随机细胞内钙离子动态变化表现出通过深度学习分类识别出的稳定结构特征

《PLOS Computational Biology》:Stochastic intracellular calcium dynamics show preserved structures identified by deep learning classification

【字体: 大 中 小 】 时间:2026年04月30日 来源:PLOS Computational Biology 3.6

编辑推荐:

  摘要 细胞内的钙离子(Ca2+)表现出多种动态行为,这些行为与健康和疾病相关的细胞生理状态密切相关。虽然确定性模型可以预测生化参数如何产生不同的动态状态——稳态、振荡、爆发、混沌和多重周期性——但由于分子种群是有限的,真实的生物系统本质上是随机的。先前的研究使用传统的统计方法

  摘要
细胞内的钙离子(Ca2+)表现出多种动态行为,这些行为与健康和疾病相关的细胞生理状态密切相关。虽然确定性模型可以预测生化参数如何产生不同的动态状态——稳态、振荡、爆发、混沌和多重周期性——但由于分子种群是有限的,真实的生物系统本质上是随机的。先前的研究使用传统的统计方法表明,内在波动的增加使得这些动态状态越来越难以区分,尤其是对于混沌和多重周期性模式。这引发了这样一个问题:在现实的噪声水平下,依赖参数的组织原则是否仍然具有生物学意义并且能够被计算检测到。我们使用一种大核卷积神经网络(LKCNN)来解决这个问题,该网络旨在捕捉不同噪声水平下的全局动态特征。通过使用化学朗之万方程生成具有真实内在波动的合成训练数据,LKCNN在分类八种不同的动态状态时达到了约90%的准确率,尽管噪声水平在视觉上掩盖了这些状态之间的区别。使用来自胰腺细胞以及其他细胞(包括WT-HEK293、STIM-KO和ORAI TKO)的实验Ca2+数据进行验证时,准确率达到了96.8%,证实了其泛化能力,显著优于传统的基线方法(支持向量机和随机森林),后者在同一实验数据上的准确率分别为54.0%和51.6%。这些结果表明,即使在现实的生物噪声下,依赖参数的组织特征仍然存在,表明依赖参数的动态结构代表了控制细胞功能的稳健原则。我们的发现表明,复杂的模式识别可以弥合理论上的确定性动态与嘈杂的生物现实之间的差距,为从本质上随机的振荡生物过程中提取有意义的动态信息提供了一个框架。

作者总结
细胞通过钙信号进行交流,这些信号的节奏与影响健康和疾病的生理状态密切相关。确定性模型预测这些动态状态可以分为不同的类型,如稳态、振荡、爆发、混沌和多重周期性。然而,生物系统的内在噪声往往掩盖了这些模式,这就提出了一个问题:在生物学上现实的条件下,这些模式是否仍然具有意义。为了解决这个问题,我们开发了一种大核卷积神经网络(LKCNN),即使在高噪声存在的情况下也能捕捉全局动态特征。该模型基于化学朗之万方程生成的合成时间序列数据进行训练,在分类在噪声下视觉上难以区分的八种钙动态状态时达到了大约90%的准确率。当使用来自胰腺细胞以及其他细胞类型(包括WT HEK293、STIM KO和ORAI TKO)的实验数据进行验证时,准确率达到了96.8%,证实了其泛化能力。这些发现表明,理论上的组织原则在生物变异性下仍然存在,并且可以计算检测到。更广泛地说,这项工作为揭示本质上随机的细胞过程中的稳健动态特征开辟了一条途径,为解码细胞健康的隐藏决定因素提供了新的机会。

