在单细胞CRISPRi查中检测由lncRNAs knock-down诱导的微妙的转录组扰动,使用一种新的稀疏监督自编码神经网络.

科学领域:

• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.
• 癌症研究 癌症研究

背景情况:

• 单细胞CRISPR屏幕对于基因功能研究来说很强大,但在检测弱扰动方面却很难.
• 现有的方法对微妙的基因表达变化不那么敏感,限制了像缺氧这样复杂的生物过程的研究.
• 像转录因子这样的主调节者得到了可靠的研究,但其他基因类,如长非编码RNA,仍然具有挑战性.

研究的目的:

• 开发一种新的计算方法,以提高单细胞CRISPR屏幕的灵敏度.
• 为了识别由特定的遗传修饰引起的微妙的转录基因扰动.
• 改善对遗传干扰最敏感的细胞的分类,特别关注肺腺癌中长期非编码RNA.

主要方法:

• 开发一个稀疏监督自编码器 (SSAE) 神经网络用于特征和细胞选择.
• 将SSAE应用于来自肺腺癌细胞的基于CRISPR干扰 (CRISPRi) 的测序 (CROP-Seq) 数据.
• 在不同的缺氧条件下利用了一个针对长非编码RNA和缺氧诱导因子 (HIF1A,HIF2A) 的库.

主要成果:

• 通过SSAE方法,成功验证了HIF1A和HIF2A倒置对低氧反应的影响.
• SSAE检测到由lncRNA敲击诱导的稳定,低氧依赖的转录组签名.
• 与之前的机器学习方法相比,该方法在识别弱扰动方面表现出更高的性能.

结论:

• SSAE方法显著提高了在单细胞CRISPR查数据中微妙的转录组变化的检测.
• 这种方法有效地解读了长非编码RNA在复杂的生物环境中的功能作用,如缺氧驱动的肺癌.
• SSAE提供了一个强大的工具,用于推进基因查和理解基因功能.