以人工智能为动力的基于模拟的推断,对早期小鼠胚胎发生的真正空间静态基因调节模型进行推断

科学领域:

• 发展生物学 发展生物学
• 计算生物学 计算生物学
• 系统生物学 系统生物学

背景情况:

• 哺乳动物早期发育中的细胞命运决定是复杂的,组织分化来自复杂的机制.
• 了解内部细胞质量 (ICM) 分化为表皮质 (EPI) 和原始内皮 (PRE) 对发育生物学至关重要.

研究的目的:

• 开发一个多尺度,空间-随机模拟框架,用于小鼠胚胎生成.
• 调查ICM差异化及其稳定性的基础机制.

主要方法:

• 一个空间随机模拟框架,模拟基因表达和信号.
• 基于模拟的推断 (SBI) 用序列神经后期估计 (SNPE) 算法进行贝叶斯分析.
• 细胞内和细胞间相互作用的生物物理现实的建模.

主要成果:

• FGF4信号 (自克林和克林) 协调静态基因表达,用于强大的ICM模式.
• 对于FGF4,ICM有一个特定的灵敏度窗口,允许调整谱系比例.
• FGF4信号增强了ICM对干扰的弹性,减少了10-20%的命运比例错误.

结论:

• 初始条件的变化可以提高细胞命运比例的准确性和精度.
• 模拟框架提供了ICM差异化过程的全面描述.
• 确定了强大的ICM差异化和未来研究框架的必要条件.