引言
模式在自然界中普遍存在,跨越多个尺度,体现在各种现象中,例如超新星和星系的复杂形态[1,2]、地球气候系统中的大气湍流、地球物理流动和等离子体[3]、鸟群和人类的集体运动[4,5],以及生物细胞内的节律活动[6]。在细胞尺度上,钙离子(Ca2+)作为重要的细胞内信使,在细胞受到外部激动剂刺激时表现出细胞质浓度的节律性模式[7,8]。这些节律性模式被称为细胞内Ca2+振荡,在包括胰腺细胞[9,10]、肝细胞[11]、肌肉细胞[12,13]和神经元[14]在内的多种细胞类型中都有观察到。细胞内Ca2+振荡不仅在细胞内的信号转导中起着关键作用[15,16],还在调节各种生理过程中发挥作用,包括基因表达[17]、细胞增殖[18]和神经元分化[19]。实验研究观察到了细胞内Ca2+振荡的复杂时间模式。为了解释这些复杂模式,已经开发了多种数学模型,从简单的最小模型[20]到复杂的肌醇三磷酸(InsP3)门控模型[21–23]。特别是Houart等人[24]基于Ca2+诱导的Ca2+释放(CICR)机制的非线性反馈机制开发了一个确定性模型[25],这种机制在包括肝细胞[26]和心肌细胞[27]在内的多种细胞类型中普遍存在。在CICR机制中,细胞内储存的Ca2+释放到细胞质中受到InsP3和细胞质中Ca2+本身的激活,形成了一个自催化反馈循环。这种机制产生了多种复杂的动态行为,包括周期性的尖峰和Ca2+振荡模式中的爆发。对这些复杂Ca2+振荡的理论建模和实验观察是深入了解活细胞中真实Ca2+动态的重要途径,从动态系统理论以及细胞生物学的生物物理和生化角度出发。在小型生物细胞中,波动是固有的。源自随机分子相互作用的内在波动在调节细胞组织[28]、细胞决策和命运决定[29,30]中起着关键作用。细胞内Ca2+振荡中的内在波动是由于细胞大小有限和反应物数量少[31,32]造成的。其中一位作者[33]最近研究了Houart模型[24]中细胞内Ca2+振荡的随机动态,以研究由内在波动驱动的细胞质Ca2+动态的行为。在这项研究中[33],提出了一种称为排列熵[34](基于符号动力学中的序数模式)的熵类型,用于表征和分类细胞内Ca2+动态的多种动态状态。考虑的动态状态包括稳态、简单周期性振荡、爆发、混沌、多重周期性和准周期性振荡。在现实的内在波动水平(以下简称噪声)[35–37]下,排列熵区分多重周期性和混沌状态的能力仍然不令人满意。此外,排列熵分析基于随机Houart模型的有限参数空间的代表性时间序列,因此需要进一步研究其结论对更大模型参数空间(对应于更广泛的动态状态)的泛化能力。这些局限性提出了一个基本问题:在现实的噪声水平下,依赖参数的组织原则是否仍然具有生物学意义并且能够被计算检测到。回答这个问题具有挑战性,因为定义这些状态的微妙时间特征往往被随机波动所掩盖。解决这一挑战的最直接方法之一是确定一个稳健的分类器是否能够在噪声存在的情况下成功区分这些动态状态。因此,开发一个能够准确区分不同噪声水平下的细胞内Ca2+浓度动态状态的稳健分类器至关重要。从生物化学和生物物理的角度来看,对细胞内Ca2+浓度动态模式的分类具有实际意义。在Ca2+动态中,稳态意味着细胞内Ca2+浓度相对较低(M)[38,39],简单周期性振荡表明正常的细胞信号传导和稳态(精确控制输出的调节)[32,40],而爆发与细胞凋亡死亡密切相关[41,42]。准周期性与正常功能和病理学有关[43,44]。二阶或三阶分岔与酵母中的多种细胞表型相关[45]。此外,生物数据中是否真的存在混沌以及如何准确描述它们仍然是非线性物理中复杂系统的重要问题[46–55]。总体而言,对包括Ca2+振荡在内的复杂生物系统的模拟/真实实验数据中多种动态模式的表征具有根本意义,因为这些模式与健康和疾病相关的生理状态密切相关[56,57]。在这项工作中,我们提出使用机器学习(ML)来分类细胞内Ca2+浓度的动态状态。ML已广泛应用于生物过程的分析,包括单粒子跟踪轨迹中的扩散动态[58–60]和微阵列数据中的基因表达分类[61]。然而,传统的ML方法在处理生物数据时常常面临重大挑战,因为生物数据通常具有噪声、异质性[58]并且数据点有限。此外,传统的ML方法依赖于大量的手动特征工程,这对于生物数据来说非常困难[62]。因此,这些困难阻碍了ML的分类性能。与此一致,细胞内Ca2+浓度的实验数据也面临这些挑战:Ca2+浓度的实验轨迹不仅具有噪声,还表现出复杂的 temporal 模式,如爆发,使得手动特征提取对于准确分类来说非常具有挑战性。深度学习的最新进展为上述挑战提供了有希望的解决方案,可以直接从原始数据中自动学习复杂的 temporal 模式,消除了手动特征工程的需求[63,64]。将深度学习应用于Ca2+动态的一个基本挑战是获得准确的训练标签。这需要使用从数学模型生成的经过充分验证的合成数据集来训练稳健的分类器,然后将其应用于实验数据。为了实现这种迁移,模型必须能够有效地在不同数据域之间泛化动态特征。为此,我们采用了大核卷积神经网络(LKCNN),它在表征由复杂系统生成的时间序列方面表现出卓越的动态特征泛化能力[65–67]。虽然传统的深度学习架构(如残差网络(ResNets)常常难以处理动态系统中的时间复杂性,但LKCNN在表征复杂系统方面表现出稳健的泛化能力,准确率达到89.8%[65]。与小核大小的标准CNN[68]不同,LKCNN依赖于大规模的观察窗口,使其能够捕捉长距离相关性和各种动态行为的复杂 temporal 模式。最近的分析表明,LKCNN似乎非常适合学习超出简单周期性模式的定性动态特征,这可能解释了其在不同动态系统之间区分混沌和规则行为方面的优越能力[66]。在这项研究中,我们提出了一个专门为细胞内Ca2+动态分类设计的深度学习框架。我们超越了之前LKCNN研究中使用的二分类方法,区分了多种动态状态:稳态、简单周期性和多重周期性振荡、爆发、混沌(非周期性)和准周期性模式。尽管提出了更先进的变体,如连体大核卷积神经网络(SLKCNN)[69],但我们采用原始的LKCNN架构作为原型来研究细胞内Ca2+动态。我们的方法利用了著名的Houart细胞内Ca2+振荡非线性模型中的合成数据来训练LKCNN分类器,这些分类器对真实的实验Ca2+浓度时间序列数据表现出稳健的泛化能力。这种方法使得自动分析复杂的 temporal 模式成为可能,这对于理解细胞生理状态和疾病机制至关重要,消除了手动特征工程和专家依赖的模式识别的需要。

结果
细胞内Ca2+浓度的动态模式
训练神经网络通常需要大型且高质量的数据集以及真实的标签。由于直接从嘈杂的实验时间序列数据中获取准确标签具有挑战性,我们采用了基于模拟的方法来训练我们的LKCNN模型。可以使用多种理论模型来可靠地再现实验观察到的细胞内Ca2+动态的复杂 temporal 模式。在这项工作中,我们选择了Houart等人[24]提出的非线性模型,因为它可以模拟多种动态状态,因此适合全面训练和分类细胞内Ca2+动态。该非线性模型围绕Ca2+诱导的Ca2+释放(CICR)和Ca2+激活的1,4,5-三磷酸(InsP3)降解机制之间的相互作用,负反馈循环(降解)与正CICR循环的耦合产生了复杂的细胞内Ca2+振荡[26]。图1的(a)部分展示了这一机制的示意图,我们在方法部分(方程(4)中详细介绍了控制理论非线性模型。我们将模拟的轨迹或实验痕迹输入到大型核卷积神经网络(LKCNN)模型中(如图(c)所示),该模型能够将细胞质Ca2+浓度的多种动态模式分类为正确的标签(d)。https://doi.org/10.1371/journal.pcbi.1014240.g001

