如何通過AI模型讓疾病對基因的影響做個人差異化分析— 阿茲海默症 (Alzheimer) 案例分享 (影片有中英及多國語言文字幕)

1196 次觀看·2026年4月25日 #百業分享堂 #百業分享堂
分享主題:「如何通過AI模型讓疾病對基因的影響做個人差異化分析— 阿茲海默症 (Alzheimer) 案例分享」 (影片有中英及多國語言文字幕)
分享人: 賴昕妤(Hsin-Yu Lai) / 美國 Allen Institute Scientist
台灣台大電機,數學雙修 / 美國麻省理工EECS博士畢業(MIT EECS MS/PhD) / 美國哈佛大學統計系博後 Harvard Statistics Postdoc, Allen Institute AI/ML Researcher for Alzheimer's Disease
昕妤目前在美國 Allen Institute 做 Scientist,艾倫研究所(Allen Institute)是由微軟共同創辦人保羅·艾倫(Paul Allen)於 2003 年創立的非營利性研究機構,總部位於美國西雅圖。Allen institute最有名的貢獻之一是提供老鼠和人的大腦圖譜(brain atlas),讓其他研究人員可以去對照,來判斷自己數據中的細胞種類,幫助科學家理解神經元和腦部結構及研究大腦如何運作。
昕妤專注在研究大腦,神經系統,和免疫系統。她目前在Allen Institute 阿茲海默症 AD project 底下,負責研究阿茲海默症 AD 在大腦的機制。例如像是研究是什麼細胞被 阿茲海默症 AD 影響了? 是怎麼被影響的?
她的目標是用AI來從single cell data, image data, sensor data 預測以及追蹤Alzheimer's disease。她做ML for healthcare 已經有十年,過去背景包括台大電機數學雙修,MIT EECS MS/PhD, 和Harvard Postdoc。
這次分享的是她來Allen Institute的第一個研究,有興趣歡迎交流討論。感謝大家。
本次影片(有中英及多國語言文字幕)連結如下:
https://bit.ly/48Xp9oj
昕妤之前分享的另外2個主題,影片連結也提供在下面供大家參考。
影片簡介:
她會討論我們如何在個體差異化的前提下,建構一個AI模型將genotype, cell type, phenotype之間的關聯性做系統性的分析,這個模型會幫助我們用RNA來預測一個人被疾病的影響程度,了解什麼基因跟什麼細胞會被疾病影響,並且可以做不同cohort的資料整合來完成大數據的效果,她會用阿茲海默症做例子。
如果對其他例子像Huntington's disease有興趣的人,她已經把 paper 放到 bioRxiv 裏, 連結如下。
https://www.biorxiv.org/content/10.64898/2026.04.20.717759v1
歡迎閱讀,謝謝大家 !
聯絡方式:
https://www.linkedin.com/in/hsin-yu-jane-lai-b2547685/
昕妤之前分享的另外2個主題,影片連結如下。
在Harvard postdoc的影片「如何結合人工智慧AI技術,打造更個人化的數位健康工具 」
影片(有中英文字幕)連結如下:
https://bit.ly/45ZmWIu
在MIT PhD的影片: 「人工智慧在生醫的應用— 用行動裝置追蹤跟神經退化性疾病演進相關的動眼資訊 」
影片(有中英文字幕)連結如下:
https://bit.ly/3zyQAGi
本次影片(有中英及多國語言文字幕)連結如下:
https://bit.ly/48Xp9oj
艾倫研究所(Allen Institute)簡介
艾倫研究所(Allen Institute)是由微軟共同創辦人保羅·艾倫(Paul Allen)於 2003 年創立的非營利性研究機構,總部位於美國西雅圖。
這個機構的目標是為了解決生物學和人工智慧領域的重大難題,且其研究成果通常是公開分享的(開源)。
艾倫研究所主要分為兩個核心部分:
1. 艾倫腦科學研究所 (Allen Institute for Brain Science)
Allen institute最有名的貢獻之一是提供老鼠和人的大腦圖譜(brain atlas),讓其他研究人員可以去對照,來判斷自己數據中的細胞種類,幫助科學家理解神經元和腦部結構及研究大腦如何運作。
2. 艾倫人工智能研究所 (Allen Institute for AI, 簡稱 AI2)
簡而言之,艾倫研究所是一個結合「高科技 AI」與「基礎生物學」的大型研究中心,致力於用公開的大數據來推動科學進步。
關於「百業分享堂」:
「百業分享堂」網址如下:
https://www.ganjingworld.com/@百業分享堂
「百業分享堂」頻道,如果希望以後在新的影片及短片上傳後得到通知,請按訂閱,如下連結。
https://bit.ly/3AGXwPA
以下是「百業分享堂粉絲團」的連結,你可以按追蹤,以後有新的貼文就會通知你
https://bit.ly/3wkZCCd
「百業分享堂」FB連結如下,歡迎參加與專家互動
https://bit.ly/3K6Ta7w
