Geometrische Kohärenz von Einzelzell-CRISPR-Perturbationen enthüllt regulatorische Architektur und sagt zellulären Stress voraus

Geometric coherence of single-cell CRISPR perturbations reveals regulatory architecture and predicts cellular stress

April 17, 2026

Autoren: Prashant C. Raju

cs.AI

Zusammenfassung

Die Genomtechnik hat eine bemerkenswerte Präzision auf Sequenzebene erreicht, doch die Vorhersage des transkriptomischen Zustands, den eine Zelle nach einer Perturbation einnehmen wird, bleibt ein ungelöstes Problem. Einzelzell-CRISPR-Screens messen, wie weit sich Zellen von ihrem ungestörten Zustand entfernen, doch diese Effektstärke ignoriert eine grundlegende Frage: Bewegen sich die Zellen gemeinsam? Zwei Perturbationen mit identischer Stärke können qualitativ unterschiedliche Ergebnisse hervorbringen, wenn eine die Zellen kohärent entlang einer gemeinsamen Trajektorie treibt, während die andere sie im Expressionsraum verstreut. Wir führen eine geometrische Stabilitätsmetrik namens Shesha ein, welche die Richtungskohärenz von Einzelzell-Perturbationsantworten als mittlere Kosinus-Ähnlichkeit zwischen den Verschiebungsvektoren einzelner Zellen und der mittleren Perturbationsrichtung quantifiziert. Über fünf CRISPR-Datensätze hinweg (mehr als 2.200 Perturbationen, umfassend CRISPRa, CRISPRi und gepoolte Screens) korreliert die Stabilität stark mit der Effektstärke (Spearman ρ=0,75-0,97), mit einer kalibrierten, datensatzübergreifenden Korrelation von 0,97. Entscheidend ist, dass diskordante Fälle, in denen sich die beiden Metriken entkoppeln, die regulatorische Architektur aufdecken: Pleiotrope Masterregulatoren wie CEBPA und GATA1 zahlen eine "geometrische Steuer", indem sie große, aber inkohärente Verschiebungen produzieren, während linien-spezifische Faktoren wie KLF1 streng koordinierte Antworten hervorbringen. Nach Kontrolle für die Effektstärke ist die geometrische Instabilität unabhängig mit einer erhöhten Chaperon-Aktivierung assoziiert (HSPA5/BiP; ρ_partial=-0,34 bzw. -0,21 über die Datensätze hinweg), und der Quadrant mit hoher Stabilität und hohem Stress ist systematisch verarmt. Die Stärke-Stabilitäts-Beziehung besteht in scGPT-Foundation-Model-Embeddings fort, was bestätigt, dass es sich um eine Eigenschaft des biologischen Zustandsraums und nicht um eine lineare Projektion handelt. Die Perturbationsstabilität bietet eine komplementäre Achse für die Hit-Priorisierung in Screens, die phänotypische Qualitätskontrolle in der Zellproduktion und die Bewertung von *in-silico*-Perturbationsvorhersagen.

English

Genome engineering has achieved remarkable sequence-level precision, yet predicting the transcriptomic state that a cell will occupy after perturbation remains an open problem. Single-cell CRISPR screens measure how far cells move from their unperturbed state, but this effect magnitude ignores a fundamental question: do the cells move together? Two perturbations with identical magnitude can produce qualitatively different outcomes if one drives cells coherently along a shared trajectory while the other scatters them across expression space. We introduce a geometric stability metric, Shesha, that quantifies the directional coherence of single-cell perturbation responses as the mean cosine similarity between individual cell shift vectors and the mean perturbation direction. Across five CRISPR datasets (2,200+ perturbations spanning CRISPRa, CRISPRi, and pooled screens), stability correlates strongly with effect magnitude (Spearman ρ=0.75-0.97), with a calibrated cross-dataset correlation of 0.97. Crucially, discordant cases where the two metrics decouple expose regulatory architecture: pleiotropic master regulators such as CEBPA and GATA1 pay a "geometric tax," producing large but incoherent shifts, while lineage-specific factors such as KLF1 produce tightly coordinated responses. After controlling for magnitude, geometric instability is independently associated with elevated chaperone activation (HSPA5/BiP; ρ_{partial}=-0.34 and -0.21 across datasets), and the high-stability/high-stress quadrant is systematically depleted. The magnitude-stability relationship persists in scGPT foundation model embeddings, confirming it is a property of biological state space rather than linear projection. Perturbation stability provides a complementary axis for hit prioritization in screens, phenotypic quality control in cell manufacturing, and evaluation of in silico perturbation predictions.