CeLLTra: alineando nombres de células con expresión génica a través de un transformador informado por vías

Área de la Ciencia:

• Biología computacional; Genómica; Bioinformática

Sus antecedentes:

• La secuenciación de ARN de célula única (scRNA-Seq) proporciona datos de expresión génica de alta resolución para la identificación de tipos celulares.
• Los métodos tradicionales de anotación celular enfrentan limitaciones debido a la calidad de los datos y la completitud de los conjuntos de datos de referencia.

Objetivo del estudio:

• Desarrollar un marco novedoso, CeLLTra, para la anotación precisa de tipos celulares utilizando datos de scRNA-Seq.
• Mejorar la predicción de tipos celulares integrando información de vías biológicas y modelos de lenguaje avanzados.

Principales métodos:

• Desarrollo de CeLLTra, un marco de aprendizaje contrastivo que utiliza un modelo Transformer.
• Integración de información de vías biológicas agrupando genes en 'super tokens'.
• Combinación del Transformer informado por vías con un modelo de lenguaje preentrenado específico del dominio para la anotación.

Principales resultados:

• CeLLTra logró un rendimiento superior en la predicción de tipos celulares supervisados y de 'zero-shot' en un gran conjunto de datos de scRNA-Seq humano.
• El marco demostró una fuerte generalización a conjuntos de datos externos, mejorando la agrupación.
• Permitió una mejor caracterización de los estados celulares cancerosos en células mieloides infiltrantes de tumores.

Conclusiones:

• CeLLTra ofrece una solución robusta y precisa para la anotación de tipos celulares a partir de datos de scRNA-Seq.
• La integración de información de vías y modelos de lenguaje avanza significativamente las capacidades de anotación celular.
• CeLLTra tiene implicaciones para la investigación del cáncer, particularmente en la comprensión de los microambientes tumorales.