化学动力学可以在多个分辨率层次上进行描述。在微观层面上,反应作为离散的分子事件发生,这些事件在随机时间发生。因此,系统的特征是由化学主方程控制的分子数量的随机变化。相比之下,当分子数量很大时,波动可以忽略不计,动力学可以用连续浓度来描述,这些浓度根据速率方程(如方程(4))确定性地演变。化学朗之万方程(CLE)[70,71]提供了一种中间描述:它保留了连续的浓度变量,同时纳入了考虑反应事件内在随机性的随机项。在这个框架内,InsP3和Ca2+都被视为空间均匀的整个细胞浓度。因此,相关的分子计数是在整个细胞质体积内进行的([72,73])。对于这里考虑的生理浓度范围(InsP3为[M][74,75],Ca2+为[M][76,77]),这对应于两种物质的分子数量级,满足CLE[71]有效性的要求。此外,在CLE近似下,每个反应既贡献了一个确定性漂移项,也贡献了一个由计数统计产生的随机噪声项,其幅度与系统体积V的平方根成反比。因此,在大系统中,动力学接近确定性行为,但在小系统中仍然有强烈的波动。这意味着控制系统中分子数量的相同体积V同时设定了围绕平均场轨迹的随机波动的幅度,这种双重作用不是符号上的巧合,而是在CLE框架内将离散分子计数转换为连续浓度时的直接结果。此外,由于每个反应事件根据反应化学计量比同时改变多种物质,因此相同的随机波动会传播到多种浓度。因此,单一的系统大小参数V决定了整个反应网络中相关噪声的总体强度。按照这种方法,我们推导出与细胞内Ca2+振荡模型相对应的CLE(详细推导见方法部分)如下:(1)其中()表示由和特征化的相互独立的高斯白噪声过程。虽然方程(1)的第一项仅仅是确定性非线性模型(方程(4)),但第二项代表了细胞内Ca2+动力学的随机成分。前因子明确考虑了系统大小(V)或内在波动对Ca2+浓度演变的影响。具体来说,参数V决定了内在波动的幅度:随着V的增加,随机效应的相对贡献减小。在热力学极限下,当V趋于无穷大时,该项趋于零,导致内在波动完全消失。这些内在波动表现为潜在动力学中的固有噪声,使得分类变得困难。为了阐明系统大小V与动力学中内在波动之间的关系,我们建议读者参考方法部分中介绍的化学朗之万形式的推导。

我们使用细胞质Ca2+浓度x(t)的动态状态作为我们LKCNN分类的输入(如图1的(b)和(c)面板所示)。细胞质Ca2+浓度的生理界限通常从低于[某个值]到[另一个值],振荡周期从几秒到约30分钟[24,78]不等,这限制了我们感兴趣的参数空间。然而,方程(1)中的模型包含19个可调参数,这些参数的变化可以产生广泛的动态状态。因此,为了训练和测试我们的神经网络,我们考虑了三个参数区域,这些区域共同覆盖了观察到的Ca2+振荡的幅度和频率范围。这些区域在原始研究[24]中已经进行了数值分析,我们在方法部分提供了表1中使用的参数的确切值。然而,在我们的研究中,我们将接近混沌的参数区域进一步细分为多周期性状态,即周期-2(P-2)、周期-3(P-3)和周期-4(P-4)振荡,以更好地突出深度学习方法的优势。

我们采用图1中面板(c)所示的LKCNN架构来分类不同噪声水平(由V量化)下的细胞内Ca2+动态的多种动态状态,利用其在动态系统分析中的有效性[65,66]。然而,在训练和分类动态状态之前,我们必须正确初始化神经网络。初始化是通过种子来设置的,种子决定了训练前LKCNN的权重。我们的分析表明,种子的选择对整体分类性能只有最小的影响,这突显了LKCNN分类器的鲁棒性。另一个参数是核大小k,它被定义为网络的时间感受野。它是它同时分析的时间序列中连续数据点的跨度,用于检测模式。这个值影响神经网络在从输入数据中提取特征时考虑的局部上下文程度。先前的研究已经通过使用固定的核大小100来对无噪声系统中的混沌与规则动态进行二分类,证明了LKCNN的有效性[65,66],表明大的核能够直接捕捉到表征复杂动态行为的扩展时间依赖性和长距离相关性。例如,像P-3、P-4和爆发这样的长距离模式需要一个大的时间感受野来进行有效检测。然而,存在一个权衡:过大的核虽然有利于捕捉这些长期依赖性,但可能会通过模糊它们的局部特征而掩盖短期模式的细节。由于Ca2+浓度动态的幅度、频率和噪声水平都位于明确定义的、实验确定的范围内,用于分类动态模式的核大小也预期只在特定范围内表现最佳。因此,确定一个足够大以捕捉长距离相关性同时又足够细以保留局部细节的最佳核大小对于准确区分Ca2+动态行为的完整谱系至关重要。在操作上,LKCNN架构的工作方式是让大核在输入的Ca2+浓度时间序列上滑动,通过连续的卷积层提取时间特征,然后提取的特征通过全连接层进行处理,以产生最终的分类输出(如图1(d)所示)。详细的LKCNN架构和训练程序在方法部分中有描述。我们现在分析在不同细胞质Ca2+浓度两种情况下,LKCNN分类器的性能:(i)理想的无噪声条件,以及(ii)更现实的噪声条件。这使我们能够研究噪声对分类器性能的影响,以及识别在噪声条件下表现出鲁棒性的核大小范围。在第一个设置中,我们称之为“无噪声”场景,我们在无噪声(确定性动态)测试数据上评估分类器的性能。第二个设置称为“噪声”场景,评估我们的分类器对包含实际噪声水平[V]的测试数据的鲁棒性[33,35–37]。对于这两种设置,我们在覆盖噪声水平的数据库上训练LKCNN。对于每个V值,训练数据集至少使用了来自Ca2+动态的八种动态状态的1000条轨迹。同样,另一个包含12,000条轨迹的数据库被生成来测试分类器的性能。由于我们的合成数据集包含了各种动态状态(此后也称为标签或类别)的细胞质Ca2+浓度的时间轨迹,我们通过其解决多类分类问题的能力来量化分类器的性能,因此称为分类准确性。也就是说,机器学习任务是预测并正确地将每个测试数据样本分配到八个不同的动态模式标签之一。我们将分类准确性定义为LKCNN分类器预测的标签与真实标签完全匹配的样本比例,表示为:(2)其中i和j分别代表正确分类和错误分类的样本数量(稳态、爆发、振荡、P-2、P-3、P-4、混沌和准周期振荡)。为了确保可重复性并确定最佳架构,我们使用不同的种子和核大小训练并随后测试LKCNN分类器的准确性。图3展示了无噪声(蓝色圆圈)和噪声(橙色方块)测试数据集相对于LKCNN的核大小k的分类准确性(我们使用[某个值])。我们对每个k值使用相同的20个不同的随机生成的种子,以确保k之间的性能差异不是由于不同的随机初始化造成的。实线表示多个种子平均后的平均准确性。阴影包络表示一个标准差(),表明我们LKCNN分类器性能的稳定性。我们观察到在无噪声条件下,蓝色阴影包络的带宽比在噪声条件下更窄,这意味着在不同随机种子下,细胞质Ca2+浓度的无噪声或确定性动态的性能更稳定。我们进一步观察到,噪声的存在显著降低了分类器的多类分类性能,这从噪声数据条件的较低准确性值可以看出。值得注意的是,我们观察到LKCNN核大小与分类准确性之间存在明显的关系。在无噪声场景中,准确性(蓝色曲线)随着核大小的增加而迅速提高,然后在某个值附近达到饱和。另一方面,对于更现实的噪声数据条件,准确性曲线(橙色)在某个核大小处显示出明显的峰值,表明在这个范围内LKCNN的分类性能最佳。超出这个范围,分类器的性能稳步下降,这表明虽然较大的核对于无噪声数据条件有益,但对于具有实际噪声水平的数据集,中等大小的LKCNN核是最优的。因此,我们获得了用于从合成数值模拟轨迹中稳健分类细胞内Ca2+动态的最佳LKCNN架构,可用于分析真实的实验Ca2+浓度轨迹。在所有后续分析中,我们使用核大小k=28,因为它在噪声和无噪声设置中都表现出最佳性能。