Hello 大家好,我是賴昕妤
今天我要跟大家介紹的是一篇最近剛發
剛投出去的paper叫做SCVIP
Personalized Modeling of Single-Cell Transcriptomes for Developmental and Disease Phenotypes
我這邊名字留著跟paper的名字一樣,讓大家比較好查
那最主要的目標就是你有Single-Cell RNA Sequencing Data
我們要試著看有沒有辦法用它來predict
要嘛是developmental或者是disease的phenotypes
那今天的重點會放在Alzheimer's Disease上面
給大家做一個示範,說看這樣怎麼做
然後就是感謝百業分享堂讓我有這個機會可以分享
那如果大家聽完之後對paper有興趣的話
或者是想要現在一起看paper的話
QR Code跟paper的link就在這邊
好的,那感謝Blake
我以前有分享過兩支不一樣的影片
一個是我PhD的時候做的thesis
叫做用行動裝置來追蹤跟神經退化性疾病相關的動眼資訊
那這個的話主要就比較偏behavioral data
然後看你有沒有辦法用eye movement features來predict disease progression
那第二個的話,第二個影片之前有分享過的是
放在比較偏你要如何做personalization的treatment上面
那這邊的應用是在Digital Health
所以我們是結合AI技術
然後特別如果大家對reinforcement learning熟的話
它主要是用reinforcement learning的方式來personalize
什麼時候要給什麼樣的digital treatment
來幫助大家可以變得更健康
那如果對這個影片有興趣的話
也可以就是看一下我以前有發過的影片
那大家看這兩個比較著重都在behavioral data上面
那其實我做了這些研究之後就會開始想
我現在有辦法做time series analysis
有辦法做reinforcement learning personalizing treatment
但如果我真的想要做到真正的personalization的話
我不能只看behavioral data
我應該要更去了解說
生物上面,本身上面從DNA到RNA到protein
的整個結構和disease的關係到底是什麼
這就是為什麼我在做完我的postdoc之後
我就來到了Allen Institute
那大家可能跟Allen Institute沒有很熟
它其實是在Seattle的一個研究機構
那它裡面有非常非常多不一樣的research institution
那我主要是在這個叫做
Seattle Alzheimer's Disease的這個project底下
我們叫它SEA-AD
所以大家如果對阿茲海默症的data有興趣的話
其實SEA-AD的網站上面你如果直接查SEA-AD
你是可以看到它的publicized data
因為Allen Institute其實它的重點在於
可以有更多的就是open science
所以這大概就是背景
那我會稍微講一下SEA-AD
它其實以前有發過一篇很大的文章
那時候它的做法是
它跟UW就是University of Washington有合作
然後有拿到八十四個donor
他們的大腦的資料
那他們會根據不同的腦區來做切片
然後你做了切片之後
因為每個人他基本上他死後才會有大腦
所以其實我們不是很確定
他真正的disease state是什麼
但是我們大概可以知道
就是因為他們有
就是SEA-AD這邊有仔細的研究說
每個腦區裡面的pathology大概有多嚴重
那大家如果跟AD熟的的話
那AD主要的pathology
一個是Aβ 一個是τ蛋白
那他們就大概分腦區來看說
每個腦區他目前就是被Aβ跟τ蛋白影響的比例
大概佔多少
那他們如果有這樣的data
你大概可以用
就是你把所有的人的data通通都accumulate起來
然後可能就是稍微用他們就是
Aβ跟τ蛋白就是所佔的比例
來稍微排序一下
你這樣可以稍微有一種就是
donor的那個排序
從low pathology到high pathology
然後另外一方面就是
因為我們有single cell RNA sequencing data
那大家如果對就是SCVI之類的
像是這種single cell RNA sequencing的methodology
有涉獵的話
基本上都會知道我們如果有
single cell RNA sequencing data
我們就可以開始去研究說
那每個cell到底是哪樣的cell type
那以前就是那一篇很大的SEA-AD的paper
主要就在討論說
有哪些cell type是會被
就是會被disease影響
然後他的算法是這樣
就是你如果人做了排序之後
你就會稍微知道說
這個人可能他的disease state比較前面
那個人可能disease state比較後面
那你就可以看說到底
每個cell type到底是
他的disease state
就是他怎麼樣隨著disease state來變化
