之前的一些文章被我总结在这里

生物中的逆向工程技术（一）: 线性方程

生物中的逆向工程技术（二）：参数模型

生物中的逆向工程技术（三）：布尔网络模型

生物中的逆向工程技术（四）：贝叶斯网络

生物中的逆向工程技术（五）：利用相关系数得到直接相互作用

生物中的逆向工程技术（六）：CellNet与细胞工程

这里主要介绍James Collins去年在Cell上发表的两篇文章。首先说说Collins其人，他最先出名或许是因为2000年有关toggle switch的文章，这篇文章和repressilator的文章并列为合成生物学奠基性质的文章，也是人们利用生物基本的元件实现完整的特定功能的最起始的例子。在他们之后合成生物学的发展日新月异，从最早的模式生物大肠杆菌到酵母再到哺乳动物细胞，从特定动态行为到代谢调控和疾病治疗，它极大地拓展了人们认识生物和利用生物的能力。不过在合成生物学发展的图景中，Collins的身影倒显得并不十分活跃了，类似的00年另一篇奠基性文章的作者Elwoitz现在也并不算合成生物学家。Collins另外一个值得称道的地方是在对逆向工程技术的发展中，逆向工程可以说是他工作的另外一个领域，也是收获颇丰。比如00年这篇文章的第一作者Gardner在2003年就发表了一篇比较纯粹的逆向工程的文章，也是我们之前介绍过的线性方程中的NIR方法。总体来讲可以说Collins的工作横跨合成生物学和系统生物学两大领域，并且都做出了一流的工作，让人叹为观止。2014年的两篇Cell文章是Collins在逆向工程领域的新文章，主要关注的是细胞工程中细胞类型确定的问题，第一篇是理论文章，第二篇是理论与实验的结合。我们这里主要介绍第一篇文章。

细胞工程技术在近十几年有了飞速的发展，从iPS细胞最开始被发现开始到现在人们已经有了各种各样的手段获得不同种类和阶段的分化细胞。各种细胞，包括成纤维细胞，角质成形细胞等可以转换为多功能性干细胞。多功能性干细胞也可以被诱导分化成各种不同的细胞系。另外不同类型的分化细胞中也可以相互转换，比如B细胞可以被转化成类似巨噬细胞的细胞。在这些过程中，一个非常重要的问题就是细胞的类型问题，比如分化得到的某个类型的细胞和实际的生物细胞到底有多像的问题。传统生物学手段中可以把分化后细胞移植回生物体然后考察其生物功能，不过这样做缺乏定量的指标，重复性估计也不好。另外一个做法是测量新细胞中的转录水平，不管是RT-PCR，还是microarray还是RNAseq，但是这些办法也不够系统性。如果我们能利用生物网络的信息，或许可以做的更好。

为了解决这一问题，作者等人提出来一种新的平台叫CellNet,概括来讲是一种基于网络手段的细胞类型鉴别和分析方法。作者声称在这个平台下可以完成三个功能，分别是细胞系类型测定，细胞基因调控网络测定和指出进一步调控优化的措施。那么这样一个看着很fancy的东西究竟是如何实现的呢？

既然是基于生物网络的算法，我们的第一步就是得到不同cell/tissue type对应的基因调控网络。作者首先收集了3419个不同细胞系的表达谱数据然后作者首先利用这些全局数据，构建了一个人类（以及小鼠）细胞的全局网络。构建网络的方法是作者之前提出的CLR算法，概括来讲是一种基于互信息（见之前的的参数模型）的网络推断算法。和单纯利用互信息不同的是该方法考虑了背景的影响，运算上会稍微复杂一点。在网络推断的表现上也算是互信息类方法中最好的一个了。在全局网络的基础之上作者利用社群发现的算法得到了几千个内部连接紧密的社群，并利用基因富集分析得到了这些社群和不同细胞类型之间的关系，也就是确定了不同种类细胞(C/T)对应的基因调控网络。有了网络剩下的运算就比较容易了。作者首先利用每个C/T对应网络中的所有基因建立一个分类器，用以判断新数据的细胞类型。在这个分类器之外，作者又建立了一个特定种类GRN细胞的打分算法，用以判断不同细胞相对于某个C/T基因调控网络的建立程度。最后作者根据样本数据和目标类型细胞数据转录水平的差异和转录因子在网络中的重要程度挑选出了需要优先调节优化的基因。

我们以成纤维细胞转化为神经细胞这个实验为例，我们发现随着实验的进行，相应细胞在成纤维细胞分类器中的打分变低了，而对应神经细胞分类器的打分变高了。在GRN状态中，也可以看到类似的趋势。作者之后还有一系列实验验证，一个有趣的发现是去分化后重新诱导分化的细胞比直接转化得到的细胞更像对应的细胞类型，在人和小鼠中都是如此。作者的另一篇文章讲的是该算法的应用，这里就不赘述了。

参考文献：http://www.cerndata.com/static/download/cell_cahan.pdf