Geometrische coherentie van CRISPR-perturbaties in enkele cellen onthult regulatoire architectuur en voorspelt cellulaire stress

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

April 17, 2026

Auteurs: Prashant C. Raju

cs.AI

Samenvatting

Genoomtechnologie heeft een opmerkelijke precisie op sequentieniveau bereikt, maar het voorspellen van de transcriptomische toestand die een cel zal innemen na een perturbatie blijft een onopgelost probleem. Enkelcel-CRISPR-screens meten hoe ver cellen zich verwijderen van hun onverstoorde toestand, maar deze effectgrootte negeert een fundamentele vraag: bewegen de cellen gezamenlijk? Twee perturbaties met identieke grootte kunnen kwalitatief verschillende uitkomsten opleveren als de ene cellen coherent langs een gedeeld traject drijft, terwijl de andere ze verspreidt over de expressieruimte. Wij introduceren een geometrische stabiliteitsmetriek, Shesha, die de directionele coherentie van enkelcelperturbatieresponses kwantificeert als de gemiddelde cosinusgelijkenis tussen individuele celverschuivingsvectoren en de gemiddelde perturbatierichting. Over vijf CRISPR-datasets (meer dan 2.200 perturbaties, waaronder CRISPRa, CRISPRi en gepoolde screens) correleert stabiliteit sterk met effectgrootte (Spearman ρ=0.75-0.97), met een gekalibreerde kruis-datasetcorrelatie van 0.97. Cruciaal is dat tegenstrijdige gevallen waarin de twee metrieken ontkoppelen, de regulatoire architectuur blootleggen: pleiotrope hoofdregulatoren zoals CEBPA en GATA1 betalen een "geometrische belasting" en produceren grote maar incoherente verschuivingen, terwijl lijnspecifieke factoren zoals KLF1 strak gecoördineerde responses opleveren. Na correctie voor grootte is geometrische instabiliteit onafhankelijk geassocieerd met verhoogde chaperonne-activatie (HSPA5/BiP; ρ_{partieel}=-0.34 en -0.21 over datasets), en de kwadrant met hoge stabiliteit/hoge stress is systematisch verarmd. De magnitude-stabiliteit-relatie blijft bestaan in scGPT foundation model-embeddingen, wat bevestigt dat het een eigenschap is van de biologische toestandsruimte en niet van lineaire projectie. Perturbatiestabiliteit biedt een complementaire as voor hit-prioritering in screens, fenotypische kwaliteitscontrole in celproductie en evaluatie van in silico perturbatievoorspellingen.

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.