PerturbNet可以预测单细胞对未见的化学和遗传干扰的反应

科学领域:

• 计算生物学是一种计算生物学.
• 基因组学就是基因组学.
• 分子生物学分子生物学

背景情况:

• 高通量单细胞选正在推进,但大量可能的干扰限制了详尽的测量.
• 了解细胞对化学和遗传干扰的反应对于生物发现至关重要.

研究的目的:

• 介绍PerturbNet,这是一个深度生成模型,用于在新奇的扰动下预测细胞状态分布.
• 评估PerturbNet在预测由未见的小分子和CRISPR扰动引起的基因表达变化的准确性.
• 探索使用氨基酸序列嵌入用于预测基因表达变化的误解突变.

主要方法:

• 开发了PerturbNet,这是一个灵活的深度生成模型.
• 训练有素的PerturbNet根据化学结构,剂量和细胞类型预测基因表达变化,用于小分子扰动.
• 利用基因功能注释来预测CRISPR激活/干扰的单细胞基因表达状态.
• 应用了氨基酸序列嵌入来预测基因表达变化的误解突变,特别是分析GATA1突变.

主要成果:

• PerturbNet准确地预测了未见的小分子的基因表达变化,考虑了剂量和细胞类型等共变量.
• 在CRISPR扰动后,PerturbNet有效地预测单细胞基因表达状态,优于以前用于未见的基因的方法.
• 证明了氨基酸序列嵌入在预测基因表达变化的误解突变中的实用性.
• 鉴定了影响血液造血干细胞状态的显著GATA1变异,位于DNA接触区域.

结论:

• PerturbNet提供了一个强大的框架,用于预测细胞对各种干扰的反应.
• 该模型推进了从化学/遗传扰乱和误解突变中基因表达变化的预测.
• PerturbNet对药物发现,基因工程和理解疾病机制有重大影响.