CellPolaris: 細胞状態遷移を導く遺伝子制御ネットワーク構築のための転移学習

科学分野:

• 計算生物学
• 発生生物学
• システム生物学

背景:

• 遺伝子制御ネットワーク（GRN）は、精密な時空間的遺伝子発現を制御することにより、細胞運命の決定を制御します。
• 特にマルチオミクスデータを使用して、コンテキスト固有の遺伝子調節を正確に捉えることは依然として課題です。

研究 の 目的:

• 転写因子（TF）の発生における役割を解読するための統一された計算フレームワークであるCellPolarisを提示すること。
• TF中心のGRN構築、マスターTF同定、およびTF摂動シミュレーションを可能にすること。

主な方法:

• CellPolarisは、既存の高信頼性GRNから組織または細胞型固有のGRNを構築するために転移学習を利用します。
• このフレームワークは、GRN生成のために転写データのみを必要とします。
• 細胞運命遷移を駆動するマスターTFを特定し、TF摂動効果をシミュレートします。

主要な成果:

• CellPolarisは、GRN構築において堅牢なパフォーマンスを示します。
• 予測されたマスターレギュレーターは、細胞運命変換のための実験的に検証されたTFの組み合わせと有意な重複を示します。
• このフレームワークは、精子形成細胞分化中のRfx2ノックアウト効果を正確にシミュレートしました。

結論:

• CellPolarisは、GRN構築、マスターTF同定、および摂動シミュレーションのための包括的なフレームワークを提供します。
• このツールは、発生プロセスおよび細胞状態遷移における調節メカニズムの解明を強化します。