基于单细胞转录组学的贝叶斯基因调控网络的因果评估

《Cell Reports Methods》：Causal assessment of Bayesian gene regulatory networks from single-cell transcriptomics

　　

基因调控网络（gene regulatory network, GRN）推断是揭示不同细胞类型中基因之间失调关系的重要工具。基于贝叶斯网络（Bayesian network, BN）的GRN可以从单细胞转录组（single-cell transcriptomics, SCT）数据中学习，通过图形建模阐明代表复杂疾病机制及其相互作用的定向调控关系。然而，用于从SCT数据学习BN的软件并不广泛可用，用于评估BN在表示基因间因果关系方面结构准确性的软件也不广泛可用。在此，研究人员描述了scstruc R包。该包提供了一套专门设计用于处理SCT数据的BN结构学习算法，根据其表示的因果关系评估所得网络，无论是否有已建立的分子相互作用网络，并比较不同条件下的调控关系。研究人员证明了scstruc可以在单细胞水平上识别组间生物学相关的差异调控关系。

论文解读：基于单细胞转录组学的贝叶斯基因调控网络因果评估

研究背景与问题

单细胞转录组学（single-cell transcriptomics, SCT）被广泛应用于生物学和医学研究，以揭示疾病机制。基因调控网络（gene regulatory network, GRN）推断是分析SCT数据的重要任务之一，有助于理解不同细胞类型中基因之间的失调关系。贝叶斯网络（Bayesian network, BN）作为一种有向无环图（directed acyclic graph, DAG）模型，能够从观测数据中学习基因间的定向调控关系，并支持概率推理与因果推断。然而，现有BN结构学习软件大多面向普通表格数据，缺乏针对SCT数据零膨胀特性的适配；同时，评估推断网络因果结构准确性的软件也相对匮乏。已有的GRN推断方法通常使用预测性指标（如精确率-召回率曲线下面积，AUPRC）评价边恢复性能，但这些指标无法反映网络是否真正捕获了基因间的因果关系。此外，当缺乏参考网络时，如何评估算法的因果结构保真度也是一个未解决的问题。因此，研究人员开发了R包scstruc，用于从SCT数据中推断有向GRN，并基于因果结构指标进行评估和比较。

研究内容与结论

scstruc提供了一套完整的BN结构学习与评估工作流。该包支持多种结构学习算法，包括基于正则化回归的方法（如LASSO、MCP、SCAD、L0Learn）、bnlearn中的经典算法（如HC、MMHC）、GES、LiNGAM、CCDr，以及专门针对零膨胀数据设计的hurdle模型。它能够接受Seurat、SingleCellExperiment和SpatialExperiment等标准R对象作为输入，并可通过metacell聚合降低大规模数据计算负担。推断得到的网络可使用结构汉明距离（structural Hamming distance, SHD）、结构干预距离（structural intervention distance, SID）、F1分数、精确率、召回率等指标进行评价。当参考网络不可用时，scstruc采用交叉验证方法（intersection-validation）对算法稳定性进行评估。此外，该包支持基于通路基因子集构建参考DAG、拟合网络参数、识别条件间差异调控的标记弧（marker arcs），以及进行概率推理和可视化。

研究人员通过模拟数据实验和真实SCT数据实验验证了scstruc的性能。模拟实验使用GeneNet包中的ECOLI70和ARTH150高斯贝叶斯网络作为已知参考DAG，以及SERGIO生成的有技术噪声和无噪声的单细胞模拟数据。结果显示，算法排名高度依赖于评价指标和样本量：不同算法在SHD、SID、F1分数和AUPRC等指标上表现各异，且指标之间并不一致。例如，在小规模ECOLI70网络中，hurdle模型和GES在不同指标下分别占优；在ARTH150网络中，CCDr、MCP、MMHC等算法在不同条件下表现各异。SERGIO实验表明，单细胞特异性噪声和零膨胀显著降低边恢复性能，且评价指标对算法选择的导向作用更加明显。研究人员指出，SID作为评估因果干预语句的指标，对于以因果解释或扰动预测为目标的GRN推断尤为重要，但应与边恢复指标联合解读，以避免过度偏好稀疏网络。

利用真实小鼠肾SCT数据，研究人员对早期糖尿病肾病（diabetic kidney disease, DKD）模型中的系膜细胞进行网络推断。他们从KEGG和DoRothEA/OmniPath资源构建通路级参考DAG，评估不同算法在AGE-RAGE信号通路、流体剪切应力与动脉粥样硬化通路等五个通路上的表现。结果再次表明，算法排名取决于参考资源和评价指标。hurdle模型、PIDC、CCDr和基于正则化的BN学习器在部分通路中表现出较好的边恢复和因果结构保真度。在对AGE-RAGE通路进行bootstrap平均得到稳定DAG后，研究人员使用Boruta特征选择算法识别出与DKD相关的标记弧，如Jun到Tgfb1和Serpine1的调控关系，这些关系与KEGG通路一致，并在糖尿病小鼠中失调。概率推理热图显示，糖尿病表型小鼠中Cdc42和Jun相关网络行为发生改变。在流体剪切应力与动脉粥样硬化通路中，抗氧化基因Txn1和Nqo1的调控系数失调，与氧化应激在DKD发病中的作用一致。此外，在人类肾活检SCT数据（GSE220939）中，研究人员对近端肾小管细胞进行mTORC1信号通路分析，发现hurdle模型与BIC评分得到的网络最接近通路参考DAG，标记弧分析显示SGLT2抑制剂处理使糖尿病相关的调控变化趋向健康对照状态。这些应用证明scstruc能够识别具有生物学意义的差异调控关系，并支持跨条件比较。

讨论与结论

scstruc将BN结构学习、因果有效性评估和条件间比较整合到一个统一框架中，填补了现有工具在SCT数据因果GRN推断方面的空白。研究人员强调，度量因果关系的SID与传统边恢复指标不应互相替代；在推断网络用于因果推理或扰动假设生成时，SID具有不可替代的价值。该包支持参考网络存在和不存在两种情形下的算法评估，通过通路级参考DAG和交叉验证方法缓解了缺少完整参考网络的问题。然而，研究也存在局限性：DAG框架无法直接表示基因调控中的反馈环路；参考网络本身不完整且具有上下文依赖性，因此评价结果应视为相对基准而非绝对正确性；当前框架主要面向横断面观测数据，不显式建模时间信息；此外，该包主要依赖转录丰度数据，未直接整合转录因子结合、染色质可及性等先验证据。总体而言，scstruc为SCT数据分析提供了从网络学习到生物解释的连贯工作流，有助于生成可验证的生物学假设，并推动因果导向的GRN研究。