來判斷說哪些cell type是more vulnerable
所以我們這邊說就是那一篇paper
他主要就是
shift our understanding of disease progression
from a focus on neuropathology to cellular vulnerability
那一般傳統的analysis pipeline的話
我們就是像我剛才說的步驟
你先做cell type的annotation
我把我自己藏起來
就不要擋到大家
就是cell type的annotation
然後之後會做一些multiple downstream analysis
像是一些比較偏frequentist
就是比較傳統上面statistical analysis的方式
來做一個比較像是linear regression的方式
來看說到底每個cell type
他隨著時間變化那個coefficient是什麼
那這樣的缺點是
我們其實是把所有人的data
都一起抓下來
來做這樣的statistical analysis
所以heterogeneity的話
就可能不會被發現
那另外一個缺點是說
就是你可以想像說每一個人的cell
雖然說都在同一個腦區
但是每個cell被影響的程度也不一樣
就算是同一個cell type
所以他其實這樣的分析是把所有的cell
所有的cell在同一個cell type底下
都把他當作是被影響
被disease影響的程度是一樣的
那這樣子的話
他disease跟non-disease associated cells
的signal就會被dilute掉
所以我們現在
我這篇paper主要就是要解決這兩個問題
那所以我們到底希望可以達到
什麼樣的目標呢
我們希望我們的model有辦法
keep donor heterogeneity
然後如果大家跟AD熟的話
其實AD的donor heterogeneity還蠻高的
就是一個蠻受討論的話題
那我們當然也希望說我們可以
就是在學cell type的時候
cell的embedding的時候
embedding可以把它想成一種
latent representation
因為你想說你每個cell
你如果只看那個gene
就gene可能就是三萬六千個gene
然後你這樣要去判斷
就是用三萬六千個gene
來去represent一個cell
就是有點難看嘛
所以大部分的人會把他就是
project到一個比較lower dimension的space裡面
去更加研究說這個cell
它的latent information是什麼
那我這邊說的是說
我們希望它project到的那個
latent embedding
它其實也有pathology
就是Aβ跟τ
跟disease state相關的一些information
那我們也希望我們的model裡面
是有考慮到每個cell type
它被disease的影響是不一樣的
像是L2,3
就是layer 2跟layer 3的neurons
其實比較vulnerable
compared to layer 4
就是你在cortical region
layer 4的那個neurons
那最後是我們希望我們的model
是interpretable的
所以我們的做法就是
我們就是要
我們model有personalization
有semi-supervised
就是有被pathology的information
是有被放到model裡面來
然後希望我們的model是
cell type aware
然後最後希望它是generative
所以這就是我們developed的ML model
我們如果跟SEVI熟的話
大部分就是我們這邊cell
就是另外一個example
所以就是跟SCVI一樣是
大家跟SCVI不熟
可以稍微查一下SCVI
它叫single cell variational inference
它是一個method來學說
怎麼樣可以學一個
cell的latent dimension space
那跟SCVI熟的話
會知道我們是針對每個cell
會去學它一個latent representation
那我們這邊就是
on top of that
我們多加一個hierarchy
就是我們會不只學
cell的latent representation
我們也想像成donor
它其實也是有一個
latent representation
你這樣要怎麼想像呢
你可以想像說
比方說AD它被
Aβ跟τ的影響是在
可能兩個不一樣的dimension
雖然說它們兩個其實是
非常intertwined
但大家可以想像說
就是有兩個axis
一個是掌控著
跟Aβ比較相關
另外一個跟τ比較相關
所以這樣每一個人
其實它被Aβ跟τ的影響程度
就可以這樣子被展現成一張
就是二維的圖
那我們這邊並沒有特別限制說
我們的latent representation
一定要是二維
它可以是任何維度
所以就是你可以
就想像成其中一個維度
可能就是跟disease state
是直接相關性
所以就是你要怎麼樣去
考慮說donor representation
要怎麼interpret
所以如果說每一個
latent representation
