博文
CTN：基于细胞间通讯和全局基因调控网络构建细胞类型特异性基因调控网络
||
CTN：基于细胞间通讯和全局基因调控网络构建细胞类型特异性基因调控网络
基因调控网络（GRN）在调控基因表达程序中发挥着至关重要的作用，这些程序控制着细胞功能、行为以及对环境刺激的响应。从转录组数据中准确推断 GRN 是系统生物学的核心任务，有助于揭示驱动复杂生物过程的调控机制。尽管基于批量 RNA 测序（RNA-seq）数据的传统 GRN 推断方法已取得显著进展，但其分析能力仅限于组织或器官水平上细胞群体的平均效应，难以揭示组织微环境中细胞类型特异性的调控信号。随着单细胞 RNA 测序（scRNA-seq）技术的发展，获得单细胞分辨率的基因表达谱成为可能，为构建细胞类型特异性 GRN 奠定了基础。推断细胞类型特异性 GRN 对于阐明不同细胞类型如何协调基因表达、识别谱系特异性调控因子以及理解细胞分化或疾病状态下的扰动响应至关重要。单细胞 RNA 测序（scRNA-seq）对发育生物学、再生医学和精准肿瘤学具有重要意义。然而，scRNA-seq 数据的稀疏性和高噪声严重限制了可靠基因调控网络（GRN）的直接推断。近年来，一些基于深度学习的方法被提出用于从 scRNA-seq 数据构建 GRN，例如 GRGNN、DeepDRIM和 DeepRIG。然而，大多数方法通常依赖于转录因子（TF）-靶标对的先验知识，这限制了它们在未知或稀少注释系统中的适用性。
Xie等人提出了一种构建细胞类型特异性基因调控网络（GRN）的新方法，称为细胞类型特异性基因调控网络（CTN，图1，https://github.com/xykxingchen/CTN）。该方法基于矩阵分解，整合了批量 RNA 测序（bulk RNA-seq）和单细胞 RNA 测序（scRNA-seq）数据以及细胞类型标签。它无需任何先验信息即可推断同一细胞类型内的基因调控关系。CTN 在批量 RNA 测序衍生的全局 GRN 的约束下，对 scRNA-seq 表达矩阵进行分解，以推断细胞间通讯成分，并进一步提取细胞类型特异性的通讯子矩阵。然后，它重构特定细胞类型的表达矩阵，从而获得细胞类型特异性的 GRN。基准测试结果表明，CTN 的性能优于五种经典的基因调控网络（GRN）推断方法，展现出更高的推断准确率和生物学可解释性。在真实数据集的分析中，CTN 成功识别出调控细胞分化和疾病进展的关键调控因子和功能通路。该方法不仅有效缓解了单细胞 RNA 测序（scRNA-seq）数据稀疏性和噪声的影响，而且深入揭示了不同细胞类型间潜在的调控异质性，为提取功能特异性子网络和分析潜在调控机制提供了强有力的工具。
图1 CTN 概述。CTN 方法是一种双边自表示模型；（a）该方法首先对单细胞基因表达矩阵进行自分解，提取维持体内平衡的基因调控关系和细胞间通讯关系；利用来自同一组织的批量 RNA-seq 数据构建全局 GRN，并通过求解伪逆矩阵获得细胞间通讯矩阵；（b）以细胞类型 A为例，提取该细胞类型内的细胞间通讯子矩阵，并从原始单细胞基因表达谱中提取属于细胞类型 A 的基因表达数据；通过重建细胞类型 A 的基因表达谱，求解伪逆矩阵，得到最终的细胞类型特异性 GRN；（c）基于构建的细胞类型特异性 GRN，提取子网络并将其应用于细胞分化和疾病发展的研究，从中识别潜在的关键调控因子和调控机制
参考文献
[1] Xie, Y., Fu, B., Zhong, L., Wu, L., Li, H., Chang, X., & Liu, X. (2026). Constructing cell-type-specific gene regulatory networks from cell-cell communication and a global gene regulatory network. Briefings in Bioinformatics, 27(5), bbag525. https://doi.org/10.1093/bib/bbag525
以往推荐如下：
5. EMT标记物数据库：EMTome
8. RNA与疾病关系数据库：RNADisease v4.0
9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target
13. 利用药物转录组图谱探索中药药理活性成分平台：ITCM
19. 基因组、药物基因组和免疫基因组水平基因集癌症分析平台：GSCA
22. 研究资源识别门户：RRID
24. HMDD 4.0：miRNA-疾病实验验证关系数据库
25. LncRNADisease v3.0：lncRNA-疾病关系数据库更新版
26. ncRNADrug：与耐药和药物靶向相关的实验验证和预测ncRNA
28. RMBase v3.0：RNA修饰的景观、机制和功能
29. CancerProteome：破译癌症中蛋白质组景观资源
30. CROST：空间转录组综合数据库
31. FORGEdb：候选功能变异和复杂疾病靶基因识别工具
33. CanCellVar：人类癌症单细胞变异图谱数据库
36. SCancerRNA：肿瘤非编码RNA生物标志物的单细胞表达与相互作用资源
37. CancerSCEM 2.0：人类癌症单细胞表达谱数据资源
38. LncPepAtlas：探索lncRNA翻译潜力综合资源
40. MirGeneDB 3.0：miRNA家族和序列数据库
41. RegNetwork 2025：人类和小鼠基因调控网络整合数据库
42. CircTarget：多种细胞类型circRNA调控综合数据库
43. GreenCells：植物lncRNA单细胞分析资源
44. RM2Target 2.0：RNA修饰的写入者、擦除者和读取者靶基因数据库
https://blog.sciencenet.cn/blog-571917-1556141.html
上一篇：MAPA：功能模块发现和解释的语义网络框架
下一篇：组织中细胞通讯的元相互作用基础
