《Cell Reports Methods》：Geometric inference of cross-species transcriptome correspondence
编辑推荐：
序列同源性本身不一定能识别在特定细胞类型或细胞命运特化过程中具有相应调控作用的基因。这些作用可能由不同的旁系同源基因或进化上独立的基因承担，从而使生物学知识在不同物种间的转移复杂化。直接重建和比较基因调控网络也颇具挑战。研究人员开发了Species-OT，通过
序列同源性本身不一定能识别在特定细胞类型或细胞命运特化过程中具有相应调控作用的基因。这些作用可能由不同的旁系同源基因或进化上独立的基因承担，从而使生物学知识在不同物种间的转移复杂化。直接重建和比较基因调控网络也颇具挑战。研究人员开发了Species-OT，通过比较转录组几何结构来推断候选基因对应关系并量化转录组差异，无需事先对齐基因列表或细胞类型，其假设是保守的核心调控架构会产生相似的转录组结构。
论文解读：基于Gromov-Wasserstein最优传输的跨物种转录组对应关系推断
一、研究背景与问题
哺乳动物基因组及其进化变化已被广泛研究。例如，人类与黑猩猩的DNA序列差异约为1%–2%，而人类与小鼠基因组中约85%的蛋白质编码基因在序列水平上是保守的。序列同源性描述了源自共同祖先的基因之间的进化关系，其中由物种形成事件分离的同源基因（orthologs）通常保留相似功能，而由基因复制事件分离的旁系同源基因（paralogs）则进一步分为种内旁系同源基因（inparalogs）和种间旁系同源基因（outparalogs）。然而，调控元件如启动子和增强子表现出显著的物种特异性差异，这主要是由于转座元件的整合和选择性共选，导致物种特异性基因调控网络（gene regulatory networks, GRNs）的形成。因此，物种特异性旁系同源基因或进化上独立的基因可能在各种细胞命运特化过程中发挥关键作用，将模式生物的研究成果横向转移到其他物种并不一定能保证成功。例如，哺乳动物早期发育中的细胞命运特化GRNs存在差异，最初在小鼠中建立的早期胚胎细胞培养方法无法直接应用于人类。
尽管活跃的湿实验已阐明各物种单个基因的功能，并利用序列同源性及其扩展方法（结合蛋白质序列相似性和基因表达谱）实现了基于转录组的跨物种细胞类型对应识别，但在特定细胞类型或细胞命运特化过程中，从调控角色角度识别功能对应的基因仍是一个重大挑战。因此，开发一种能够弥合模式生物与其他物种组学数据集之间差距的方法，将极大地加速生物学知识的跨物种转移。
为了解决这一问题，研究人员提出的核心问题是：“如何在特定细胞类型或细胞命运特化过程中，从调控角色的角度识别跨物种的基因对应关系？”研究人员假设不同物种中保守生物过程的GRNs核心部分具有相似架构，而GRN中的个别基因因子可能被替换。基于此，研究人员试图通过比较多个物种间GRNs的结构及其基因因子来应对这一生物学问题，重点关注由转录因子（transcription factor, TF）基因组成的子网络。然而，直接构建和比较大规模跨物种GRNs因计算成本呈组合爆炸式增长而不切实际。因此，研究人员将目标概念简化，聚焦于转录组数据所能揭示的见解，即转录组分布的几何结构继承了底层GRNs的相似几何结构，并通过开发一种比较不同物种转录组分布几何形状的方法来解决该问题。
一种数学上用于几何比较分布的方法是使用最优传输（optimal transport），它通过最小化将一个分布传输到另一个分布的成本来量化两个概率分布之间的差异。格罗莫夫-瓦瑟斯坦最优传输（Gromov-Wasserstein optimal transport, GWOT）将该概念扩展到不同度量空间中的分布，通过定义基于几何表示（如距离矩阵）差异的传输成本。
二、研究方法概述
研究人员开发了Species-OT，这是一种基于GWOT的跨物种转录组分析方法。其主要技术流程包括：（1）对成对的bulk RNA-seq或单细胞RNA-seq（scRNA-seq）数据进行预处理，包括可选的RECODE降噪、总计数归一化、对数变换、低表达基因掩码过滤以及可选的转录因子基因选择；（2）通过几何化步骤将每个物种的表达矩阵转换为基因间距离矩阵；（3）求解带熵正则化的GWOT问题，得到最优传输计划（optimal transport plan）和熵正则化格罗莫夫-瓦瑟斯坦距离（entropic Gromov-Wasserstein distance）；（4）输出基因-基因对应关系（gene-to-gene correspondence）和转录组距离（transcriptomic distance）。对于多物种扩展，通过对所有物种对进行成对分析获得转录组距离数组，经辛克霍恩对称化后得到转录组差异数组（transcriptomic discrepancy array），再通过层次聚类生成转录组差异树（transcriptomic discrepancy tree）。
三、研究结果
1. 小鼠与人类原始生殖细胞样细胞诱导过程中的基因-基因对应关系