像是它
假設我們剛剛說的二維
就是一個是Aβ
一個是τ的話
那它照理說是有辦法
可以直接來predict說
這個人它的Aβ跟τ的
accumulation是什麼樣子的
所以就是
大概大致方向的做法
就是我們會把所有cell
從同一個donor的人
pull出來之後
去學一個latent representation
然後我們會用
那個latent representation
來predict disease state
所以那這樣的model
有什麼好處呢
我們發現就是
因為我們有donor representation
那它其實某種程度上面
如果你的data的量
是夠多的的話
然後你downstream的
neuropathology
還有upstream的covariate
你都好好思考過的話
那其實它可以
maintain donor heterogeneity
那另外一個點是
以前在學cell embedding的時候
是沒有後面這邊
pathology的information
那因為我們在train model的時候
我們其實會全部一起train
那這樣子的話
你其實在
我們之後會看一個例子
就是它在cell embedding上面
就是cell的latent representation上面
它也會被
就是disease的那個trajectory
而被影響說
可能比較沒有被影響到
cell在一邊
然後比較被影響到的cell
在另外一邊
那這樣在幫助我們去做那個
differential gene analysis
expression analysis的時候
就比較好幫助我們來做這樣的分析
對
然後最後面
我剛才有提到說
我們希望我們的model
是cell type aware
那這個點的話
是我們在pull這些cell
去學
donor representation的時候
我們其實是
根據每個不同的cell type
有學一個
就是先pull過
然後之後再把不同cell type的
latent representation
把它merge起來
那這個
我會稍微再講得更詳細一點
後面
那最後面的話
就是我會給大家看一下
這個整個model
它其實是一個statistical model
然後它的model方式
就是有follow biological insights
那大方向的話
就是我們接下來會告訴大家說
我們會秀給大家看說
SCVIP
就是我們的方法
會叫它SCVIP
因為它是based on SCVI
但是我們做了personalization
所以就叫它SCVIP
那我們其實是有達到
就是我們有辦法predict pathology
from single cell RNA sequencing data
我們可以做到integration
跟harmonization
across multiple AD cohorts
這邊之後會舉個例子
那最後面就是會講說
那我們這樣有辦法達到說
streamline analysis of disease-associated cell types and genes
所以就一個model
就讓你可以分析說
gene跟cell跟disease
跟pathology的相關性是什麼
好
所以大概的outline
是我會先講model
那篇paper裡面講了
就是有試過
mouse visual cortex的development的data
然後有提到SEA-AD跟Rosmap
兩個不一樣的cohorts的
Alzheimer's disease的data
那最後有一個Huntington disease的data
那我們今天就只會講AD
不會講另外兩個
好
那我們就先從model來開始講
所以這個
如果大家跟graphical model不熟的話
你可以稍微想像成說
其實你就是試著用一個statistical model
來詮釋說你相信的data generation model
應該長什麼樣子
那這邊的話
這是傳統SCVI的graphical model
那SCVI它做到的事情是
它相信說
就是X這邊是gene counts
每個cell的gene counts
D是donor D
然後C是cell C
然後Gene G這樣
那gene counts跟什麼有關呢
跟batch effect有關
這個是它的batch effect
那它要跟什麼東西有關呢
它其實是跟每個cell
它的latent representation
它每個cell
它本質上面的identity是有關的
但你要怎麼去define說
這個cell的latent representation呢
那cell的latent representation
很直接相關性的
就是跟它的cell type有關
所以你就可以想像說
每個cell它的identity
其實是它的cell type
加上一些normal variation
然後去達到它的identity
那我們observe到的gene counts
是可以直接由這個identity
和batch effect來predict出來
所以這是一個statistical model
就是傳統相信的一個方式
