《Genes》：Cross-Model Uncertainty-Aware Minimal Editing of Cis-Regulatory Elements for Cell-Type-Selective Design
编辑推荐：
背景与目的：顺式调控元件（CREs）有助于介导细胞类型选择性基因表达，但序列到活性模型很少被转化为保留天然调控支架且实验上易于处理的紧凑变体面板。研究人员开发了SafeEdit-CRE，以选择最小编辑，在降低预测不确定性的同时保留跨模型特异性，从而产生用于报告
背景与目的：顺式调控元件（CREs）有助于介导细胞类型选择性基因表达，但序列到活性模型很少被转化为保留天然调控支架且实验上易于处理的紧凑变体面板。研究人员开发了SafeEdit-CRE，以选择最小编辑，在降低预测不确定性的同时保留跨模型特异性，从而产生用于报告基因筛选优先排序的可审计CRE变体库。方法：SafeEdit-CRE将已发表的Malinois序列-活性预测器与架构不同的审查集成模型、验证校准的不确定性、序列域对照和约束束搜索相结合。在固定替换预算为1、5、10或20个核苷酸下编辑天然200 nt CREs，并由完全独立于候选生成的单独训练的多核集成模型评估。结果：在K562、HepG2和SK-N-SH细胞中600个留出CRE亲本上，SafeEdit-CRE相较贪婪编辑获得平均跨模型特异性边际增益0.877对0.822（配对差异0.055；95% CI 0.040–0.071）。相对于计算量匹配的初级模型束，SafeEdit-CRE产生相似的跨模型特异性边际增益（差异?0.004；95% CI ?0.011–0.004），但集成不确定性更低（0.314对0.335）。在锁定90亲本基准中，60.6%的设计通过全部九项预设序列与模型一致性检查，而贪婪编辑为38.8%，随机替换为13.1%（配对差异21.8个百分点；95% CI 18.3–25.3）。结论：SafeEdit-CRE将3240个设计缩减为74个Tier A计算候选，跨三种细胞类型和四种编辑预算优先用于报告基因筛选。通过分离搜索与跨模型审计并执行显式编辑预算和序列-域保障，该框架为计算CRE优先排序、调控语法研究和合成调控元件设计提供了可重复且可审计的方法。
研究背景与问题提出
顺式调控元件（cis-regulatory elements，CREs）通过转录因子结合位点及其周围序列上下文决定基因在何时何地表达。大规模平行报告基因 assay（MPRA）、STARR-seq 与饱和突变技术已能对成千上万调控序列并行定量，并推动了从卷积网络到长程架构及合成增强子设计模型的发展。然而，将预测模型转化为实验上可处理的 CRE 变体面板仍是调控基因组学的实际瓶颈：多数策略返回无约束高分序列或从头增强子，难以关联自然调控元件的模块化语法，也难以优先选出后续实验可验证的候选。当目标是理解局部序列改变如何调控细胞类型特异性输出，或工程化组织特异性元件用于基因治疗与疾病非编码变异解读时，所需的是锚定在自然 CRE 支架上的少量可解释编辑，并内置降低实验失败率的保障。单预测器搜索易利用模型特有行为，贪婪搜索尤甚；更宽束搜索仍用同一模型排序。未决问题是选择：找出少量预测效应跨模型持久的编辑。研究人员据此开展本研究。
主要技术与样本队列
研究人员采用 Gosai 等公开 MPRA 序列-活性表（K562、HepG2、SK-N-SH 三细胞类型），按染色体划分训练/验证/测试集（chr19/21/X 验证，chr7/13 测试，其余训练），经质量过滤、去重、长度≤200 nt 中心化后得 749,054 条记录。初级预测器为已发表 Malinois BassetBranched，取正向与反向互补平均得特异性边际。审查集成模型为残差扩张 1D-CNN（茎 11 nt，扩张率 1/2/4/8，异方差均值与对数方差头，3 固定种子），跨模型评估集成模型为多核 CNN（并行 3/7/15/21 nt 分支，深度可分离卷积，独立均值方差头，3 固定种子），两者皆仅在训练染色体上训练，验证集估方差缩放因子后冻结。搜索阶段用约束束搜索（束宽 24，扩展 96，预算 1/5/10/20 nt），SafeEdit-CRE 在初级扩展后经审查集成重排，加入链一致性、GC 偏移、同聚物、6-mer 自然度等序列域预筛与阈值（验证集随机编辑校准冻结）。候选生成后写 SHA-256 冻结，方由留出的跨模型评估集成推断。基准含 600 亲本跨模型评估、90 亲本九准则锁定审计、180 亲本完整重搜消融。
研究结果
3.1 建模细胞类型选择性 CRE 设计的活性景观
