惰网:可解释的ODE模拟稀缺的CRISPR单细胞屏幕揭示了新的生物学见解

科学领域:

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

背景情况:

• 单细胞CRISPR屏幕对于剖析基因功能来说非常强大.
• 分析大规模的CRISPR A/I数据需要高效和可解释的模型.
• 现有的模型可能会在低数据模式下扎,或缺乏机械解释性.

研究的目的:

• 介绍LazyNet,一个紧的单步神经普通微分方程 (神经ODE) 模型,用于单细胞CRISPR A/I.
• 为了能够直接分析两个快照 (扰动前和扰动后) 的测量.
• 为了产生具有明确机械解释的模型参数.

主要方法:

• 开发了带有核心日志-线性-扩展余块的LazyNet,以建模多重基因效应.
• 将LazyNet应用于一个大型的神经 Perturb-seq 数据集 (53k 个细胞 x 18k 个基因).
• 对比了LazyNet的性能与在相同的低数据,短时间预算条件下训练的变压器和状态空间模型.

主要成果:

• 在1小时的预算内,LazyNet实现了具有竞争力的预测错误 (全基因组r ≈ 0.67) 和强大的CPU排名表现.
• 在严格控制的低数据条件下,LazyNet在预测性能方面与变压器和状态空间模型相匹配或超越,使用更少的参数和资源.
• 该模型成功识别了基因调节网络,对已知的生物资源进行了丰富,并恢复了已知的ferroptosis调节器.

结论:

• 拉齐网为分析CRISPR A/I数据提供了一种实用,资源高效的解决方案,特别是在没有广泛预训练的低数据场景中.
• 该模型的架构允许对基因相互作用进行机械解释.
• 惰网展示了强大的概括能力和发现新生物学见解的潜力.