研究人员应用Species-OT分析了小鼠和人类原始生殖细胞样细胞（primordial germ-cell-like cell, PGCLC）诱导过程中的bulk RNA-seq数据，验证了该方法恢复已知生物学对应关系的能力。对于小鼠的关键基因（T, Blimp1, Prdm14, Tfap2c）和人类的关键基因（GATA2, GATA3, EOMES, SOX17, BLIMP1, TFAP2C），研究人员检查了基于计算出的对应率（corresponding rates）排名前十的对应基因。结果表明，Species-OT成功检测到了所有已知的生物学对应关系。例如，小鼠Blimp1、Prdm14和Tfap2c分别与人类BLIMP1、BLIMP1和TFAP2C对应，且均排在首位；小鼠T与人类EOMES（已知在生殖细胞特化中起重要作用的旁系同源基因）排第三位。此外，研究人员还发现了先前未表征的对应基因，如人类SOX17与小鼠Sall4的对应关系，两者均在各自物种的PGCLC特化中至关重要，可能代表进化上独立的对应关系。
2. 基于bulk RNA-seq数据的跨物种PGCLC诱导过程分析
研究人员将Species-OT扩展到包含猕猴、人类和小鼠的PGCLC诱导系统bulk RNA-seq数据。结果显示，转录组差异数组准确反映了生物学预期：人类和猕猴紧密聚集，而小鼠则更为远缘。转录组差异树的聚类关系类似于系统发育树，但人类-猕猴分支与小鼠之间的转录组差异比率（约1:3.75）与相应的分化时间比率（约1:2.67）存在差异，表明转录组差异反映的是细胞水平的表达分歧，而非DNA序列的分子进化距离。
3. 基于scRNA-seq数据的多物种多能干细胞分析
研究人员将Species-OT应用于来自六种哺乳动物（人类、黑猩猩、大猩猩、红毛猩猩、猕猴、小鼠）的多能干细胞系的scRNA-seq数据。转录组差异数组显示小鼠与灵长类动物之间存在明显分离，灵长类内部也有细微差异。然而，转录组差异树将灵长类分为两组：人类-黑猩猩簇和红毛猩猩-大猩猩-猕猴簇，这与系统发育层级不一致。进一步分析发现，这种聚类模式与两种培养条件（AK02 vs. AITS）一致，特别是Wnt信号通路抑制剂的差异导致了Wnt相关基因表达的变化。这表明Species-OT能够量化细胞类型间的转录组差异，同时反映物种起源和细胞培养条件的影响。
4. 与替代方法和分析设置的比较
研究人员将Species-OT与多种替代方法进行了比较，包括使用所有表达基因、皮尔逊相关性不相似度、余弦不相似度以及基于皮尔逊相关性的排序方法。结果表明，主分析设置（转录因子基因选择结合均值平均欧氏距离）最一致地恢复了已知的PGCLC相关对应关系。与基于序列同源性的基因对相比，Species-OT不仅优先考虑了直系同源对，还优先考虑了生物学相关的旁系同源对，表明该方法能根据转录组背景优化候选基因，而非简单地复现同源性注释。
5. Species-OT的稳健性评估
研究人员评估了Species-OT对预处理选择、数值正则化和重复水平变异的稳健性。RECODE预处理有助于缓解稀疏性并揭示Wnt相关基因表达差异。正则化参数ε在一定范围内变化时，关键的生物学对应关系始终保持高排名。人工物种分裂分析表明，主要对应模式在很大程度上得以保留，转录组差异树也将来自同一原始物种的重复衍生虚拟物种置于相近位置，表明Species-OT对重复水平变异具有稳健性。
四、讨论与结论
讨论部分总结： 研究人员开发的Species-OT通过Gromov-Wasserstein最优传输实现了跨物种转录组分析。该方法在成对转录组数据上计算基因-基因对应关系，在多物种数据上生成转录组差异数组和树。应用实例证明了其在识别已知直系同源和旁系同源对应关系方面的有效性，并揭示了新的候选对应关系（如小鼠Sall4与人类SOX17）。Species-OT的优势在于它基于从转录组数据中提取的几何形状进行操作，能够比较具有不同基因集和细胞类型的物种间的相对关系。未来的工作将考虑底层GRNs的变异并整合表观基因组数据。该框架原则上可应用于其他组学模态，但需要针对具体情境制定生物学假设。研究人员指出，基因对应关系的评估是探索性的，新推断的对应关系需要独立验证。
研究结论部分翻译： 针对本研究的核心问题——“如何在特定细胞类型或细胞命运特化过程中，从调控角色的角度识别跨物种的基因对应关系？”，研究人员通过数学和生物学两种途径提供了答案，利用了从目标细胞类型或细胞命运特化过程中收集的转录组数据。在数学上，研究人员提出了一种方法论，通过使用Gromov-Wasserstein最优传输几何匹配转录组数据的形状，来解决比较具有不同基因集和细胞类型的数据集的挑战。在生物学上，研究人员基于转录组分布继承保守基因调控网络的相似核心架构这一假设，将得到的熵正则化最优传输计划解释为跨物种基因在调控角色上的概率比对。因此，通过将数学严谨性与生物学洞察相结合，Species-OT提供了一个比较跨物种基因表达关系相对结构的框架。
