基于单细胞组学推断基因调控网络：动力学、细胞类型特异性和扰动的建模

《Annual Review of Genomics and Human Genetics》：Modeling Dynamics, Cell Type Specificity, and Perturbations in Gene Regulatory Networks

　　

基因调控网络（Gene Regulatory Networks, GRNs）定义了转录因子、染色质重塑因子和靶基因等分子之间的调控关系。GRNs在包括发育、疾病表现和进化在内的多种生物过程中发挥着关键作用。然而，完全表征这些跨越多重细胞类型和状态的网络仍然是一个重大挑战。单细胞组学的最新进展极大地增强了研究人员以前所未有的分辨率测量生物系统的能力。这些技术为计算推断GRNs的方法开辟了新途径，为深入了解细胞类型特异性机制、因果关系和动态调控过程提供了可能。本综述总结了当前从单细胞组学数据集中推断GRNs的研究现状，特别关注了动力学和扰动方面，并概述了为推动该领域发展必须解决的关键开放挑战。

论文解读文章

研究背景与问题

基因调控网络（GRNs）是细胞内控制基因表达时空动态的核心框架，其由转录因子（TFs）、顺式调控元件（CREs）和靶基因间的相互作用构成。全面解析不同细胞类型和状态下的GRNs对于理解发育、疾病发生等基本生物学过程至关重要。尽管单细胞组学技术的飞速发展为高分辨率解析细胞异质性和重建GRNs提供了前所未有的机遇，但如何有效地利用这些数据来建模调控的动态性、细胞类型特异性以及从相关性走向因果性，仍然是该领域面临的重大挑战。现有综述多集中于基于单细胞RNA测序（scRNA-seq）数据的GRN推断，而较少系统性地整合动力学建模、顺式（cis-）与反式（trans-）调控以及扰动数据。因此，本研究旨在填补这一空白，聚焦于这些前沿方向，以期推动更精确、更具预测性的GRN模型的发展。

研究内容与结论

研究人员撰写了一篇全面的综述论文，系统性地回顾了从单细胞组学数据推断GRNs的计算方法，特别强调了三个核心主题：动力学建模、多组学数据整合以及基于扰动的因果推断。论文首先介绍了从单细胞数据进行GRN推断的典型工作流程，包括聚类、细胞类型注释和轨迹推断等上游步骤。随后，深入探讨了利用伪时间（pseudotime）、RNA速率（RNA velocity）等信息建模GRN动态变化的各种算法，并比较了全局、细胞类型特异性和单细胞水平GRN模型的优劣。接着，论文详细阐述了如何整合单细胞转录组（scRNA-seq）和染色质可及性（scATAC-seq）等多组学数据来分别或同时推断cis-GRN和trans-GRN。最后，论文重点讨论了如何利用大规模扰动实验（如Perturb-seq）数据，从相关性迈向因果性，以识别真正的调控关系和基因表达程序。通过对这些方法的梳理和比较，论文揭示了当前领域的主要进展，并指出了未来发展的关键方向。

关键技术方法

为完成此项综述，作者主要运用了以下关键技术方法：

1. 1.
   单细胞组学数据分析流程：包括批次校正、标准化、降维（如主成分分析PCA、t-SNE、UMAP）、细胞聚类（如Louvain算法）和细胞类型注释（如基于标记基因或参考图谱）。
2. 2.
   细胞轨迹与谱系推断：采用伪时间推断（如Monocle 3, Palantir, Slingshot）、RNA速率分析（如velocyto, scVelo）以及结合两者的综合方法（如CellRank）来建模细胞的动态转变过程。
3. 3.
   动态GRN推断算法：利用常微分方程（ODE）、格兰杰因果关系（Granger causality）、转移熵（transfer entropy）以及循环神经网络（RNN）和神经常微分方程（Neural ODE）等深度学习模型，从时序或伪时序数据中学习调控关系。
4. 4.
   多组学数据整合与GRN推断：整合scRNA-seq和scATAC-seq数据，通过相关性分析、回归模型（如SCENT, SCARlink）或基于先验知识的正则化回归框架（如CellOracle, Pando, Dictys），并结合三维基因组构象数据（Hi-C/HiChIP），来推断包含cis-和trans-调控的GRNs。
5. 5.
   基于扰动的因果推断：利用Perturb-seq等高通量扰动数据，通过差异表达分析、因子分析（如非负矩阵分解NMF、潜在狄利克雷分配LDA）和结构方程模型等方法，推断基因表达程序和因果调控关系。

研究结果

2. 从单细胞组学数据推断GRNs的典型工作流程

本节概述了GRN推断前的标准数据处理步骤。研究人员指出，在进行GRN推断前，需完成批次校正、归一化、降维、细胞聚类和细胞类型注释。此外，细胞轨迹或伪时间推断是建模动态过程的关键前提。该部分详细比较了不同的聚类方法（如k-means, Louvain）、多模态数据整合策略（如共享特征与非共享特征方法）以及自动化的细胞类型注释工具（如Azimuth, SCimilarity）。对于动态系统，还介绍了基于单个细胞的伪时间和RNA速率推断方法（如Monocle 3, scVelo），以及基于细胞亚群的轨迹推断方法（如Slingshot, PAGA），并提到了能结合两者优势的综合方法CellRank。

