时空网络融合模型Perturb-STNet：单细胞扰动下多尺度效应的优先级排序与调控机制解析

研究人员针对复杂生物系统中扰动效应的时空动态量化难题，开发了创新框架Perturb-STNet。该方法通过融合网络模型与时空统计方法，成功识别了驱动黑色素瘤免疫治疗和结肠炎修复的关键调控因子（如KLRG1/CD79b和Csf1r/Col6a1），揭示了PDL1-H2kb等免疫检查点相互作用机制。该研究为精准医学提供了多尺度分析工具，发表于《Briefings in Bioinformatics》。

　　

在生命科学领域，理解细胞如何响应生物扰动（如药物或环境刺激）是精准医疗的核心挑战。当前单细胞技术虽能捕捉时空动态，却缺乏量化多尺度效应的分析方法——从基因调控、细胞互作到组织重塑的级联反应常被割裂研究。例如肿瘤微环境（TME）中，初级基因表达变化会触发次级信号通路激活，进而引发免疫逃逸等三级效应，但现有方法（如Linnorm、edgeR）无法同步解析这种时空耦合的调控网络。

针对这一瓶颈，美国国家环境健康科学研究所Osafu Augustine Egbon团队开发了Perturb-STNet框架。该研究通过融合最小生成树（MST）算法与高斯马尔可夫随机场（GMRF）模型，首次实现了单细胞扰动数据的时空对齐和动态网络建模。发表于《Briefings in Bioinformatics》的成果表明，该方法在黑色素瘤免疫治疗中精准定位了KLRG1⁺ T细胞耗竭机制，在结肠炎模型中揭示了Csf1r-Itga5介导的基质重塑通路，为复杂疾病的靶向干预提供了新范式。

关键技术方法
研究采用微分嵌套效应（DNE）架构处理时空错位数据：① 通过有限元网格划分细胞邻域，用MST构建跨时间点的背景网络；② 采用自回归AR(1)模型量化调控因子动态，结合调节器特异性概率分布（如负二项分布处理计数数据）；③ 基于扰动信噪比（pSNR=SNR_p/SNR_c）识别时空差异表达调控因子（pSTDER）。验证数据包括：模拟数据集（Matern协方差+AR(1)）、肺癌EMT的CyTOF数据（39蛋白/4.9万细胞）、黑色素瘤CODEX成像（40标记/105万细胞）和结肠炎MERFISH数据（987基因/21万细胞）。

研究结果

理论验证与性能优势
在模拟数据中，Perturb-STNet对信号强度>2的pSTDER检测准确率达92%（图2a）。应用至肺癌EMT数据集时，其识别的CD324（E-cadherin）与Vimentin反向调控模式（r=-0.81）显著优于传统方法（图2b）。XGBoost模型证实，该方法所选特征预测UMAP嵌入的RMSE比edgeR降低37%（图2c），凸显其捕捉时空异质性的优势。

黑色素瘤免疫动态解码
通过分析CD8⁺ T细胞治疗的时间序列数据（图3），发现26个关键pSTDEP：

• 耗竭标记：KLRG1在CD4⁺ Treg细胞的γ=0.672渐进上升（图5a），与Day12肿瘤复发相关；
• 免疫协调：TCF7⁺ DC细胞通过MHCII呈递抗原（图5b），与CD79b⁺ B细胞形成协同抗肿瘤网络；
• 治疗靶点：FOXP3-CD5-CD25轴调控Treg活性，PDL1-H2kb互作提示联合检查点阻断潜力（图6d）。

结肠炎修复机制
在DSS诱导的结肠炎中（图7a），201个pSTDEG呈现阶段特异性：

• 炎症期：巨噬标记Cd68-Csf1r共表达（r=0.76）驱动MU6区炎症；
• 修复期：Col6a1在SM3成纤维体中上调3.2倍（图7c），与Itga5协同促进ECM重建；
• 上皮再生：Vil1在MU1隐窝基底细胞的动态丢失（图7b）预示屏障功能损伤。

结论与意义
该研究突破了"控制-扰动"配对样本的传统假设，通过DNE框架实现了三大创新：① 时空错位数据的网络对齐技术；② 调节器特异性分布建模（如Box-Cox Cole-Green分布处理标准化数据）；③ 多尺度SNR量化体系。在黑色素瘤中揭示的KLRG1-PDL1协同耗竭机制，以及结肠炎中发现的Csf1r-Tnfrsf1b拮抗通路，为免疫治疗组合策略提供了理论依据。未来通过整合概率网络模型和矩阵运算优化，有望将应用扩展至三维空间组学（如STARMap）和零膨胀数据场景，推动单细胞扰动分析进入多组学整合时代。