对于噪声轨迹,我们在噪声水平为[某个值]的数据上训练LKCNN,并在噪声水平为[另一个值]的数据上进行测试。实线表示每个核大小的一组20个不同随机生成的种子的平均准确性。阴影部分表示从多次实验中计算得出的一个标准差()。https://doi.org/10.1371/journal.pcbi.1014240.g003 无噪声Ca2+状态的分类。在获得了最优的LKCNN分类器之后,我们现在分析其在单个动态状态下的性能。我们不仅关注总体准确性,还报告了每个状态的准确性、精确度、召回率和F1分数,以揭示这八个状态之间的任何差异。对于每个类别i(一对一对比其余状态),用(真正例)和(假负例)分别表示正确分类和错误分类的轨迹数量,这些标签与准确性定义中使用的符号一致。我们进一步用表示真实标签不是i但被预测为类别i的轨迹数量(假正例)。然后,类别i的精确度、召回率和F1分数由(3)给出。我们进一步检查混淆矩阵,以识别系统性错误分类和密切相关的模式之间的共同错误模式。在本节中,我们关注无噪声情况。我们继续使用在噪声水平为k=28的情况下训练的优化LKCNN分类器,并随后在12,000个无噪声轨迹的独立测试集上评估其性能。表2报告了类别级别的性能,显示出99.4%的统一高准确性。我们发现大多数状态的精确度、召回率和F1分数接近于1。稳态、爆发态、振荡态和准周期态都被有效识别。多周期性状态P-2、P-3和P-4的识别精度很高,但召回率略低(),对应的F1分数分别为0.985(P-2)、0.982(P-3)和0.981(P-4)。对于混沌态,性能相对较弱,这表明该类别倾向于出现假正例。总体而言,LKCNN作为所有状态的分类器效果良好,错误主要集中在混沌态,以及在较小程度上的P-3和P-4状态。这八个动态状态的这些指标的数值在表2中给出。下载:PNG(更大图像)TIFF(原始图像)表2. 无噪声模拟细胞质Ca2+浓度的精确度、召回率和F1分数。https://doi.org/10.1371/journal.pcbi.1014240.t002我们继续分析图4中的混淆矩阵,其中行对应于模拟的细胞质Ca2+浓度轨迹数据的真实标签,而列代表我们的LKCNN分类器预测的标签。对角线条目(蓝色)显示每个类别被正确识别的百分比(每个类别的准确性),而非对角线值表示错误分类。我们的结果显示,优化的LKCNN在无噪声测试数据上实现了高水平的分类性能,总体平均准确率为99.5%。对角线值中的许多接近100.0%,因此表明对于大多数细胞质Ca2+动态状态(包括稳态、爆发态、振荡态、P-3、P-4和准周期振荡)几乎实现了完美分类。我们看到一小部分P-2样本被误认为是P-4(2.0%),以及一小部分混沌轨迹样本被误认为是P-3(2.2%)。这些错误分类表明,尽管我们的LKCNN分类器非常有效,但其最大的挑战在于区分区分混沌行为和某些多周期性状态的细微特征。此外,不对称的P-2→P-4混淆集中在周期间振幅变化较大的轨迹中(见S1图)。尽管如此,混淆矩阵对角线上显示的高分类准确性证明了我们的LKCNN分类器在无噪声数据集中的出色区分能力和可靠性。下载:PNG(更大图像)TIFF(原始图像)图4. 混淆矩阵显示了我们的LKCNN模型在无噪声情况下的多类分类性能结果。对角线条目表示正确预测的细胞质Ca2+动态状态的百分比。标签表示稳态、爆发态、振荡态、周期2、周期3、周期4、混沌态和准周期振荡。https://doi.org/10.1371/journal.pcbi.1014240.g004 我们现在扩展分析,以检查优化后的LKCNN分类器在存在噪声的情况下对单个动态状态的性能。为了更全面地分析噪声效应,我们扩展了训练和测试数据集,以涵盖越来越嘈杂的条件,对应于更小的V值。虽然核大小k如前所述固定为28,但当前配置有所不同,因为训练是在更广泛的噪声水平范围内进行的。考虑了更广泛和更极端的噪声条件谱,以提高LKCNN分类器的鲁棒性,并更好地捕捉在具有挑战性的测试场景下的Ca2+状态的动态行为。这种设置还允许我们研究比以前更多的不同噪声水平下的性能。图5显示了LKCNN分类器的分类准确性如何随测试数据集中的累积噪声水平变化。这里的“累积”意味着x轴上的噪声水平V代表测试集中包含的最大噪声水平。例如,V=106表示测试集包含从到106的所有样本。同样,V=103时的准确率是使用从到V=103的整个测试数据集计算得出的。累积测试集通过逐步扩大评估数据中的噪声分布来模拟现实条件,因为在实验场景中,部署的分类器不会只看到一个固定的噪声水平,而是会面临多种条件。图5中的绿色圆圈表示每种累积噪声水平下20次不同随机种子运行的平均准确率,而阴影绿色区域表示相应的标准差()。当在无噪声数据集上测试时,准确率最高()。随着噪声的逐渐增加,平均准确率稳步下降,对于仍然相对较高(),但在V=103时下降得更明显。这些结果表明,输入数据的质量本质上限制了LKCNN的分类性能。注意,对于,98.5%的准确率略低于图3中实现的99.0%,因为后者的训练集仅限于。这表明,在训练中包含极端噪声数据(V=103)会略微降低性能,即使在无噪声数据上测试也是如此。实际上,当训练限制在V=104的噪声水平时(不包括V=103),在无噪声测试集上的性能几乎与图3中的结果相匹配。下载:PNG(更大图像)TIFF(原始图像)图5. LKCNN的分类准确性与系统大小V的关系,用于模拟的细胞质Ca2+动态。轨迹中的噪声与系统大小成反比,即系统大小V越小,轨迹数据中的噪声越大。绿色圆圈表示每种噪声水平下20个不同随机生成的种子的平均准确率。阴影绿色区域表示来自多次实验的相应标准差()。https://doi.org/10.1371/journal.pcbi.1014240.g005我们将后续分析限制在Ca2+动态的实际情况噪声水平([33]),在这些水平下分类准确性保持在96%以上,以确保评估反映了生理相关条件。我们使用与之前相同的最佳LKCNN,核大小k=28。我们通过结合每个V水平的12,000个样本来构建训练数据集,总共得到60,000个训练样本。然后使用与训练数据完全相同的分布构建测试集,也包含每个V水平的12,000个样本,总共60,000个测试样本。表3总结了噪声集上的类别级别性能,显示出高但不均匀的准确性(总体=94.00%)。爆发态基本上被完美识别,稳态、振荡态和准周期态也表现良好(F1分数)。