scSAGRN:从使用空间关联的单细胞多组基因推断基因调节网络

科学领域:

• 基因组学就是基因组学.
• 系统生物学 系统生物学
• 计算生物学 计算生物学

背景情况:

• 了解基因调节关系对于破译生物过程和疾病至关重要.
• 单细胞多组数据提供了一个强大的镜头,以前所未有的分辨率研究转录调节.
• 解决 cis 调节元件和基因之间的联系是绘制这些网络的关键.

研究的目的:

• 引入scSAGRN,这是一个新的计算框架,用于从单细胞多组数据中推断基因调节网络 (GRNs).
• 提高转录因子 (TF) 和基因相互作用的预测.
• 提供一种可靠的方法来识别复杂生物系统中的关键TF和监管元素.

主要方法:

• scSAGRN整合了空间关联,以将基因表达与染色体可访问性数据相关联.
• 该框架将远端调节元件 (例如增强剂) 与它们的基因联系起来.
• 它推断GRNs并使用多omics方法识别关键的转录因子.

主要成果:

• 与现有方法相比,scSAGRN在TF恢复和峰值基因/TF基因链接预测方面表现优越.
• 该框架成功推断了GRNs,并在人类外周血液单核细胞和小鼠大脑数据集中确定了关键TF.
• 在真实单细胞数据集上的基准测试验证了scSAGRN的有效性和稳定性.

结论:

• scSAGRN在从单细胞多组数据预测转录性调节模式方面取得了重大进展.
• 该框架为研究对发育和疾病中的基因调节的研究人员提供了宝贵的工具.
• 它在单细胞分辨率下剖析复杂的基因调节网络建立了一个新的参考.