那我們這邊的話
我們先講一下以前過去
就是這個method
其實很多人
如果你們很熟相關的研究的話
應該這邊就可以快速的快轉過去
那這個是留給
就是大家可能跟這一個領域
比較沒有那麼相關的人來討論
那他們一般
你有這樣的一個graphical model之後
你真正care的其實是cell type
然後還有這個可能cell的latent embedding
因為你想要看說就是每個
你會看一下那個embedding
看起來是否有clusters
然後它可以幫你判斷說
那你之後在label cell type的時候
就是label的好跟不好
那如何來學這個latent的
representation跟這個cell type呢
就是他們一般的做法
叫做variational autoencoder
那我們decoder這邊你可以想像
就是你把這個data generation model
直接寫出來
直接implement出來
就是大部分的說法就是decoder
那encoder這邊其實就是
它是posterior approximation
可以上網查
posterior approximation
我就不多解釋
因為解釋起來有點花時間
但你可以想像說
就是我們要去試著去找一種方式
來就是去approximate說
就是你的probability distribution
of這個embedding
given你的observation
那這邊一般是叫做encoder
那其實大家如果跟
就是Bayesian或者是statistics
比較不熟的人
可能也有見過類似這樣子的model
那一般大家碰到就是
如果不是based on statistics
但是同樣是based on
就是你有很high dimensional data
然後你想要把它就是
壓縮到lower dimension
然後再讓它放大成high dimension
這個大家可能比較熟
叫做autoencoder
那就是一種可以就是
做compression的一種方式
那之所以我們這邊考慮
statistical model
是就是可以多加
跟machine learning
所有人就會知道我在講什麼
是多加一種regularization
那讓我們可以多放一些
就是prior knowledge
進到我們的model裡來
所以對
encoder的目標就是要學
這些latent variable
using variational inference
好
那以前的SCVI
有辦法達到的東西是
它幫助我們可以annotate cell type
它可以input missing的
那個cell type
或者是其他的modality
那它可以幫助我們來瞭解說
gene跟cell之間的關係
那我們其實是想要
再多加一層的hierarchy
不只learn cell embedding
我們也想要learn就是
donor embedding
那這樣子的話
我們就一一的對過來
那annotate cell type
就變成annotate一個人的disease state
那如果input missing的
那個quantitative
neuropathology measurement
還有就是去了解
不只gene跟cell的關係
我們希望也可以把phenotype的information
也把它抓進來
好
那我們底下這個model
這一部分是就是SCVI
就是以往大家看過的model
其實真實要講叫做ScanVI
但不管
反正就是
有興趣的人可以查scanvi
我們的主要的contribution
是多加上面這一塊
你可以想像說
每個人他的latent representation
你就把它想像成
他們的pseudoprogression
就是他們的disease state
disease state應該要跟什麼有關呢
disease state應該是要跟那個
會直接影響到cell的那個state
你就把這個Z想成cell state
所以disease state會影響到cell state
那disease state也會
就是影響到你看到的pathology
長什麼樣子
那disease state也會影響到
你在算他的cell type的那個
數量的時候
有些cell type會比較多
有些cell type會比較少
所以這就為什麼會有這兩個箭頭
那
對
那這個箭頭的話
我們在model上面
我們可以考慮一些existing的model
像是sccoda是一個existing model
那我們這邊的話
就稍微跟sccoda那邊的model
稍微borrow一下
來model這一個箭頭
那你可以想像
呃
對
好
呃
對
那你如果看了這個model的話
你就知道他可以keep donor heterogeneity
他可以model cellular vulnerability
他可以include pathology information
然後他是interpretable的
好
所以
呃
對
那我們剛剛提到的那個model
是decoder
對吧
我們說我們在學latent variable的時候
比方說
