编辑推荐：
研究人员为解决基因调控网络推断难题，开展细胞命运决定中基因调控网络推断研究，提出新方法并在 EMT 网络验证可行，助力相关疾病研究。
在生命的奇妙旅程中，细胞就像一个个 “小魔法师”，能在不同的 “命运轨道” 上转变，比如从上皮细胞变成间质细胞，这个过程被称为上皮 - 间质转化（EMT）。细胞的这些命运转变，对胚胎发育、组织修复等生理过程至关重要，但在癌症转移等病理过程中却 “调皮捣蛋”，带来危害。而这背后的 “指挥家”，正是基因调控网络（Gene Regulatory Network），它由众多分子间复杂的相互作用构成，掌控着细胞的一举一动。
然而，想要精准地推断出这个 “指挥家” 的模样，即基因调控网络的拓扑结构（Network Topology），却困难重重。目前，虽然有不少研究方法，但都存在缺陷。一些基于单细胞 RNA 测序（scRNA - seq）数据来刻画细胞命运的方法，却无法推断与之相关的基因调控网络拓扑结构；还有些利用 scRNA - seq 数据推断基因调控网络的算法，像 PIDC、GENIE3 等，不是不能捕捉调控的方向性，就是无法量化调控强度，而且都难以考虑到细胞命运决定过程中动态网络的差异。模块化响应分析（MRA）虽能推断网络连接，但也存在不足，比如不能解释不同细胞状态下网络拓扑结构的变化，且受不同扰动程度的影响也不明确。
面对这些难题，上海大学的研究人员挺身而出，开展了一项极具意义的研究。他们提出了一种基于系统扰动、统计和差异分析的通用计算方法，旨在准确推断基因调控网络拓扑结构，并识别细胞命运决定过程中网络的差异。这项研究成果发表在《npj Systems Biology and Applications》上，为解开细胞命运决定的奥秘带来了新的曙光。
研究人员在此次研究中运用了多种关键技术方法。首先是系统扰动分析，通过对敏感参数进行扰动，获取细胞在不同状态下的数据；接着利用统计分析，基于多次扰动数据构建置信区间（CI），以此确定调控网络的稀疏性，减少推断误差，构建出重新定义的局部响应矩阵（r^）；最后进行差异分析，定义相对局部响应矩阵（r~(v)），量化不同细胞命运间的调控差异。
下面让我们深入了解一下具体的研究结果。
- 网络推断基础：对于由n个分子和多个分子调控组成的基因调控网络，其动态变化可用一组常微分方程（ODEs）描述。研究人员将参数P分为敏感参数集和恒定参数集，在系统达到稳定稳态后，通过对敏感参数的微扰，定义局部响应系数rij和全局响应系数Rik，进而构建局部响应矩阵r和全局响应矩阵R，以此来表征网络拓扑结构。
- 局部与全局响应矩阵关系：通常情况下，局部响应矩阵r无法直接通过实验数据测量，但全局响应矩阵R可以。研究人员发现r和R之间存在特定关系，利用这一关系，仅通过扰动前后的数据，无需特定的 ODEs 和网络大小信息，就能推断出局部响应矩阵r。不过，计算r时需要保证扰动后的数据接近未扰动的稳定稳态。
- 网络拓扑推断与差异识别：由于实际测量的波动和近似计算，直接推导的r存在数值不准确的问题，且与调控网络的稀疏性矛盾。为此，研究人员通过多次扰动和统计分析，构建了重新定义的局部响应矩阵r^，并通过计算两种误差来验证其准确性。同时，基于r^进行差异分析，定义相对局部响应矩阵r~(v)，以量化不同细胞命运间的调控差异。
- 应用于 EMT 网络：为验证方法的可行性，研究人员将其应用于 EMT 网络。EMT 网络在生理和病理过程中作用关键，涉及上皮（E）、间质（M）和兼具两者特征的混合（H）三种稳定状态。研究人员确定了 EMT 网络的敏感参数集，通过多次扰动计算局部响应矩阵，再经统计分析得到重新定义的局部响应矩阵r^(v)。结果显示，推断的 EMT 网络拓扑结构与真实网络高度相似，虽有个别调控未被识别，但整体与实验观察相符。此外，通过计算相对局部响应矩阵r~(v)，准确识别了 EMT 网络中各状态的关键调控和主要相关状态。
在研究结论与讨论部分，研究人员提出的方法为基因调控网络的研究提供了新的思路和有力工具。该方法不依赖特定的 ODEs 和参数值，能有效推断网络拓扑结构和识别网络差异，且对网络规模没有限制。通过在 EMT 网络中的验证，表明其具有良好的可行性和准确性。这一成果不仅有助于深入理解细胞命运决定的调控机制，还为精准操控细胞命运提供了理论依据，在癌症治疗等健康医学领域具有潜在的应用价值。不过，该方法也存在一定局限性，比如无法识别自反馈回路，获取扰动条件下的实验数据也面临挑战。未来，研究人员将致力于解决这些问题，进一步完善基因调控网络的推断方法。