过滤后训练/验证/测试为 627,661/58,811/62,582 条。Malinois 复现原测试 Pearson 与 Spearman；审查集成测试 Pearson 0.638，跨模型评估集成 0.651。验证缩放后 95% 区间覆盖审查集成 0.930–0.940，跨模型评估 0.923–0.935；不确定性均与绝对误差 Spearman 负相关（?0.448 与 ?0.467），拒高不确定性记录降低平均绝对误差，支持不确定性导引分诊。
3.2 SafeEdit-CRE 在 600 留出亲本上提升跨模型细胞类型选择性
跨 7200 条件，SafeEdit-CRE 平均跨模型特异性边际增益 0.877，贪婪 0.822（配对差 0.055，95% CI 0.040–0.071），随机 0.001。计算匹配初级束 0.881，SafeEdit-CRE 与其差异 ?0.004（CI ?0.011–0.004），但绝对靶增益低 0.205、集成不确定性低 0.0209。相较贪婪，靶增益低 0.141、不确定性低 0.0153。表明搜索广度可由初级束恢复，SafeEdit-CRE 改变所选成员：保留边际同时降不确定性与靶分数漂移。预筛致 12/600 亲本零编辑，保留以固化分母。
3.3 90 非重叠确认亲本九准则设计基准
SafeEdit-CRE 654/1080（60.6%）过九准则，贪婪 419（38.8%），随机 142（13.1%）；SafeEdit-贪婪配对差 21.8 百分点（CI 18.3–25.3）。优势随预算 5–20 增大。失败分解：SafeEdit 主因缺审查边际迁移（302 次，252 次唯一），同聚物安全 103（64 唯一）；贪婪主因审查迁移 352 与链不一致 221；随机主因基本活性。移除自然度重排使边际 0.890→0.979、不确定性 0.312→0.343；移除预筛消除 48 不可行。
3.4 细胞类型与编辑预算效应
K562 上 SafeEdit-贪婪边际差从 1 编辑至 20 编辑由约 0.04 升至 0.242；HepG2 由约 0.06 升至 0.294；SK-N-SH 异质（约 ?0.02 至 0.10）。对计算匹配束各层差皆在等价界内。表明编辑路径增多时跨模型重排价值上升，SK-N-SH 提示阈值应按细胞类型校准。
3.5 完整重搜消融辨识关键组件
180 亲本七配置重搜。全 SafeEdit 边际 0.890、靶增益 1.705、不确定性 0.312；初级束边际同 0.890、靶 1.897、不确定性 0.334。去自然度重排边际 0.979、靶 2.017、不确定性 0.343；去预筛消 48 不可行、边际 0.910；去审查集成精确等同初级束。自然度重排是降不确定性主因，预筛保合成可行，审查集成改变返回序列而非事后标注。
3.6 Tier A 候选库与代表例
3240 设计中 74 个 Tier A（过九准则、靶与边际正、无合成风险、近初级-审查 Pareto 前沿），跨三细胞四预算；Tier B 1141，Tier C 2025。补表 S10 给 K562/HepG2/SK-N-SH 各一 5 编辑例，皆正初级靶增益、正审查边际迁移、跨模型不确定性降，局部编辑近编辑位提供可测语法假设。
讨论部分总结
研究人员指出，SafeEdit-CRE 围绕“自然 CRE 少编辑且跨第二模型仍保细胞类型选择性”的实际问题，分离搜索与目标角色，用跨模型选择决定保留哪些最小编辑。相对贪婪的清晰优势在 600 亲本显现：边际增益多 0.055，属多数合理编辑中的重排效应。计算匹配束证搜索广度非主因，SafeEdit-CRE 在同等边际下挑不确定性更低、靶漂移更小部分。九准则基准 60.6% 对 38.8%，消融示自然度重排主降不确定性、预筛保可行、去审查集成退化为初级束。输出为 74 序列 Tier A 库而非单模型最优，含亲本/编辑序列、位点、各模型增益、不确定性、链一致、自然度、GC、同聚物、编辑数，供报告筛选与语法解剖；Tier B 留广度。父选标签盲、开发与评估父分置、随机复现平均不择优、CI 重采样整父、评估集成冻结后入、重搜消融保序列级差异等选择使比较可解释。该库可直接进 MPRA 测预测序是否与实测合模，亦可导碱基/引导编辑改内源 CRE、优先疾病非编码变异验证。
结论部分翻译
SafeEdit-CRE 确立跨模型不确定性感知最小编辑作为将序列-活性模型转化为紧凑细胞类型选择性 CRE 变体库的实际路径。通过保留自然序列支架并显式控制编辑距离、模型一致性与预测不确定性，该框架为调控序列语法的功能基因组学研究提供了聚焦起点。
（全文登于《Genes》）
