CellPolaris: Aprendizaje por transferencia para la construcción de redes de regulación génica para guiar las...

Área de la Ciencia:

• Biología Computacional
• Biología del Desarrollo
• Biología de Sistemas

Sus antecedentes:

• Las redes de regulación génica (GRN) controlan las decisiones del destino celular con una expresión génica espaciotemporal precisa.
• Capturar con precisión la regulación génica específica del contexto, especialmente con datos multi-ómicos, sigue siendo un desafío.

Objetivo del estudio:

• Presentar CellPolaris, un marco computacional unificado para decodificar los roles de los factores de transcripción (TF) en el desarrollo.
• Permitir la construcción de GRN centradas en TF, la identificación de TF maestros y la simulación de perturbaciones de TF.

Principales métodos:

• CellPolaris utiliza el aprendizaje por transferencia para construir GRN específicas de tejido o tipo celular a partir de GRN preexistentes de alta confianza.
• El marco requiere solo datos transcriptómicos para la generación de GRN.
• Identifica los TF maestros que impulsan las transiciones del destino celular y simula los efectos de las perturbaciones de los TF.

Principales resultados:

• CellPolaris demuestra un rendimiento robusto en la construcción de GRN.
• Los reguladores maestros predichos muestran una superposición significativa con combinaciones de TF validadas experimentalmente para la conversión del destino celular.
• El marco simuló con precisión los efectos de la deleción de Rfx2 durante la diferenciación de espermátidos.

Conclusiones:

• CellPolaris proporciona un marco integral para la construcción de GRN, la identificación de TF maestros y la simulación de perturbaciones.
• Esta herramienta mejora la elucidación de los mecanismos reguladores en los procesos de desarrollo y las transiciones de estados celulares.