Coerência Geométrica de Perturbações CRISPR de Célula Única Revela Arquitetura Regulatória e Prevê Estresse Celular

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

April 17, 2026

Autores: Prashant C. Raju

cs.AI

Resumo

A engenharia genómica alcançou uma precisão notável a nível da sequência, mas prever o estado transcriptómico que uma célula irá ocupar após uma perturbação permanece um problema em aberto. Os ensaios CRISPR de célula única medem a distância que as células se afastam do seu estado não perturbado, mas esta magnitude do efeito ignora uma questão fundamental: as células movem-se em conjunto? Duas perturbações com magnitude idêntica podem produzir resultados qualitativamente diferentes se uma conduzir as células de forma coerente ao longo de uma trajetória partilhada, enquanto a outra as dispersa pelo espaço de expressão. Introduzimos uma métrica de estabilidade geométrica, Shesha, que quantifica a coerência direcional das respostas a perturbações em célula única como a similaridade do cosseno média entre os vetores de deslocamento de células individuais e a direção média da perturbação. Através de cinco conjuntos de dados CRISPR (mais de 2200 perturbações abrangendo CRISPRa, CRISPRi e ensaios em poço), a estabilidade correlaciona-se fortemente com a magnitude do efeito (Spearman ρ=0,75-0,97), com uma correlação calibrada entre conjuntos de dados de 0,97. Crucialmente, casos discordantes onde as duas métricas se dissociam expõem a arquitetura regulatória: reguladores mestres pleiotrópicos como CEBPA e GATA1 pagam um "imposto geométrico", produzindo desvios grandes mas incoerentes, enquanto fatores específicos de linhagem como KLF1 produzem respostas fortemente coordenadas. Após controlar para a magnitude, a instabilidade geométrica está independentemente associada a uma ativação elevada de chaperonas (HSPA5/BiP; ρ_parcial=-0,34 e -0,21 entre conjuntos de dados), e o quadrante de alta estabilidade/alta tensão está sistematicamente esgotado. A relação magnitude-estabilidade persiste em incorporações do modelo de base scGPT, confirmando que é uma propriedade do espaço de estado biológico e não uma projeção linear. A estabilidade da perturbação fornece um eixo complementar para a priorização de *hits* em ensaios, controlo de qualidade fenotípico na produção de células e avaliação de previsões de perturbação *in silico*.

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.