《PLOS Computational Biology》：iDCF: Interpretable deconvolution of cell fractions via biologically-informed deep learning using scRNA-seq data
编辑推荐：
复杂组织内细胞异质性的精确解析是从批量转录组谱（bulk transcriptomic profiles）中解读疾病病因的基础。尽管计算性解卷积提供了一种可扩展的替代方案，但当前的深度学习方法主要作为“黑箱”运行，忽视了生物学规律的结构约束。这种纯粹依赖数据驱
复杂组织内细胞异质性的精确解析是从批量转录组谱（bulk transcriptomic profiles）中解读疾病病因的基础。尽管计算性解卷积提供了一种可扩展的替代方案，但当前的深度学习方法主要作为“黑箱”运行，忽视了生物学规律的结构约束。这种纯粹依赖数据驱动的特征提取往往产生生物学上不一致的预测和有限的机制可解释性。iDCF（可解释细胞比例解卷积，Interpretable Deconvolution of Cell Fractions）是一种将生物学拓扑结构施加于深度神经网络的新型框架。iDCF架构采用双流设计，将标准深度网络与基于知识的稀疏神经网络（knowledge-based sparse neural network，KSNN）协同起来，该网络通过通路定义和蛋白质-蛋白质相互作用（protein-protein interaction，PPI）网络进行显式掩蔽。在综合基准测试中，iDCF实现了顶级性能，在准确性和稳健性方面持续跻身于最先进方法之列。iDCF整合了SHapley加性解释（SHapley Additive exPlanations，SHAP）框架，弥合了计算推断与生物学直觉之间的鸿沟。模型的决策逻辑由既定的生物学机制而非虚假的统计相关性所支配，验证了其可靠性。在包括阿尔茨海默病（Alzheimer’s disease）、卵巢癌和糖尿病在内的临床情境中的验证表明，iDCF能够恢复与疾病相关的细胞动力学。iDCF为解卷积细胞类型比例提供了一种高性能、可解释且具有生物学基础的工具，有助于更深入地理解健康和疾病状态下的组织异质性。
复杂组织内细胞异质性的精确解析对于理解发育、免疫调控和疾病进展至关重要。批量RNA测序（bulk RNA-seq，对组织混合细胞样本进行转录组测序）只能获得混合细胞群体的平均转录信号，掩盖了细胞类型特异性信息。单细胞RNA测序（scRNA-seq，在单细胞分辨率下测量基因表达）虽能以单细胞分辨率解析转录组，但成本高、技术噪声大，限制其在大规模临床研究中的应用。计算性解卷积因此成为从批量数据中推断细胞类型比例的关键工具。然而，现有深度学习方法多为“黑箱”，忽略生物学结构约束，导致预测缺乏生物学一致性和机制可解释性。为此，研究人员开发了iDCF（可解释细胞比例解卷积），将生物学拓扑结构嵌入深度神经网络，在保证高准确性的同时实现机制透明。该论文发表于《PLOS Computational Biology》。
研究人员利用scRNA-seq数据模拟伪批量（pseudo-bulk，由单细胞转录本聚合而成的模拟混合样本）训练样本，并整合STRING数据库的蛋白质-蛋白质相互作用（PPI，蛋白质间物理或功能交互网络）和MSigDB通路注释，构建了知识稀疏神经网络（KSNN，一种通过知识掩码约束连接结构的稀疏神经网络）掩码。iDCF采用双流架构：标准深度神经网络（DNN）提取数据驱动特征，KSNN提取生物学约束特征，两者融合后输出细胞类型比例。同时集成SHapley加性解释（SHAP，一种基于博弈论的特征归因方法）框架，在基因和知识模块两个层面提供可解释性。该研究在多个独立数据集上进行了基准测试，并在阿尔茨海默病、卵巢癌、糖尿病等临床队列中验证了其有效性。