多周期性状态P-2、P-3和P-4的性能较低(F1分数),其中P-2主要受精确度限制,而P-3和P-4主要受召回率限制。最弱的类别是混沌态(F1),表明与其他标签有相当大的混淆。总体而言,LKCNN在噪声下对大多数行为仍然具有鲁棒性,错误主要集中在混沌态,以及在较小程度上的多周期性状态。此外,与无噪声数据的指标相比,我们注意到总体准确率下降了大约5.41%。对各个类别的F1分数进行比较后发现,混沌态的性能下降最为显著。其他表现出显著下降的类别包括P-2、P-3和P-4。这些发现表明,这些类别对噪声的引入特别敏感,可能是由于它们表示中的关键区分特征受到了干扰。相比之下,几个类别对噪声表现出相当的鲁棒性。例如,稳态的F1分数仅从1.000下降到0.996。同样,爆发态和准周期态在噪声条件下保持了相对稳定的性能,表明它们的潜在特征模式尽管有波动仍然可区分。下载:PNG(更大图像)TIFF(原始图像)表3. 无噪声模拟细胞质Ca2+浓度的精确度、召回率和F1分数。https://doi.org/10.1371/journal.pcbi.1014240.t003图6展示了包含实际噪声水平的细胞内Ca2+动态的测试数据集的混淆矩阵,我们发现总体平均准确率为97.42%。虽然这个值仍然很高,但它比无噪声情况下的99.54%有所下降(图4)。图6的混淆矩阵的详细分解显示了这种性能下降在不同动态类别中的分布情况。我们看到,一些类别的对角线条目(橙色)低于无噪声情况下观察到的条目(图4),表明这些类别的错误分类增加了。我们从图6中得出一些关键发现。不同多周期性状态之间的混淆比之前更严重。例如,6.8%的P-2样本被错误地标记为P-4。混沌态和周期态(P-2、P-3和P-4)之间的混淆明显增加。现在有8.6%的真正混沌样本被错误地分类为P-3。相反,5.0%的P-3样本和3.0%的P-4样本被错误地识别为混沌态。这些结果表明,当存在噪声时,无噪声数据集中观察到的高准确性受到了显著影响,特别是在混沌态和多周期性状态之间。下载:PNG(更大图像)TIFF(原始图像)图6. 混淆矩阵显示了我们的LKCNN模型在实际情况噪声水平下的多类分类性能结果。对角线条目表示正确预测的细胞质Ca2+动态状态的百分比。标签表示稳态、爆发态、振荡态、周期2、周期3、周期4、混沌态和准周期振荡。https://doi.org/10.1371/journal.pcbi.1014240.g006 对实验数据的泛化能力。在仅在合成数据集上训练和验证了LKCNN分类器之后,我们现在将其用于实际应用。为了弥合模型开发与实际应用之间的差距,我们使用优化和测试过的分类器处理实验测量结果,并将它们分配到适当的类别中。虽然网络在训练期间仅接触了受控的合成数据,但在实验数据上部署它允许我们评估其在现实条件下的泛化能力和鲁棒性。为了评估我们优化的LKCNN分类器的泛化能力,我们现在构建了一个来自两个来源的Ca2+浓度实验数据集:(a) 小鼠胰岛的[79,80]细胞,显示了在八个遗传不同的小鼠品系中记录的多样化Ca2+浓度模式;(b) WT-HEK293、STIM-KO和ORAI TKO细胞[81,82],在不同激动剂刺激条件下(如不同浓度的卡巴胆碱(CCh))表现出多样化的Ca2+轨迹。在没有生理学上合理的真实分类标准的情况下,我们尽可能依赖手动标记实验轨迹。从可用的数据集中,我们仔细地对时间序列进行视觉筛选,以识别出清晰可区分的动态模式。尽管数据集包含大量时间序列,但只有那些具有明确动态特征的时间序列才被认为适合分类。爆发动态的特征包括一个平台阶段(在活跃振荡阶段花费的时间)之后是一个静默持续时间阶段。稳态的特征是相对较低的(M)浓度。然而,由于噪声水平以及实验数据集中的数据长度,很难视觉上识别所有其他状态。根据这一标准,我们识别出46个属于爆发态的时间序列和39个属于稳态的时间序列,另有41个被手动分类为“其他”,包括视觉上无法区分的类别,如混沌态、振荡态、准周期态和多周期性态。因此,策划过程产生了三个类别共计126个样本,分别是:(i) 稳态,(ii) 爆发,以及 (iii) 其他。由于数据集仅包含Fura-2比率测量的细胞内Ca2+浓度,我们采用了Grynkiewicz方程[83]并使用估计的校准参数将比率数据转换为近似的Ca2+浓度。此外,我们使用线性插值方法使实验轨迹精确达到1000个数据点,从而适合于优化的LKCNN。通过这一程序,我们创建了一个基准数据集,用于验证我们的LKCNN分类器在实验Ca2+浓度动态上的性能。当应用于实验数据集时,LKCNN成功地对所有输入进行了稳定的分类。图7的(a)、(b)和(c)面板展示了实验轨迹的代表性示例及其正确分类的标签。在全部126个时间序列中,只有一个爆发轨迹和三个被标记为“其他”的轨迹被错误分类,总体准确率为96.8%。这四个被错误分类的轨迹显示在图7的(d)面板中,LKCNN预测的标签用红色文字标示。虽然上面板中的轨迹被手动标记为爆发,但LKCNN预测其为混沌状态。其他三个轨迹被手动分类为“其他”,但LKCNN分类器预测为爆发。每个类别的准确率百分比在图8的混淆矩阵中提供。所有126个时间序列的完整分类结果,以及策划的数据和分析脚本,都可以在我们的GitHub仓库中找到。请注意,本节中发现的准确率并不反映LKCNN分类器的真实性能,因为测试数据集经过了高度策划。虽然验证数据集可能会受到人为错误的影响,但LKCNN的真正优势在于它能够在视觉上难以区分的数据上进行快速且可靠的分类。本节的结果提供了必要的概念证明,不仅展示了如何将模型集成到数据分析流程中,还展示了它在面对实验观察中的变异性和噪声时的表现。下载:PNG(较大图像)、TIFF(原始图像)图7. 带有LKCNN预测类别的实验轨迹样本。正确分类的为:(a) 爆发,(b) 稳态,(c) 振荡状态。(d) 被错误分类的状态,其中第一个状态被手动标记为爆发,其他三个被标记为其他。https://doi.org/10.1371/journal.pcbi.1014240.g007 下载:PNG(较大图像)、TIFF(原始图像)图8. 混淆矩阵,显示了我们的LKCNN模型在实验数据集上的分类性能。对角线条目表示基于人类注释的正确预测动态状态的百分比。标签表示三个代表性类别:爆发、稳态和其他。https://doi.org/10.1371/journal.pcbi.1014240.g008

