基因调控网络推断不再二选一:scGPL把全局拓扑与成对样本合到一起,AUPRC最高提升13.7%
从单细胞RNA测序数据推断基因调控网络,长期存在两条路线:图方法把整个网络当作一张图训练,容易过拟合;成对方法把网络拆成转录因子—靶基因对,样本多却丢掉全局拓扑。scGPL用双分支结构同时建模全局调控图与每个候选对的局部子图,在七个基准数据集上取得最优表现,AUPRC相对最强基线最高提升13.7%。
从单细胞RNA测序数据推断基因调控网络,长期存在两条路线:图方法把整个网络当作一张图训练,容易过拟合;成对方法把网络拆成转录因子—靶基因对,样本多却丢掉全局拓扑。scGPL用双分支结构同时建模全局调控图与每个候选对的局部子图,在七个基准数据集上取得最优表现,AUPRC相对最强基线最高提升13.7%。
在922名供者的347万个外周血单核细胞核上,研究把染色质开放程度当作可遗传的分子性状,在28种免疫细胞类型中定位出243,225个染色质开放数量性状位点(caQTL),其中六成只在单一细胞类型中起作用。与单细胞表达数量性状位点(eQTL)相比,这些位点在16种疾病和44项血液性状的全基因组关联信号上多共定位4.5%到22.6%;把细胞类型、远端窗口和多因果变异模型一起纳入后,炎症性肠病位点有共定位证据的比例从约16%升到约65%。
肿瘤内部各克隆的基因调控网络能否从单细胞转录组中区分出来,此前克隆多按拷贝数划分、很少刻画其调控活动。研究者为每个克隆推断调控网络,用基于Wasserstein距离的调控分歧度比较克隆之间及克隆与正常细胞的差异。在253例、12种癌症的扩展队列中,克隆间网络比克隆与正常细胞更相似,且最大克隆偏离正常细胞的程度显著大于较小克隆。
单细胞调控网络推断不再需要先给细胞分型。此前流程先聚类、再用标记基因标注细胞类型,然后逐群推断网络,聚类和标注的误差会传进网络。NetMap在聚类之前就为每个细胞推断基因调控网络,再用GradientShap把网络边归因到输入基因,在PBMC多组学数据的三个评估案例上聚类分数分别为1.0、0.99和0.99。
已读完全部报道