GLM-Prior：基于基因组语言模型从核苷酸序列预测转录因子-靶基因相互作用以改进基因调控网络推断

《Nature Communications》：GLM-Prior: a genomic language model for transferable sequence-derived priors in gene regulatory network inference

　　

摘要

基因调控网络推断依赖于高质量的先验知识，然而经过人工整理的先验知识往往在各物种和细胞类型中不完整或不可用。我们提出了GLM-Prior，一种经过微调的基因组语言模型，可从核苷酸序列预测转录因子-靶基因相互作用。我们将GLM-Prior与PMF-GRN整合到一个双阶段流水线中，将基于序列的先验与单细胞表达数据相结合，以实现先验条件化的基因调控网络推断。在六个细胞系场景中，GLM-Prior的性能随正标签丰度和转录因子覆盖度的增加而提升，在标注完善的哺乳动物设定中与参考网络表现出高于随机水平的吻合度。单物种、跨物种迁移和多物种训练实验表明，GLM-Prior能够在相关哺乳动物物种中构建具有信息量的先验。与基于可及性的先验相比，GLM-Prior在五种哺乳动物细胞系中的四种达到了最高的先验性能。这些基准结果表明，先验质量在很大程度上制约了基因调控网络推断的性能，使GLM-Prior成为在缺乏匹配实验检测手段时，从序列构建先验知识的一种可迁移工作流程。