我剛剛這邊這個model沒有教你說
我們如果看到這個gene count
然後看到這些pathology
我們要怎麼樣去impute
這個donor representation
或者是他的latent disease state
那我們的做法是
我們就是要多一個donor encoder
那我們
就是簡單說
就是把所有來自每一個人的cell
把它aggregate起來
accumulate起來
來算出一個
um
donor representation
那這個做法其實在CS的世界裡面
是有
是有literature可以borrow的
然後原因是因為
比方說你如果是做image processing的人
那可能之前有碰過那種
用sensor cloud
來試著來predict說
哦
我們現在有個sensor cloud
長這個形狀
那這個object detection到底是什麼東西
那他們這樣的做法
就是簡單說
你就是一個set的data
要拿來做prediction
它的方式叫做multi-instance learning
那multi-instance learning
它的重點在於說
因為它是一個set來做一個prediction
那set中間的permutation
基本上就是
你希望你的prediction是permutation invariant
就是你怎麼樣permute
你output其實是要一樣的
那我們這邊就borrow那樣的literature
那其實它的implementation
有個還蠻就是powerful的implementation
就是self-attention
那其實很多人應該都跟
attention network已經蠻熟的
所以這邊就是
self-attention就是一個
special的attention
那它就是
你就是讓它所有這些cell
都跟自己彼此之間做attention之後
你把所有attention
你把所有的那個weight
就是通通都把它加起來
這樣就可以達到一個
learn a latent representation
for all these cells
那除此之外
我們把所有的cell type
就是每一個cell type
自己當作一個head
所以我們就是每一個cell type
會學一個aggregated representation
之後我們把所有aggregated representation
就是全部把它concatenate起來之後
去學一個final representation
for each person
那如果大家想要看
就是math的一些detail的話
就是paper裡面有
所以大家可以去看
好,所以它這邊
我們可以看到我們的encoder
它其實是有考慮說
cell type specific的vulnerability
對,所以final model會長這樣
我目前畫出來的這個就是
ScanVI它的architecture
如果沒有看過這樣的圖的人
可能不知道我在講什麼
但如果你是computer science背景的人
可能會看過這樣的圖
所以這就是給computer science背景的人
就是來看
這個architecture就是稍微會講一下
我們的model
它是怎麼樣被implement
那我們這邊的contribution
是我們多加剛才說的multi-head
的multi-instance learning
的self-attention network
然後用學到的donor representation
來做neuropathology measurement的prediction
那我們除了這兩個箭頭
那我們當然還有別的箭頭
像是我們有要考慮說
donor representation要影響
就是每個cell state
那就是這個箭頭
所以我們會多加這個箭頭
在我們的model implementation裡面
那我們還有這個箭頭
就是我們的donor representation
是會影響到cell type的count
那就會多加這個箭頭
所以最後面這邊就是說
我們成功地把genotype
cell type跟phenotype
全部都連在一起
那在training procedure上面
我們一般會先train一個SCVI
然後所以SCVI剛才有講過
SCVI的model
應該說先train一個scanVI
scanVI的model長這樣
我們先把這個train好之後
我們再加所有其他的箭頭
那我們這樣比較像是
fine tune的感覺
就是你原本model的那些
就是有overlap的那些parameter
是可以被update的
那on top of that
我們有一些新的parameter要learn
然後來幫助model
可以更加地personalize
每個人的disease state
好
那我剛才提過說
我們只會討論AD這個topic
那這邊稍微給大家看一下
我這邊特別顯示的是
給大家看glial cells
就是跟immune比較有相關的
一些在腦部裡面的cell
就是當作一個例子
那我們這邊的data有
ROSMAP跟SEA-AD
那腦區的話有DLPFC
