigen diese Ergebnisse, dass PHLOWER ein leistungsstarker rechnergestützter Ansatz für die Trajektorieninferenzanalyse in multimodalen Einzelzellstudien ist.

Single-cell analysis provides a new approach to inspect biological processes at a single-cell resolution. Recently, new sequencing protocols have been developed to simultaneously profile the transcriptome, epigenome, and proteome features in single cells. With these technologies, researchers can interpret two or more biological phenomena such as gene regulation and transcription factor binding events at the same time improving the ability to draw causal relationships between these distinct molecular mechanisms. However, a major challenge in single-cell multimodal analysis is that the feature spaces of distinct modalities are extremely different. The differences in feature sizes, sparsity and distributions pose a significant challenge in utilizing the features to obtain a shared latent space across all modalities for downstream analysis. Although several methods have been proposed to address this issue, these methods either require prior knowledge to set parameters or lack scalability. Moreover, several methods only work for specific modality types or do not allow the interpretation of inferred latent components. Another critical issue when dealing with single-cell multimodal data is to infer trajectories to capture cell lineage development. Many methods have been developed to infer trajectories for single-cell data, but few are designed for single-cell multimodal analysis, which can offer molecular information on gene expression and gene regulation at the same cells. Moreover, current approaches have been only used and applied to simpler cell differentiation trees and are unlikely to scale to large trees. While cellular graphs are widely used as representations of single cell data, most methods only use signals on nodes (cells), but do not consider signals associated to edges (differentiation events) between cells. In this thesis, we propose MOJITOO and PHLOWER, accounting respectively for single-cell multimodal integration and trajectory inference. MOJITOO explores Canonical Correlation Analysis (CCA) for an effective and efficient integration of arbitrary modalities into a common joint embedding. Moreover, MOJITOO has few free parameters and allows interpretation, i.e. associates latent spaces to variables. We performed comprehensive benchmarking on multimodal single cell data, which evaluated the MOJITOO properties in the preservation of information in original modalities and in downstream tasks such as distance estimation and clustering. This indicates that MOJITOO performs quite well comparing to competing approaches and has overall lower computational requirements among evaluated methods. In a case study with blood cells, we demonstrate that the latent space obtained by MOJITOO can capture major blood cell types and demonstrate the relation of latent dimensions to known molecular markers. Overall, these results demonstrate that MOJITOO is a powerful computational approach in biological studies for single-cell multimodal integration analysis. PHLOWER is a novel trajectory inference model for multimodal single cell data. It uses simplicial complex and Hodge Laplacian (HL) decomposition to find embedding at edge/trajectories spaces. A comprehensive benchmarking on complex cell differentiation trees indicates that PHLOWER has the best properties in the recovery of tree topologies and associating cells to the trees than state-of-the-art methods. Moreover, we explore the power of multimodal analysis using PHLOWER on large-scale single-cell multimodal data with transcriptome and epigenome in a kidney organoid time course. PHLOWER infers trajectories related to major kidney cells detected in the organoids. Moreover, it detects transcription factors that regulate lineage gene expression. Our analyses shed novel light on mechanisms of kidney lineage development. Altogether, these results demonstrate that PHLOWER is a powerful computational approach in biological studies for single-cell multimodal trajectory inference analysis.

OpenAccess:
PDF
(additional files)