**iDCF框架概览**：研究展示了iDCF的双流架构，知识掩码由MSigDB通路和STRING PPI构成，限制神经元连接仅为已知生物学交互，从而过滤虚假相关。DNN与KSNN特征融合后经Softmax输出比例，并通过SHAP模块实现知识级和基因级归因。
**独立伪批量数据集上的性能**：在PBMC6k和DonorA两个独立伪批量测试集上，iDCF获得所有细胞类型的最高中位Pearson相关系数（r），优于DeSide、scpDeconv、TAPE、Scaden等深度学习方法，并与ReDeconv、BayesPrism等统计方法相当或更优，尤其能有效区分高度同源的CD4和CD8 T细胞。
**批量数据解卷积及与流式细胞术的比较**：在8个独立PBMC批量转录组数据集上，以流式细胞术为金标准，iDCF在5个数据集中取得最高中位Lin's一致性相关系数（CCC，衡量预测与真实值一致性的指标），并在B细胞、CD4 T细胞、CD8 T细胞上获得最高平均CCC和最低平均绝对误差（MAE，预测与真实值平均偏差的绝对值）。
**iDCF的遗传解释**：利用SHAP分析，在Monaco 1数据集上，iDCF优先依赖免疫相关通路和关键节点基因（如CD27、ZAP70、CD5、CD79A），而基线无约束模型则依赖CYP1B1等无关基因。以B细胞为例，完整iDCF正确识别CD19、CD79A、PAX5等标志物，SHAP值幅度较基线提升一个数量级；KEGG富集分析确认这些基因富集于原发免疫缺陷、造血细胞谱系、B细胞受体信号通路等。
**iDCF的临床解释**：
- **阿尔茨海默病**：在ROSMAP队列中，iDCF基于41个有免疫组化金标准的样本取得最高中位CCC，并在493个样本中准确重现Braak分期相关的神经元逐渐丢失、星形胶质细胞代偿性增加以及小胶质细胞在晚期（Braak 6期）下降的非线性动态。
- **高级别浆液性卵巢癌**：利用单细胞参考图谱对41例原发肿瘤批量数据解卷积，iDCF显示手术完全切除（R0）组具有更低巨噬细胞丰度和更高CD8 T细胞浸润，与已知免疫微环境预后特征一致。
- **糖尿病**：在GSE50244数据集的77例供体中，iDCF预测的β细胞比例与HbA1c（糖化血红蛋白）水平呈最强负相关（r=-0.57），与BMI也呈显著负相关（r=-0.38），准确反映胰岛功能损伤。
- **SARS-CoV-2感染胰岛**：在GSE159717离体感染模型中，iDCF检测到感染后β细胞比例显著耗竭，而瑞德西韦治疗组β细胞比例恢复至接近未感染对照水平；在独立数据集GSE165890中，iDCF与DeSide、TAPE、ReDeconv均以p<0.01检测到感染后β细胞减少。
- **小细胞外囊泡**：在结直肠癌（CRC）的483个肿瘤和41个正常样本中，iDCF结合SHAP分析揭示肿瘤来源小细胞外囊泡（sEV，直径约50-200nm的囊泡）发生功能重编程：正常组织富集黏膜防御和上皮干性基因（如REG3A、TCF7），而肿瘤组织则富集去分化和免疫逃逸标志物（如KLRD1、PDCD1）。
**生物学通路和PPI的贡献**：消融实验比较完整iDCF、去除通路（-Path）、去除PPI（-PPI）、同时去除两者（-Path&PPI）、去除DNN（-DNN）五种配置。结果显示，单独整合通路或PPI均有增益，但两者互补且依赖数据集；完整iDCF在大多数数据集和细胞类型上取得最优或接近最优的CCC和MAE，证明双流知识整合是实现稳健高保真解卷积的关键。
在讨论部分，研究人员指出iDCF通过生物先验嵌入解决了深度学习方法长期存在的准确性-可解释性困境。消融实验确认通路和PPI提供互补约束，而非冗余信息。SHAP分析揭示模型决策由生物学机制驱动，而非虚假相关。在单核细胞预测中，iDCF的优势相对较小，SHAP显示其决策边界受CYP1B1等非特异信号干扰，这提示性能瓶颈源于训练特征信噪比低，而非模型逻辑缺陷。研究局限性包括对单细胞参考质量和生物先验完整性的依赖，以及静态知识库无法适应疾病状态下的动态相互作用。未来可引入动态掩码机制，通过多模态整合调整网络拓扑。
研究结论为：总之，iDCF代表了深度学习与系统生物学的方法论融合。通过将生物学规律显式编码到神经网络中，研究人员克服了最先进深度学习方法固有的不透明性。iDCF不仅仅是估计细胞比例的工具，更是一个透明的分析框架，能够验证其自身决策的生物学合理性。研究人员预计iDCF将成为解析复杂组织中细胞异质性的有力工具，使学界能够从海量批量转录组数据中提取稳健、可解释的见解。
