单细胞特异性因果网络构建新方法SiCNet揭示动态生物过程的调控机制

《Research》：Constructing Cell-Specific Causal Networks of Individual Cells for Depicting Dynamical Biological Processes

研究人员针对单细胞基因调控网络(GRN)推断中动态重连、因果推断和背景特异性等挑战，开发了单细胞特异性因果网络(SiCNet)方法。该方法利用单细胞转录组数据和因果推断策略，构建细胞特异性分子调控网络，生成网络出度矩阵(ODM)提升细胞聚类性能，并能识别细胞命运转变的关键调控因子，为癌症、细胞重编程和发育生物学研究提供了新视角。

在生命科学领域，理解基因间的调控关系一直是核心挑战。传统基因调控网络(GRN)推断方法如GENIE3、GRNBoost2等虽广泛应用，但存在明显局限：它们只能在细胞类型水平构建网络，无法捕捉单个细胞间的异质性；且主要基于相关性分析，难以区分因果方向。随着单细胞RNA测序(scRNA-seq)技术的发展，研究人员获得了前所未有的高分辨率数据，但如何从中挖掘因果调控关系仍缺乏有效工具。

针对这一瓶颈，中国的研究团队开发了单细胞特异性因果网络(SiCNet)方法。这项创新性工作发表在《Research》期刊上，通过整合因果推断原理和先验知识网络，首次实现了在单细胞水平预测基因间因果关系的突破。研究证明，SiCNet不仅能更准确地区分细胞类型，还能揭示从癌症进展到发育过程的关键调控机制。

研究团队采用了几个关键技术方法：基于因果变异预测(CVP)框架构建参考因果网络；利用5折交叉验证计算因果强度指数(CSI)；整合STRING数据库的蛋白互作网络(PPI)作为背景网络；将细胞特异性网络转化为网络出度矩阵(ODM)进行下游分析；应用动态网络生物标志物(DNB)方法识别临界状态。使用的样本包括5个公开scRNA-seq数据集、人类结直肠癌样本、小鼠细胞重编程时间序列和人类造血单细胞数据。

在"SiCNet概述"部分，研究展示了该方法的工作流程。SiCNet需要参考scRNA-seq数据和目标scRNA-seq数据作为输入，结合PPI信息，输出每个细胞的因果网络。通过构建初始参考因果网络，再利用单个细胞的基因表达数据推断基因间因果关系，最终生成反映个体化调控关系的细胞特异性因果网络。

"SiCNet在scRNA-seq数据集上的聚类性能"结果显示，与传统的基因表达矩阵(GEM)相比，ODM在5个数据集上展现出更优的聚类效果。例如在Enge数据集中，ODM的调整兰德指数(ARI)达到0.58，显著高于GEM的0.33；在Darmanis数据集中，ODM的调整互信息(AMI)为0.69，优于GEM的0.60。这些数据证明ODM能更有效表征细胞异质性。

"通过SiCNet揭示结直肠癌进展模式"部分，研究人员分析了健康组织、癌旁和癌核心区域的6,168个上皮细胞。发现26个调控因子在从健康组织到癌核心的进程中活性增强，如ABL1(P=2.20×10^-219)、NCOA1(P=6.07×10^-157)和ATF3(P=4.89×10^-278)。京都基因与基因组百科全书(KEGG)分析显示这些基因富集在PPAR信号通路、胰岛素抵抗等与结直肠癌相关的代谢通路中。

"调控分析和结直肠癌临界状态识别"中，研究鉴定出133个显著上调的调控连接。例如ABL1→RAC3、NCOA1→NR3C2等，这些相互作用与癌症干细胞特性和侵袭性相关。通过DNB分析，成功将癌旁区域识别为从正常到癌变的临界状态，为癌症早期预警提供了新思路。

"重编程过程中关键调控因子的发现"部分，研究追踪了小鼠胚胎成纤维细胞(MEF)向多能干细胞(mESC)重编程的6个时间点。Leiden聚类识别出6个细胞群，其中C4(MEF特异性)富含Hoxb4、Dlx1等发育相关基因，而C5(mESC特异性)则富含Stat5a、Trp53等多能性维持基因。轨迹分析揭示了重编程过程中细胞周期和增殖相关调控因子的动态变化。

"人类造血发育趋势和调控动态的解析"展示了SiCNet在造血研究中的应用。研究发现了不同造血谱系特异的调控因子：B细胞系中CD74、IRF3活性逐渐增加；单核细胞系中CEBPB、TRAF3起关键作用；红系发育中KIT、FGF2调控活性上调。这些发现为理解造血分化机制提供了新见解。

这项研究的结论部分强调，SiCNet通过因果推断和单细胞网络分析，解决了GRN构建中的关键挑战。与现有方法相比，它能更准确识别细胞类型，发现疾病相关调控因子，并解析动态生物过程中的关键调控事件。在讨论中，作者指出虽然SiCNet假设稳态条件且未整合其他组学数据，但在非稳态发育系统中仍能揭示丰富的生物学信息。该方法的应用将推动从癌症机制到发育生物学等多个领域的研究，为精准医学和再生医学发展提供新工具。