MulNet:一个可扩展的框架,用于从批量和单细胞RNA-seq数据中重建细胞内和细胞间的信号网络
Mingfei Han1, Xiaoqing Chen1, Xiao Li1
1State Key Laboratory of Medical Proteomics, Beijing Proteome Research Center, National Center for Protein Sciences (Beijing), Beijing Institute of Lifeomics, No. 38, Life Science Park Road, Changping District, Beijing 102206, China.
Briefings in bioinformatics
|March 17, 2025
概括
MulNet是通过将多种分子相互作用集成到多层网络中来分析基因表达数据的新框架. 它准确地识别了基因模块和关键调节器,超过了癌症研究中的现有方法.
科学领域:
- 生物信息学是一种生物信息学.
- 系统生物学 系统生物学
- 基因组学就是基因组学.
背景情况:
- 基因表达调节是复杂的,涉及多个分子相互作用.
- 现有的分子网络经常使用有限的相互作用类型,导致不完全的理解.
- 需要一种全面的方法来建模这些多样化的相互作用,以获得更好的基因调节见解.
研究的目的:
- 引入MulNet,这是一个用于从多种分子相互作用中构建多层网络的新框架.
- 为了能够准确地识别这些网络中的基因模块和关键调节器.
- 将MulNet应用于癌症数据集,以识别新的治疗点和理解细胞通信.
主要方法:
- 开发了MulNet,这是一个可扩展的多层网络框架,集成了各种分子相互作用数据.
- 应用MulNet来分析各种癌症数据集,包括RNA测序 (RNA-seq) 数据.
- 利用MulNet进行批量和单细胞RNA-seq数据分析,以重建细胞内和细胞间的通信.
主要成果:
- MulNet准确地识别基因模块和关键调节器,在癌症数据集上表现优于先进的方法.
- 对结肠癌数据的分析确定了已知的调节剂和潜在的治疗标,miR-8485.
- 对头癌单细胞分析揭示了复杂的纤维细胞-恶性细胞通信网络.
结论:
- MulNet提供了一种高分辨率的方法,用于重建复杂的基因调节和通信网络.
- 该框架增强了对癌症中的基因表达和细胞相互作用的理解.
- MulNet提供了一个强大的工具,可以从多omics数据中发现治疗目标和途径.