与传统的机器学习分类器进行比较 我们将LKCNN模型的性能与两种广泛采用的传统机器学习分类器进行了比较:带有线性核的支持向量机(SVM)[84]和随机森林(RF)[85]。这两种方法都是自然的基准,因为它们在生物时间序列分类中具有广泛的适用性和成熟的用途[86]。为了确保公平和无偏的比较,这两种分类器都是在从与LKCNN相同的训练集中提取的快速傅里叶变换(FFT)特征上进行训练的,并在相同的测试集上进行评估的。基于FFT的特征是振荡时间序列的标准和有效表示方法,因为它们将每个轨迹的主导频率内容和谐波结构编码成适合传统分类器的固定长度特征向量[86]。分类结果显示在图9(a)中。在无噪声条件下,SVM和RF都达到了合理的准确率,RF(97.4%)略微优于SVM(92.0%)。然而,当引入噪声时,两种分类器的性能都显著下降,SVM在噪声条件下降至86.4%,RF下降至93.5%。当应用于实验Ca2+数据时,性能下降更为严重:SVM降至54.0%,RF降至51.6%,表明其区分能力较差。相比之下,LKCNN在所有条件下都保持了强大的泛化能力,显示出合成数据和实验数据之间的性能差距明显较小。SVM和RF的每个类别的性能指标在S2图中提供。下载:PNG(较大图像)、TIFF(原始图像)图9. LKCNN与传统基线的比较以及对类似尖峰的噪声的鲁棒性。(a) LKCNN与两种传统分类器(即线性核SVM和随机森林)在无噪声合成轨迹、有噪声合成轨迹和实验Ca2+轨迹上的分类准确率(%)。SVM和RF都基于轨迹的FFT特征进行操作。(b) 在合成测试轨迹中添加稀疏、大振幅脉冲噪声后的准确率下降(%)。准确率下降是相对于相应的未受干扰的测试集计算的。https://doi.org/10.1371/journal.pcbi.1014240.g009

