使用PRISM-GRNN恢复单细胞多组数据中的基因调节网络

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:

• 基因调控网络 (GRNs) 对于理解细胞功能,发育和疾病至关重要.
• 现有的GRN推断方法往往缺乏有效地整合多omics数据和先前的生物知识的能力.
• 目前的方法很难提供对基因调节的生物学解释性见解.

研究的目的:

• 开发PRISM-GRN,这是一个新的贝叶斯模型,用于重建细胞类型特定的GRN.
• 整合单细胞RNA测序 (scRNA-seq) 和单细胞测定转化酶可访问的染色体测序 (scATAC-seq) 数据与先前的GRN信息.
• 为了能够准确,强大,和可解释的推断因果GRNs.

主要方法:

• PRISM-GRN使用贝叶斯概率框架将scRNA-seq,scATAC-seq和已知的GRN数据结合起来.
• 该模型采用基于转录因子 (TF) 表达和色素可访问性的生物可解释架构.
• 它使用了机理知情生成过程和前GRN-primed推理过程来进行GRN重建.

主要成果:

• 与四个基准数据集的七种基线方法相比,PRISM-GRN在GRN重建中表现出卓越的性能.
• 该模型在稀疏的调节相互作用场景中实现了更高的精度,并在基因调节中捕捉了因果关系.
• PRISM-GRN在处理未配对的欧米克数据和有限的GRN先前信息方面表现出灵活性.

结论:

• PRISM-GRN为精确,强大和可解释的因果GRN探索提供了一个新的范式.
• 该模型能够整合多omics数据和先前知识的能力增强了对细胞异质性和疾病机制的理解.
• 在各种生物研究应用中,PRISM-GRN具有显著的潜力来识别特定于细胞类型或特定于环境的GRN.