近年來(lái)，單細(xì)胞 RNA 測(cè)序技術(shù)（ scRNA -seq ）的快速發(fā)展為生命科學(xué)研究帶來(lái)了革命性的變化。這項(xiàng)技術(shù)使科學(xué)家們能夠在單個(gè)細(xì)胞水平上解析基因表達(dá)譜，為理解細(xì)胞異質(zhì)性、發(fā)育軌跡和疾病機(jī)制提供了前所未有的分辨率。然而，在基因調(diào)控網(wǎng)絡(luò)（ GRN ）研究領(lǐng)域，科學(xué)家們?nèi)匀幻媾R著幾個(gè)關(guān)鍵性挑戰(zhàn)：

· 分辨率瓶頸：傳統(tǒng) GRN 推斷方法（如 GENIE3 、 GRNBoost2 等）通常只能在細(xì)胞群體水平構(gòu)建“平均化”的調(diào)控網(wǎng)絡(luò)，無(wú)法反映單個(gè)細(xì)胞特有的調(diào)控特征。這種 " 群體平均 " 的方法掩蓋了細(xì)胞間的重要異質(zhì)性信息。

· 因果關(guān)系困境：現(xiàn)有方法主要基于基因間的共表達(dá)關(guān)系，難以區(qū)分真實(shí)的因果關(guān)系和相關(guān)關(guān)系。這種局限性使得研究人員無(wú)法準(zhǔn)確識(shí)別調(diào)控關(guān)系中的“ 驅(qū)動(dòng)者” 和“ 響應(yīng)者” 。

· 動(dòng)態(tài)過(guò)程解析不足：對(duì)于細(xì)胞重編程、發(fā)育分化等動(dòng)態(tài)過(guò)程，傳統(tǒng)方法缺乏時(shí)間維度的建模能力，難以捕捉調(diào)控關(guān)系的動(dòng)態(tài)演變規(guī)律。

這些挑戰(zhàn)嚴(yán)重制約了科學(xué)家們對(duì)復(fù)雜生物系統(tǒng)的深入理解，也阻礙了相關(guān)研究成果向臨床應(yīng)用的轉(zhuǎn)化。

近日，國(guó)科大杭州高等研究院（以下簡(jiǎn)稱杭高院）生命與健康科學(xué)學(xué)院 / 上海交通大學(xué) 陳洛南 教授和 劉小平 教授作為共同通訊在 Research 在線發(fā)表題為Constructing Cell-Specific Causal Networks of Individual Cells for Depicting Dynamical Biological Processes的研究論文。該研究提出了一種名為SiCNet的新型單細(xì)胞因果網(wǎng)絡(luò)構(gòu)建方法。該方法通過(guò)整合單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)和因果推斷策略，精準(zhǔn)識(shí)別單個(gè)細(xì)胞中基因間的因果關(guān)系，突破了傳統(tǒng)方法僅能分析細(xì)胞群體水平的局限，為解析細(xì)胞異質(zhì)性、癌癥進(jìn)展和細(xì)胞重編程等復(fù)雜生物學(xué)過(guò)程提供了新工具。

研究進(jìn)展： SiCNet 方法的三 個(gè) 創(chuàng)新

1.方法學(xué)創(chuàng)新：從理論到算法的創(chuàng)新

雙步建模策略：

第一步：利用參考數(shù)據(jù)集構(gòu)建初始因果網(wǎng)絡(luò)作為基準(zhǔn)。研究采用 5 折交叉驗(yàn)證的線性回歸模型，通過(guò)比較包含 / 排除潛在調(diào)控因子時(shí)的預(yù)測(cè)誤差，計(jì)算因果強(qiáng)度指數(shù)（ CSI ）。

第二步：將參考網(wǎng)絡(luò)適配到單個(gè)細(xì)胞，通過(guò)分析特定細(xì)胞中基因表達(dá)模式的變化，推斷細(xì)胞特異的調(diào)控關(guān)系。

網(wǎng)絡(luò)量化表征：

創(chuàng)新性地提出網(wǎng)絡(luò)出度矩陣（ ODM ）的概念，將復(fù)雜的調(diào)控網(wǎng)絡(luò)信息轉(zhuǎn)化為數(shù)值矩陣。 ODM 的每個(gè)元素代表特定基因在單個(gè)細(xì)胞中的調(diào)控活性強(qiáng)度（即調(diào)控下游靶基因的數(shù)量）。這種轉(zhuǎn)換使得網(wǎng)絡(luò)特征可以直接應(yīng)用于各種單細(xì)胞分析流程。

性能驗(yàn)證：

在 5 個(gè)公開(kāi) scRNA -seq 基準(zhǔn) 數(shù)據(jù)集上的測(cè)試表明， ODM 的聚類性能顯著優(yōu)于傳統(tǒng)基因表達(dá)矩陣（ GEM ）。