是ROSMAP那邊的腦區
那SEA-AD的話有一個A9
就是跟DLPFC有點overlap的腦區
那再另外多加一個MTG的data set
MTG的這個region
那大家如果對MTG跟A9的data有興趣
其實兩個data都已經被release出來
所以大家可以去看
那phenotypes的話
就是AD裡面剛才有說到
我們最主要在乎的是ABeta跟Tau
BRAAK、THAL、ADNC、CERAD
他們都是一些就是
staging
就是還蠻常見的staging
他們是根據就是
ABeta跟Tau在不同腦區的
那個accumulation來
決定的一個就是measurement
那要看細
就是要更知道這些metrics
怎麼define的話
大家就再看paper就會知道
那這邊就不多花時間解釋
那ROSMAP跟SEA-AD本身自己
還有其他比較continuous的measurement
就是BRAAK、THAL、ADNC、CERAD
可以想像他們比較像是
discretized的一種disease state measurement
那你還是可以針對每個腦區的切片
來去判斷說
這個切片裡面到底佔了多少比例的ABeta跟Tau
那這樣的measurement會更continuous一點
所以ROSMAP有它自己的measurement方法
然後SEA-AD有自己的measurement方法
但這兩個方法基本上就是蠻不一樣的
就整個technology跟measurement的metric都不太一樣
所以直接拿來互相換的話
基本上是沒有辦法
那我們這邊最主要是想要告訴大家說
雖然說他們兩個的measurement有點不一樣
但是因為他們同樣都share就是single cell
有一部分的genes的identity是有share到的
就是當他們在calculate每個gene count有多少的時候
就是有些genes是有overlap
那當然就是剛剛有說到它的staging
BRAAk, THAL、ADNC、CERAD
其實也算是比較偏overlap的一種phenotype
那我們就可以運用這兩個資料
來幫助我們做harmonization
那我們先給大家看說
我們的model在phenotype的predictability
這邊我們就是把data稍微分成80%拿去train跟validate
然後20%拿去test
那我們這邊看到就是可以看說
我們的model就是紫色那個槓
它其實是比其他的model表現再好的
那這是它在BRAAK、THAL、ADNC、CERAD的prediction上面
然後在那個quantitative
就是比較continuous的neuropathology上面
也是predict比較好的
那另外我們除了有辦法從single cell RNA sequencing data
來直接predict disease states
來直接predict phenotypes以外
我們其實是可以來看每一個donor
它的latent representation
跟donor UMAP熟的人
跟UMAP熟的人就知道
其實我們就是把每個人的latent representation
那我這邊是放四維
記得我每個donor representation
它的維度是四維的
那我們把它project到一個2D的平面上面之後
看起來的狀況是這樣
那我的color就會根據它的tangle
就是tau它的density來畫出來
那我們就會看到說上面那邊是rosmap的tau的density
然後下面是SEA-AD
這樣可以幫助我們看說
它其實把SEA-AD跟rosmap的人
就是把它合在同一張圖上面
然後我們可以稍微看說
從右邊到左邊
比較像是從disease state
從比較low disease state
到high disease state的樣子
那這樣我們其實
當初有提到說我們donor每個人
就是那個我們就collect
就是它死掉之後的那一瞬間的data
我們其實並不知道它真正的latent disease state
那其實我們可以根據這個latent representation
來學一個what is the latent
what is the pseudo progression on these people
那就是我們右邊畫圖
x-axis就是根據這樣的latent representation
來學的那個latent disease state
然後我們就可以看說
這兩個不一樣的cohort
就是人的分佈在哪裡
然後他們的tau是怎麼樣
隨著這樣的時間變化
所以這邊主要是講說
我們有辦法達到harmonization的效果
那接下來的話
就是我們要討論說
cell type跟genotype
其實就是我們整個model
是全部都有考慮的
我們不只可以發現
就是phenotype上面的prediction
我們其實也可以發現說
哪些cell type可能是更vulnerable
這邊舉個例子
就是microglia cell
大家可能跟AD沒有那麼熟的話
可能不知道microglia
microglia它其實是一個
有點偏immune的一種cell
那它的做法是
