RegPathTopic：单细胞RNA测序确定性图衍生词汇构建与评估框架

《BMC Genomics》：RegPathTopic: deterministic regulatory-path topic modeling with traceable regulatory vocabularies for single-cell annotation

　　

摘要

背景

单细胞RNA测序标注在存在合适参考数据时能够实现较高的标签准确率，但分配的标签并不一定能够揭示与细胞身份或状态相关的调控特征。现有的调控因子活性方法针对相关的生物学问题进行了研究，而基于图的 Topic 模型则在调控词汇条目被随机生成时面临另一个可重复性问题。我们开发了 RegPathTopic，用于构建确定性的图衍生词汇条目，并在匹配对照条件下对其进行评估。

结果

RegPathTopic 将转录因子-靶基因图转化为调控路径和以转录因子为中心的模块，对这些条目进行打分和筛选，将其与度数匹配对照进行比较校准，并从仅含基因、仅含调控或联合矩阵中学习主题表示。在七个基准设置中，RegPathTopic 在经筛选的 CellTypist 内部基准中取得了 0.975 的宏平均 F1 值，与最佳仅含基因的主题基线持平。在 CellTypist 和 scIB 迁移任务中，它分别取得了 0.970 和 0.830 的宏平均 F1 值，相较于展示的先前风格对照和度数匹配的图衍生对照具有正向优势。这些优势并未延伸至所有比较组：在相关设置中，仅含基因迁移、若干成熟的标注工具以及 Decoupler TRRUST 活性基线表现更强。词汇审计表明，保留的路径和模块在主题级别输出中始终保持显式且可追溯；这些分析确立的是特征可追溯性，而非已验证的转录因子活性或因果调控解释。

结论

现有证据支持 RegPathTopic 作为一个可重复的框架，用于构建和审计图衍生的主题词汇，并将其与匹配的图对照进行测试。但它并未确立 RegPathTopic 作为一种更优的标注方法，也未证明其可以替代专门的调控因子活性方法。在将追溯到的词汇条目解释为已验证的调控程序之前，仍需扰动实验支持或正交的生物学验证。