2.應(yīng)用SiCNet方法，研究團(tuán)隊(duì)在多個(gè)重要生物學(xué)問(wèn)題上取得了新發(fā)現(xiàn)：

結(jié)直腸癌進(jìn)展機(jī)制：

通過(guò) 分析了 6,168 個(gè)上皮細(xì)胞的單細(xì)胞數(shù)據(jù)，涵蓋健康組織 區(qū)域 、腫瘤交界區(qū)和腫瘤核心區(qū)。 S iCNet 鑒定出 26 個(gè)在腫瘤進(jìn)展中調(diào)控活性顯著增強(qiáng)的關(guān)鍵因子，包括 ABL1 、 NCOA1 等。 此外， SiCNet 發(fā)現(xiàn) 133 條顯著上調(diào)的調(diào)控關(guān)系，如 ABL1 → RAC3 等，這些關(guān)系與腫瘤細(xì)胞的化療抗性和干性維持密切相關(guān)。通路分析顯示這些因子富集在 PPAR 信號(hào)通路、胰島素抵抗等代謝相關(guān)通路，為結(jié)直腸癌的代謝重編程提供了新證據(jù)。

細(xì)胞重編程動(dòng)態(tài)調(diào)控：

SiCNet 成功 繪制了小鼠成纖維細(xì)胞（ MEF ）誘導(dǎo)多能干細(xì)胞（ iPSC ）的全過(guò)程調(diào)控圖譜。 SiCNet 發(fā)現(xiàn)重編程過(guò)程存在兩個(gè)關(guān)鍵轉(zhuǎn)折點(diǎn)：第一個(gè)轉(zhuǎn)折點(diǎn)（ C2 簇）以細(xì)胞周期相關(guān)基因（ Ccna2 、 Cdca8 等）激活為特征；第二個(gè)轉(zhuǎn)折點(diǎn)（ C0 簇）則出現(xiàn)向多能性（ C5 簇）和中間狀態(tài)（ C1 簇）的分化。鑒定出各階段特異性調(diào)控因子，如起始階段的 Hoxb4 、 Hoxb7 ，以及多能性階段的 Stat5a 、 Smad3 等。

造血發(fā)育調(diào)控網(wǎng)絡(luò)：

在人類骨髓單核細(xì)胞數(shù)據(jù)中， SiCNet 成功重建了 B 細(xì)胞、單核細(xì)胞和紅細(xì)胞三大譜系的發(fā)育軌跡 嗎， 發(fā)現(xiàn)不同譜系特異的調(diào)控模式： B 細(xì)胞譜系中 CD74 、 IRF3 等因子呈現(xiàn)漸進(jìn)性激活；單核細(xì)胞譜系中 CEBPB 、 TRAF3 等調(diào)控因子持續(xù)上調(diào)；紅細(xì)胞譜系則依賴 KIT 、 FGF2 等因子的階段特異性激活。特別 地， SiCNet 發(fā)現(xiàn)趨化因子 CCL2 在紅細(xì)胞發(fā)育中的潛在新功能，為貧血等血液疾病研究提供了新線索。

3.技術(shù)優(yōu)勢(shì)：建立單細(xì)胞網(wǎng)絡(luò)分析新方法

與傳統(tǒng)方法相比， SiCNet 展現(xiàn)出多方面的顯著優(yōu)勢(shì)：

· 單細(xì)胞分辨率：能夠檢測(cè)稀有細(xì)胞亞群的特異調(diào)控模式，克服了群體平均方法的局限性。

· 因果推斷：通過(guò)嚴(yán)格的統(tǒng)計(jì)檢驗(yàn)區(qū)分因果關(guān)系和相關(guān)關(guān)系，顯著降低假陽(yáng)性發(fā)現(xiàn)。

· 動(dòng)態(tài)過(guò)程解析：可以捕捉調(diào)控關(guān)系的時(shí)序變化，適用于發(fā)育、分化等過(guò)程研究。

· 計(jì)算效率： ODM 轉(zhuǎn)換使得網(wǎng)絡(luò)分析可以沿用現(xiàn)有單細(xì)胞分析流程，大大降低了使用門(mén)檻。

綜上，這項(xiàng)研究報(bào)道的 SiCNet 能更精準(zhǔn)識(shí)別生物過(guò)程中地關(guān)鍵調(diào)控基因，揭示動(dòng)態(tài)過(guò)程中的調(diào)控機(jī)制。 該方法不僅適用于單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)，還可擴(kuò)展至空間轉(zhuǎn)錄組學(xué)等領(lǐng)域，為精準(zhǔn)醫(yī)學(xué)、藥物開(kāi)發(fā)和合成生物學(xué)研究提供了 新 工具。

杭高院 2022 級(jí)博士研究生黃忻哲為本論文第一作者，陳洛南教授和劉小平教授為共同通訊作者。

論文鏈接：https://spj.science.org/doi/10.34133/research.0743

Github鏈接：https://github.com/Huang-XZ-Sandy/SiCNet

制版人：十一

BioArt

Med

Plants

人才招聘

學(xué)術(shù)合作組織

（*排名不分先后）

戰(zhàn)略合作伙伴

（*排名不分先后）

轉(zhuǎn)載須知

【非原創(chuàng)文章】本文著作權(quán)歸文章作者所有，歡迎個(gè)人轉(zhuǎn)發(fā)分享，未經(jīng)作者的允許禁止轉(zhuǎn)載，作者擁有所有法定權(quán)利，違者必究。