Causal integration of chemical structures improves representations of microscopy images for morphological profiling
作者: Yemin Yu, Neil Tenenholtz, Lester Mackey, Ying Wei, David Alvarez-Melis, Ava P. Amini, Alex X. Lu
分类: cs.LG, cs.CE, cs.CV
发布日期: 2025-04-13 (更新: 2025-04-16)
备注: 24 pages
💡 一句话要点
MICON：利用化学结构因果整合，提升细胞形态学图谱的表征学习
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 形态学图谱 表征学习 对比学习 因果推断 多模态学习
📋 核心要点
- 现有形态学图谱方法主要从图像学习，忽略了化学或遗传扰动等固有模态信息，限制了表征能力。
- MICON框架将化学化合物视为细胞表型的处理，通过对比学习建模分子-图像关系，提升表征学习效果。
- 实验表明，MICON在药物效应识别等任务中显著优于传统方法和现有深度学习方法，验证了其有效性。
📝 摘要（中文）
本文提出了一种新的表征学习框架MICON（Molecular-Image Contrastive Learning），旨在改进高通量显微镜筛选中细胞形态变化的量化分析。MICON将化学化合物建模为细胞表型的反事实转换诱导因素，从而在自监督预训练过程中整合化学结构信息。实验结果表明，在跨独立重复实验和数据生成中心识别药物可重复效应等具有挑战性的评估环境中，MICON显著优于CellProfiler等经典手工特征和现有的基于深度学习的表征学习方法。研究表明，将化学化合物信息纳入学习过程能够持续改进评估效果，并且将化合物建模为因果框架中的处理手段优于直接在单一表征空间中对齐图像和化合物的方法。该研究为形态学图谱的表征学习指明了新方向，表明相关方法应明确考虑显微镜筛选数据的多模态特性。
🔬 方法详解
问题定义：现有形态学图谱方法主要依赖图像信息，忽略了高通量筛选中化学或遗传扰动等关键信息，导致学习到的细胞表征不够全面，难以准确识别药物效应等。现有方法无法有效利用多模态数据之间的因果关系，限制了模型的泛化能力和鲁棒性。
核心思路：论文的核心思路是将化学化合物视为对细胞表型的一种“处理”，通过因果推断的视角来建模化合物与细胞图像之间的关系。具体来说，模型学习的是在给定化合物处理下，细胞表型会发生怎样的变化。这种建模方式能够更好地捕捉化合物对细胞形态的影响，从而提升表征学习的效果。
技术框架：MICON框架包含图像编码器和分子编码器。图像编码器将细胞图像映射到表征向量，分子编码器将化学化合物的结构信息映射到表征向量。框架采用对比学习的方式进行训练，目标是拉近同一化合物处理下的细胞图像表征和分子表征，同时推远不同化合物处理下的细胞图像表征。这种对比学习策略鼓励模型学习到能够区分不同化合物处理效应的细胞表征。
关键创新：最重要的创新点在于将化学化合物建模为细胞表型的“处理”，并采用因果推断的视角来建模分子-图像关系。与直接对齐图像和化合物表征的方法不同，MICON显式地建模了化合物对细胞形态的影响，从而更好地捕捉了多模态数据之间的因果关系。这种因果建模方式能够提升模型的泛化能力和鲁棒性。
关键设计：MICON使用对比损失函数来训练模型，鼓励模型学习到能够区分不同化合物处理效应的细胞表征。具体来说，对于每个细胞图像，模型会选择同一化合物处理下的分子表征作为正样本，选择其他化合物处理下的分子表征作为负样本。对比损失函数的目标是拉近正样本对之间的距离，同时推远负样本对之间的距离。图像编码器和分子编码器可以使用不同的网络结构，例如卷积神经网络和图神经网络。
🖼️ 关键图片
📊 实验亮点
实验结果表明，MICON在跨独立重复实验和数据生成中心识别药物可重复效应等任务中，显著优于CellProfiler等经典手工特征和现有的基于深度学习的表征学习方法。这表明将化学化合物信息纳入学习过程能够持续改进评估效果，并且将化合物建模为因果框架中的处理手段优于直接对齐图像和化合物的方法。具体性能提升数据未知。
🎯 应用场景
该研究成果可广泛应用于药物发现、毒理学研究和生物学研究等领域。通过更准确地量化细胞形态变化，MICON能够帮助研究人员更好地理解药物的作用机制、预测药物的毒副作用，并发现新的生物学靶点。此外，该方法还可以应用于疾病建模和个性化医疗等领域，为疾病诊断和治疗提供更精确的依据。
📄 摘要（原文）
Recent advances in self-supervised deep learning have improved our ability to quantify cellular morphological changes in high-throughput microscopy screens, a process known as morphological profiling. However, most current methods only learn from images, despite many screens being inherently multimodal, as they involve both a chemical or genetic perturbation as well as an image-based readout. We hypothesized that incorporating chemical compound structure during self-supervised pre-training could improve learned representations of images in high-throughput microscopy screens. We introduce a representation learning framework, MICON (Molecular-Image Contrastive Learning), that models chemical compounds as treatments that induce counterfactual transformations of cell phenotypes. MICON significantly outperforms classical hand-crafted features such as CellProfiler and existing deep-learning-based representation learning methods in challenging evaluation settings where models must identify reproducible effects of drugs across independent replicates and data-generating centers. We demonstrate that incorporating chemical compound information into the learning process provides consistent improvements in our evaluation setting and that modeling compounds specifically as treatments in a causal framework outperforms approaches that directly align images and compounds in a single representation space. Our findings point to a new direction for representation learning in morphological profiling, suggesting that methods should explicitly account for the multimodal nature of microscopy screening data.