为了进一步探究每种分类器对与内在Ca2+动态无关的信号损坏的鲁棒性,我们让合成测试集受到脉冲噪声的影响——这种噪声的特点是在随机选定的时间点出现大振幅的尖峰,这代表了荧光成像数据中常见的伪影[87]。代表性的损坏时间序列显示在S3图中。图9(b)报告了在脉冲噪声下的准确率下降(%)。RF在无噪声和有噪声条件下的准确率分别下降了12.8%和15.4%,而SVM的下降幅度更大,分别为44.1%和49.3%。相比之下,LKCNN在相同条件下的下降幅度仅为2.6%和3.5%。这种鲁棒性可以归因于LKCNN较大的时间感受野,它能够捕捉跨越多个振荡周期的长期动态结构。因为学习到的表示整合了多个时间步的信息,稀疏的异常尖峰对整体特征提取的贡献很小,因此分类几乎不受影响。相比之下,基于FFT的特征对大振幅的伪影很敏感,因为单个损坏的时间点会扰乱整个轨迹的全局频谱表示,从而不成比例地降低分类器的性能。

讨论 生物节律是生命的核心[47]。一些生物振荡的例子包括昼夜节律、卵巢周期、激素节律、有丝分裂周期和钙振荡[88]。关于如何解码这些生理节律的波动以获得有意义的信息(例如,节律模式或节律时间段的异常),这些信息有助于更深入地理解和更好地诊断人类疾病,这些问题仍然是活跃的研究领域。深度学习技术与生物医学研究的结合可以改变我们对生命节律的理解。我们目前的工作正是受到这一研究方向的启发,并探讨了在现实生物噪声水平下动态组织原则是否仍然存在的基本问题。我们的LKCNN分类器在区分细胞内Ca2+浓度的多样化动态模式方面的成功表现表明,这些组织特征在很大程度上得到了稳健的保留。这表明即使在噪声条件下,也可以检测到钙信号传导的动态模式,并具有生物学意义,有效地保留了关于细胞潜在动态状态的信息。这一结论得到了我们LKCNN框架的几个关键成就的支持。我们以高准确率对广泛的细胞内Ca2+动态状态进行了分类,将任务从二分类扩展到了一个八类问题,捕捉了钙信号传导背后动态行为的多样性。对核大小的系统评估显示,中等时间感受野在平衡对短暂波动的敏感性和识别较长时间依赖性的能力方面是最优的。这些发现表明LKCNN在从复杂生物时间序列中提取特征方面的架构灵活性,并提供了关于细胞系统中动态模式识别最相关的时间尺度的见解。我们的分析还强调了内在随机性对分类准确性的影响。虽然稳态、爆发和简单振荡状态能够被稳健地区分,但在噪声增加的情况下,多周期性和混沌动态更难以分辨。这种困难反映了它们时间特征的真正重叠,使得明确区分成为一个根本性的挑战。事实上,之前使用统计测量的研究证实了这一挑战,表明在这些状态之间存在较大的内在波动时,它们之间的区别会减弱[33]。虽然这些测量对于表征已知状态的复杂性非常有效,但它们通常缺乏进行稳健分类所需的明确决策边界。相比之下,我们的深度学习方法正是为这一分类任务专门设计的。值得注意的是,即使测试数据集中的轨迹噪声水平是其实际值的两个数量级,它也能实现超过90%的总体准确率。这表明,对于自动化标记复杂细胞动态的实际目标来说,LKCNN框架的特征学习能力提供了显著且稳健的进步。重要的是,LKCNN在实验Ca2+浓度轨迹上的应用与专家注释高度一致,证实了其在合成数据集之外的泛化能力。在同一实验数据集上,传统基线(SVM和RF)的表现明显下降,并且对脉冲噪声伪影非常敏感。这一验证强调了LKCNN作为自动化工具在高通量和无偏分类细胞动态方面的潜力。更广泛地说,该框架非常适合扩展到其他振荡过程,包括神经元放电[89,90]、昼夜节律[91,92]和转录动态[93]。这些结果共同展示了LKCNN在连接计算建模和实验生物学方面的价值,使得对复杂细胞行为的可扩展和系统化研究成为可能。尽管优化的LKCNN分类器表现出了强大的性能,但这项研究仍存在三个关键限制。首先,分析假设系统始终处于单一动态状态。然而,在实验环境中,外部扰动(如营养波动)可能会引起跨多个状态的转换,这是当前框架无法捕捉的复杂性。其次,尽管内在波动对分类器鲁棒性可能很重要,但系统稳定性受到内在波动的影响,特别是在相位边界附近,双节律系统可能会随机地在不同状态之间转换,这一点在很大程度上被忽略了。第三,依赖于手动注释的实验数据引入了偏见和不一致性的可能性,而来自生理标志物的标签将提供更客观和可复现的基础。解决这些限制为未来的工作提供了有希望的途径,这可能会进一步提高所提出框架的可靠性和适用性。除了解决这些技术限制之外,未来研究的另一个重要方向是提取更深入的生物学见解。具有不同核大小的卷积神经网络在揭示复杂生物系统中的生物学意义模式方面表现出强大的能力,包括circRNA-RBP相互作用[94]、阿尔茨海默病神经影像分析[95]、大脑活动中的神经相互作用解码[96]以及基因组数据中的选择推断[97,98]。同样,我们可以通过利用基于LKCNN的分类来提供生物学洞察,以限制控制Ca2+动态的分岔景观。LKCNN识别的动态状态并不存在为独立的类别,而是作为潜在分岔景观的不同区域,主要由[InsP3]参数化。因此,正确分类Ca2+时间序列隐含地将控制参数限制在这个景观的有限区域内,即使不显式恢复它们的值。这一观察确立了当前分类框架作为迈向完全定量参数推断的必要和原则性的步骤。这项工作的自然延伸是通过神经后验估计(SBI)采用基于模拟的推断[99,100],这将学习在观察到的Ca2+时间序列条件下生物意义上模型参数的完整后验分布。这种方法将使得从噪声实验荧光轨迹中直接恢复隐藏的生理参数成为可能,而无需手动调整或事先了解潜在的动态状态。

