超越合成致死：整合代谢与调控网络模型中的遗传最小干预集(gMIS)新方法

《Bioinformatics Advances》：Beyond synthetic lethality in large-scale metabolic and regulatory network models via genetic minimal intervention sets

本研究针对整合代谢与调控网络(iMR)中遗传干预策略的局限性，开发了遗传最小干预集(gMIS)计算方法，成功识别了包括合成剂量致死(SDL)和肿瘤抑制基因复合物(TSGC)在内的新型遗传相互作用，为癌症精准治疗提供了新的靶点发现工具。

　　

在癌症研究领域，寻找有效的治疗靶点一直是科学家们面临的重大挑战。合成致死(SL)作为一种重要的遗传相互作用机制，指的是两个基因同时失活会导致细胞死亡，而单个基因失活则不影响细胞存活。这一概念已在癌症治疗中取得显著成功，如PARP抑制剂用于BRCA1/2突变乳腺癌的治疗。然而，传统方法主要关注基因敲除干预，忽略了基因过表达在癌症治疗中的潜在价值。

随着基因编辑技术的飞速发展，特别是CRISPR-Cas9基因敲入技术的突破，研究人员现在能够更精确地操控基因表达水平。这为探索新型遗传相互作用提供了新的机遇，其中合成剂量致死(SDL)尤其引人关注。SDL描述了一种基因过表达与另一基因低表达组合导致细胞死亡的现象，这种策略可能为癌症治疗开辟新的途径。

然而，当前计算方法在识别这类复杂遗传相互作用方面存在明显不足。由于组合爆炸问题，在大型整合网络中系统性地识别同时包含基因敲除和敲入的干预策略变得异常困难。这正是纳瓦拉大学研究团队在《Bioinformatics Advances》上发表的最新研究要解决的核心问题。

研究团队开发了名为遗传最小干预集(gMIS)的新方法，这是对他们之前遗传最小切割集(gMCS)框架的重要扩展。gMIS能够计算同时包含基因敲除(g_i^-)和基因敲入(g_i⁺)的最小干预集合，从而捕获更广泛的遗传相互作用类型。

研究方法的核心创新在于扩展了扩展基因-蛋白反应(eGPR)规则，构建了能够同时处理基因敲除和敲入干预的eGPR网络。研究人员将布尔逻辑规则转化为线性反应网络，然后利用最小切割集(MCS)方法计算每个代谢反应的遗传干预策略。通过混合整数线性规划(MILP)模型，系统性地枚举了包含基因敲除和敲入的干预方案。

技术方法上，研究整合了Human1代谢网络与四种调控数据库(Omnipath、DoRothEA、TRRUST、Signor3.0)，构建了不同层级的iMR模型，采用MILP算法计算最多包含5个基因的gMISs，利用DepMap数据库的CRISPR筛选和RNA-seq数据验证预测结果，并开发了gMCSpyPython包实现算法自动化。

gMIS方法在iMR网络中的实现

研究团队成功将gMIS方法应用于四种不同的iMR网络模型，分别整合了Human1代谢网络与Omnipath、DoRothEA、TRRUST和Signor3.0调控数据库。计算结果显示，gMIS方法显著扩展了可识别的遗传相互作用范围，在不同调控数据库中发现了数量可观的新的干预策略。特别值得注意的是，该方法计算时间与G矩阵行数呈线性关系，证明了算法具有良好的可扩展性。

基于SL和SDL相互作用的癌症必需基因预测

通过整合gMISs与基因表达数据，研究人员预测了癌症细胞系中上下文特异性的必需基因。与仅考虑合成致死相互作用的方法相比，gMIS方法通过纳入SDL相互作用，显著增加了预测的必需基因数量。在1021个癌症细胞系中的分析表明，SDL相互作用对必需基因预测的贡献因调控数据库的不同而有所差异，其中在基于Omnipath和TRRUST的模型中效果最为显著。

验证分析显示，gMIS方法在保持较高阳性预测值(PPV)的同时，灵敏度(SE)也有轻微但一致的提升。研究人员还发现了EZH2基因在血液恶性肿瘤中的特异性必需性，该基因的致死性受到JUN和RELA表达水平的调控，这一预测与DepMap数据具有良好的一致性。

基于gMIS方法的肿瘤抑制基因分析

gMIS方法的独特优势在于能够预测单一基因敲入策略，这些策略可以来自全局肿瘤抑制基因(长度为1的gMIS)，也可以来自更复杂的SDL相互作用和肿瘤抑制基因复合物(TSGC)。研究发现，在不同iMR模型中预测的致死性基因敲入策略数量存在显著差异，其中基于Omnipath的模型预测数量最多。通过TSGene数据库的验证表明，预测结果与已知的肿瘤抑制基因具有显著富集性。

研究结论强调，gMIS方法首次在人类细胞中系统性地识别了包含基因敲除和敲入的多种遗传相互作用类型，特别是对SDL和TSGC的探索填补了当前研究空白。尽管方法目前还无法处理循环布尔规则，但其为机制性预测肿瘤细胞中的新型遗传相互作用和代谢依赖性开辟了新途径。功能生物学分析证明，gMIS方法能有效用于研究癌症代谢调控及其相关依赖性，为精准肿瘤学发展提供了有力的计算工具。

该研究的实际意义在于为癌症治疗靶点发现提供了新视角，特别是随着CRISPR-Cas9基因敲入技术的发展，gMIS方法预测的干预策略将具有越来越重要的转化价值。未来随着大规模基因敲入筛选数据的积累，这一方法的预测能力将得到进一步验证和完善。