使用干预数据进行大规模因果发现,揭示了k562细胞中的基因网络结构
Brielin C Brown1,2,3, Alex Tokolyi4, John A Morris5
1Division of Informatics, Department of Biostatistics, Epidemiology and Informatics, University of Pennsylvania, Philadelphia, PA, USA. brielin.brown@pennmedicine.upenn.edu.
Nature communications
|November 1, 2025
概括
我们开发了反向稀疏回归 (inspre) 以使用CRISPR扰动数据推断定向的生物网络. 这种方法揭示了网络特性,并将基因中心性与本质性和遗传性联系起来,有助于研究复杂的特征.
科学领域:
- 系统生物学 系统生物学
- 基因组学就是基因组学.
- 网络推断网络推断.
背景情况:
- 推断定向生物网络是具有挑战性的.
- 大规模的CRISPR扰动数据为网络推断提供了新的机会.
- 了解基因调节网络对于阐明复杂特征至关重要.
研究的目的:
- 引入逆稀疏回归 (inspre),一种用于从干预-响应数据中学习因果关系网络的新方法.
- 将灵感应用于全基因组的CRISPR屏幕,以推断一个定向的生物网络.
- 探索推断网络的特性及其与基因功能和遗传性的关系.
主要方法:
- 开发了因果网络推断的逆稀疏回归 (inspre).
- 应用于全基因组扰动序列数据集 (788个基因).
- 综合推断网络与外部关于基因本质性和遗传性的数据.
主要成果:
- inspre成功地从CRISPR扰动数据中推断出一个定向生物网络.
- 发现的网络表现出小世界和无尺度的特性.
- 推断网络中的基因特有中心性与基因本质性和表达遗传性相关.
结论:
- inspre是使用大规模干预-反应数据推断因果生物学网络的有效方法.
- 推断的网络结构为基因功能和调节提供了洞察力.
- 这项工作阐明了复杂特征背后的网络特性,并为未来的研究提供了一个框架.
更多相关视频
06:52Discovery of Driver Genes in Colorectal HT29-derived Cancer Stem-Like Tumorspheres
Published on: July 22, 2020
6.9K
10:44Inherent Dynamics Visualizer, an Interactive Application for Evaluating and Visualizing Outputs from a Gene Regulatory Network Inference Pipeline
Published on: December 7, 2021
2.6K