方法 细胞内钙离子(Ca2+)振荡的理论非线性模型 我们如下解释图1(a)中的细胞内Ca2+振荡机制。考虑一个由V表示的系统大小的细胞。当激动剂附着在质膜受体上时,它会触发InsP3(用Z表示)的合成,InsP3是另一种细胞内第二信使。InsP3与内质网膜上的受体结合,通过InsP3受体/Ca2+通道(IP3R通道)启动Ca2+从内部池(用Y表示)释放到细胞质中。这种细胞质中的Ca2+(用X表示)进一步通过IP3R通道激活自身的释放,这种现象称为Ca2+诱导的Ca2+释放(CICR),表明这是一个自催化过程,产生了细胞内Ca2+振荡。InsP3 3-激酶活性的刺激是通过Ca2+/钙调蛋白复合物来实现的。Ca2+激活的InsP3会发生降解。在图中,表示了激动剂对细胞刺激的程度。粗箭头涵盖了刺激引起的Ca2+流入、从池中释放的Ca2+以及与细胞外介质的Ca2+交换。细胞内Ca2+的振荡可以用一个非线性理论模型来描述,该模型将细胞质中的自由Ca2+与内部池中储存的Ca2+和InsP3的振荡耦合起来。假设变量X、Y和Z分别代表细胞质中的Ca2+、储存的Ca2+和InsP3的浓度。那么x = X/V、y = Y/V和z = Z/V分别表示它们的浓度。这些浓度的时间演变决定了细胞内Ca2+的复杂动态[24],如方程(4)所示。方程(4)中涉及的各项详细分解如下:V0表示来自细胞外介质的恒定Ca2+供应。V1表示刺激激活的Ca2+从细胞外介质进入的最大速率。速率对应于Ca2+从细胞质泵入内部池(以及从内部池释放到细胞质)。和表示它们的最大值。参数和分别代表Ca2+和InsP3的泵送、释放和激活的阈值。V2仅是细胞质中Ca2+浓度(x)的函数,而V3取决于x、y和z这三个浓度。速率常数衡量y向x的被动线性泄漏,k表示细胞质中Ca2+向细胞外介质的线性运输。V4表示刺激诱导的InsP3合成的最大速率,V5表示InsP3被3-激酶(一种InsP3代谢酶)磷酸化的速率。InsP3的减少是由其被钙依赖的3-激酶水解驱动的。k5表示半饱和常数。InsP3 3-激酶活性的刺激(通过Ca2+/钙调蛋白复合物)由一个Hill形式的项表示,其中表示Ca2+的阈值水平。项考虑了InsP3被5-磷酸酶代谢的情况,这与Ca2+无关。此外,从内部储存库向细胞质释放Ca2+和InsP3被3-激酶磷酸化的协同过程反映在V3和V5中,其中包含了Hill系数m、n和p。p > 1表示3-激酶动力学中存在协同作用,而p = 1表示没有协同作用[24]。通过调整方程(4)中的速率常数和其他模型参数,浓度x、y和z会展现出各种动态模式[33]。化学Langevin形式主义考虑了一个在固定温度T下保持的、体积为V的充分搅拌的化学反应系统。假设该系统由N种分子物种组成,其分子种群由表示。想象这N种物种现在通过M个化学反应相互作用,其中每个反应通道由表示,表示该反应的经典速率常数。系数和分别表示反应物分子和产物分子的数量。用表示,T表示转置,作为系统中分子种群的状态向量,在下一个无穷小时间间隔(t,t + dt)内发生反应的概率由给出,其中是该反应的倾向函数[71],其中表示为[71,101]。这里考虑了反应可能的分子组合。随机速率常数与经典速率常数通过关系相关联,其中是反应中的化学计量系数。我们现在根据Gillespie的形式主义[71]描述化学Langevin方程(CLE)。对于任意时间间隔dt > 0,如果描述了在随后的时间间隔(t,t + dt)内发生的反应数量,那么时间t + dt时的分子种群为(5),其中,是由于的变化。然而,确定是一个挑战。为了近似这个函数,对方程(5)施加了两个重要条件。首先,我们需要时间间隔,以便在(t,t + dt)期间发生的反应事件不会显著改变倾向函数,即。当反应物种群很大时(,允许每个被近似为一个统计独立的泊松随机变量,即)。其次,我们需要,以便在(t,t + dt)期间发生的反应事件数量远大于1,即。这使得每个可以被近似为一个正态随机变量。这两个条件在大分子种群的极限情况下同时应用,使得dt在宏观上可以忽略不计[71]。将和表示为平均值和标准差,使用[70],我们得到(6),这是标准形式的Langevin方程[70,71]。重新排列方程(6)得到(7),其中[70]。取极限,CLE得到[70,71]:(8),其中[70,71]表示时间上不相关、统计独立的高斯白噪声。右侧的第一项代表确定性部分,而第二项表示随机部分。因此,CLE(8)考虑了化学反应系统中确定性和随机成分。在方程(8)中,漂移和扩散成分都来自泊松随机变量[71]。因此,随机成分与确定性成分的比率由给出。对于泊松分布,我们有标准差。假设分子的平均数量与系统大小V成正比,我们得到。因此,分子种群的内在波动幅度由给出,其比例与系统大小的平方根成反比,即[71]。使用化学Langevin方程进行随机建模假设x(t)、y(t)、z(t)分别代表细胞质中的Ca2+、储存的Ca2+和InsP3的浓度。让浓度状态向量为。之前在方程4中给出的状态演化方程可以写成紧凑形式(9),其中方程(9)中的常微分方程(ODEs)可以重新表述为反应通道[33],突出显示了X、Y和Z种群的变化: 下载: PNG较大图像TIFF原始图像 https://doi.org/10.1371/journal.pcbi.1014240.t004在第二列中,使用Gillespie的形式主义[71,101]计算每个反应的倾向函数。因此,状态s的变化对应于涉及标记为X、Y和Z的分子物种的出生和死亡的随机事件。这些事件内在地引入了这些分子物种种群中的随机性。接下来,我们按照以下方式计算与细胞内Ca2+振荡模型(9)相关的CLE:(10),其中V表示系统大小,G(x,y,z)是:(11)当时,随机微分方程(10)简化为确定性方程(9),描述了系统的平均场行为。为了模拟细胞内Ca2+的动态,我们使用Euler-Maruyama方法数值求解CLE(1),模拟的时间步长为10^-6分钟。体积参数V以立方微米给出[33]。大核卷积神经网络(LKCNN)对于我们的Ca2+动态分类任务,LKCNN架构的工作方式是大核在输入时间序列上滑动,通过连续的卷积层提取时间特征,然后提取的特征被展平并通过全连接层处理以产生最终的分类输出(如图1(c)所示)。这种模型架构使网络能够捕捉局部时间模式和长距离依赖性。在LKCNN分类器中,我们使用了受早期用于动态状态分类的方法启发的前馈架构[65,66]。我们工作中使用的LKCNN的架构细节如下:卷积层1:16个滤波器,核大小k,步长2 → 最大池化(大小2)卷积层2:32个滤波器,核大小k,步长2 → 最大池化(大小2) → 抛弃(比率0.5) → 展平全连接层:64个单元 → 抛弃(比率0.5) → 32个单元 → 输出神经网络对所有隐藏层使用ReLU激活函数,并通过最小化分类交叉熵损失函数[102]进行训练,该损失函数由给出:其中N是批量大小,C是类别数量,是真实标签。项表示模型的预测概率,通过将softmax函数[102]应用于最终输出层的logits来计算:为了优化,我们使用Adam算法,学习率为,批量大小为N = 32。训练最多进行2000个周期,并结合了一个在验证准确性上具有100的耐心度的提前停止机制,以防止过拟合并选择表现最好的模型。为了确定最佳模型配置并确保结果的稳健性,这个整个过程系统地重复了不同的核大小,并在20个不同的随机种子上进行。这一严格的练习确定了最佳核大小为28。正文中呈现的混淆矩阵和最终结果都是使用这种最佳配置训练的模型得出的。用于合成数据生成的参数见表1 优化分类器的性能见表2和3 支持信息 致谢作者感谢韩国高等研究院高级计算中心在计算资源方面的帮助。参考文献
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号