它大部分就是你發現
就是neuron它其實在struggle的時候
它就會去找
或者是它就是有發現就是Aβ存在的時候
它其實會靠近這些neuron
它要就是試著來幫助
來解決掉這些就是不好的蛋白質
那可是問題是
它如果吃了這些蛋白質之後
它自己就會變成一個不一樣的樣子
然後就反而從就是良性的
變成就是有點就是
就是惡性的那種感覺
那就這個microglia本身
就是它原本是想要來幫忙處理這個問題
會反而變成自己變成一個問題
讓它自己也會造成更多microglia的那個就是
的累積
那對
就是
簡單說就是這個microglia
因為它有這樣的機制
所以它其實在那個AD裡面
是還蠻常被study的
那特別的那個microglia
會被稱為disease-associated microglia
那我們這邊其實就只是看說
這是我們那個microglia它的
latent representation
我們把它畫到二維的平面上面
那其實我們剛才有說到model
它其實是用self-attention的方式
那attention你可以就想像成
其實是放不同的weight
就是model決定說
這個cell我要pay more attention
那個cell我不想pay那麼多attention
那其實model看起來是
它把這一塊的cell
通通都pay a lot of attention
那其實我們如果去看說
當初annotation的時候
去看它的supertype
那當初我是沒有跟model講說
就是這個supertype是disease-associated
我那時候的
我們剛才雖然說我們有cell type
awareness
我其實是放在更高一層
叫subclass level
其實沒有看到supertype level
所以我其實是整個microglia
把它當作一個cell type來看的
那其實我們這邊顯現的是說
model雖然在它完全不知道
supertype的情況下
它還是有辦法說
我發現這一群cell
就是我需要pay attention to
那我們去看這個cell的identity的時候
發現它被當初的annotation
被叫做是micropvm3的supertype
那我們就發現
這個在literature裡面就是有寫說
它其實是跟disease有相關
所以我們這邊就重新驗證說
model其實有辦法學到說
哪些cell type可能是跟disease associated
那另外一個比較特別的地方是
你會發現這一區
也是micropvm3
我這邊稍微講一下
我們這個umap它的color
在最右邊這邊是根據
它的supertype來color
所以紅色是同樣的cell type
可是這一群底下的紅色的cell type
其實model沒有那麼pay attention to
那我們其實就可以compare
這一群cells跟這一群cells
來看說它們兩邊主要的genes
到底差別在哪
有哪些genes是非常不一樣的
那這個的話就是
因為我們整個model是Bayesian的model
我們直接可以套用
Bayesian differential analysis
在這個model上面
那如果大家對這個有興趣
想要知道是怎麼做的
其實是套用原本SCVI的一個tool
那我的paper裡面都有寫
所以大家可以去看
那所以你如果做這樣的比較
你可能就會拿到一個list of genes
然後每個gene你會有它的
就是probability of this being
differentially expressed
across these two cells
那你就可以
比方說你就可以按照這樣的probability
然後可能
比方說拿最上面的100個gene
for example
然後去run goal term analysis
那個goal enrichment analysis
那你可能拿到的就會是
這種有點像是這樣子的圖
那我們就可以試著去解釋說
那它到底model看到的是什麼program
那model看到的program
這邊看起來就是
比方說有跟regulation of cell-cell adhesion
或者是cellular response to cytokine stimulus
跟response to wounding
那這些其實都是
就是大家在literature裡面會見到
跟disease-associated microglia
有相關的一些gene program
所以這個就蠻promising
那我們其實也
做一樣的事情在astrocyte上面
那就是一樣
就是我們有發現說astrocyte也是一樣
沒有辦法pick up一些gene program
跟那個astrocyte它在stress的底下
好
所以這個work
基本上就是要感謝
就是有給data的大家
然後
就是因為大家知道
就是從人腦來做
來取出很high quality的data
其實是非常困難
那這也是Allen Institute的強項
所以很高興
很榮幸有辦法
拿到這麼high quality的data
然後有辦法做一些
像是這樣子的研究
那對
那今天就謝謝大家