注意GRN:一种功能性和定向图形变压器,用于从scRNA-seq数据中重建基因调节网络
Zhen Gao1, Yansen Su2, Jin Tang1
1The Key Laboratory of Intelligent Computing and Signal Processing of Ministry of Education, School of Computer Science and Technology, Anhui University, 111 Jiulong Road, Hefei 230601, Anhui, China.
Briefings in bioinformatics
|March 21, 2025
概括
注意GRN是一种新型的图形转换器模型,可以从单细胞RNA测序 (scRNA-seq) 数据中准确推断基因调节网络 (GRNs). 它克服了现有方法的局限性,揭示了人类肝细胞的新监管见解.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 提供了高分辨率的基因表达数据.
- 重建细胞类型特定的基因调节网络 (GRNs) 对于理解基因调节至关重要.
- 目前用于GRN推断的图形神经网络面临过度平滑和过度压碎等挑战.
研究的目的:
- 提出一个基于图形变压器的新型模型,AttentionGRN,用于从scRNA-seq数据中准确推断GRN.
- 解决图形神经网络中当前消息传递机制的局限性.
- 为了增强模型的表达力,并保持基本的网络结构.
主要方法:
- 开发了AttentionGRN,一个使用软编码的图形变压器模型.
- 实施了面向GRN的消息聚合策略.
- 设计的定向结构编码,用于学习定向网络拓.
- 采用功能基因采样来捕捉关键的功能模块和全球网络结构.
主要成果:
- 关注GRN在88个数据集和两个任务中始终超过现有方法.
- 该模型成功地重建了人类成熟肝细胞的细胞类型特定GRNs.
- 新的枢纽基因和以前未知的转录因子-点基因调控关联被揭示出来.
结论:
- 注意GRN提供了一种强大而准确的方法,用于从scRNA-seq数据中推断GRN.
- 该模型的新策略有效地捕捉了定向网络拓和功能信息.
- 注意GRN有助于在细胞类型特异性基因调节方面发现新的生物学见解.
更多相关视频
07:35Computational Analysis Tutorial for Chimeric Small Noncoding RNA: Target RNA Sequencing Libraries
Published on: December 1, 2023
03:37Generating the Transcriptional Regulation View of Transcriptomic Features for Prediction Task and Dark Biomarker Detection on Small Datasets
Published on: March 1, 2024