3. 建模GRN中的调控动态

本节聚焦于如何将动态信息融入GRN推断。研究人员首先介绍了基于伪时间的动态建模方法，包括基于最大相关性的LEAP、基于常微分方程（ODE）的SCODE和Dictys，以及利用循环神经网络（RNN）和神经常微分方程的先进非线性模型（如in-CAHOOTTS, DynaVelo）。其次，介绍了基于信息论的方法（如Scribe, TENET）和基于格兰杰因果关系的回归模型（如SINCERITIES, SINGE）。此外，还讨论了利用RNA速率信息更新细胞流形并推断GRN的方法（如GRISLI, Velorama）。最后，研究人员区分了三种不同粒度的动态GRN模型：假设参数不变的全局模型、能够反映细胞类型间差异的细胞类型特异性模型（如spliceJAC, scMTNI, Dictys），以及能捕捉瞬时状态变化的单细胞级模型（如locaTE, CeSpGRN）。

4. 整合多组学数据集推断cis-和trans-GRNs

本节阐述了如何利用多组学数据（主要是scRNA-seq和scATAC-seq）提升GRN推断的准确性。研究人员将方法分为三类：第一类是cis-GRN推断，主要通过关联CRE的染色质可及性与邻近基因的表达（如FigR, SCENT, SCARlink），并提到可引入3D基因组数据（如Hi-C）来增强长距离调控的预测。第二类是trans-GRN推断，通常利用scATAC-seq数据提供的TF结合基序信息构建先验网络，再通过scRNA-seq数据进行正则化回归（如CellOracle, Pando, scMTNI），并可进一步估计转录因子活性（TFA）（如通过ChromVar或矩阵分解方法PMF-GRN, BITFAM）。第三类是新兴的同步推断cis-和trans-GRN的方法（如SCENIC+, LINGER, scTFBridge），它们通过联合模型同时考虑两种调控模式，提高了推断的敏感性和精确性。

5. 从相关性到因果性：用GRNs建模扰动

本节探讨了如何利用CRISPR筛选（如Perturb-seq）数据进行因果GRN推断。研究人员将分析方法归纳为三类任务：第一，评估单个调节因子的扰动效应，这需要精确识别受扰动的细胞（如通过Mixscape）。第二，检测基因表达程序，主要通过因子分析（如非负矩阵分解NMF）和主题模型（如潜在狄利克雷分配LDA）将共表达的基因模块及其调控因子联系起来（如D-SPIN, MUSIC, GSFA）。第三，推断因果调控关系，其中一类方法直接推断TF-靶基因的因果边（如dotears），另一类则是在基因程序层面推断因果关系，通常施加低秩假设（如DCD-FG, 基于差异的VAE）。值得注意的是，一项基准测试（CausalBench）显示，显式纳入扰动信息的方法并不总是优于仅依赖观测数据的方法。

6. 解释和利用GRNs进行知识发现

本节讨论了如何从推断出的GRNs中提取生物学洞见。研究人员提到，除了手动检查外，可使用PageRank算法（如Epoch）或格兰杰因果关系（如NetID）进行关键调控因子排序。为了应对多个网络间的复杂性，可采用差异边分析（如scMTNI, locaTE）来识别重复出现的调控模块。此外，一些定量指标被开发出来用于评估网络，例如scPADGRN中的分化基因互作富集（DGIE）评分，以及DREAMIT和MIRA等通过整合轨迹信息来量化调控关系重要性的方法。特别地，CellOracle通过计算机模拟敲除（in silico perturbation）来优先排序关键调控因子，并在斑马鱼胚胎发生的大规模应用中成功验证了其预测能力。

7. GRN推断的应用案例

本节展示了GRN推断在发育和疾病研究中的应用实例。研究人员重点介绍了SCENIC+框架在三个案例中的应用：一是在发育中的人类新皮层中，SCENIC+成功鉴定了582个高置信度的增强子驱动的调控子（eRegulons），并揭示了神经元亚型多样化过程中的谱系特异性调控动态。二是在小鼠视觉皮层中，改进的SCENIC+工作流程识别了共享的和亚类特异性的早期及晚期GRNs。三是在损伤的小鼠脊髓模型中，SCENIC+被用于重建胶质细胞亚型特异的eRegulons，揭示了AP-1家族因子与谱系特异性TF之间的协同作用。此外，SCENIC+还被应用于小鼠神经母细胞瘤模型，以重建细胞类型特异性的GRNs。

总结与讨论

本综述系统性地梳理了从单细胞组学数据推断GRNs的前沿计算方法，尤其突出了动力学建模、多组学整合和扰动数据应用这三个关键方向。论文明确指出，尽管该领域取得了显著进展，但仍面临诸多挑战，例如如何更准确地处理数据稀疏性、如何有效整合不断涌现的新模态数据（如单细胞3D基因组）、如何设计更强大的基准测试来公平评估不同方法，以及如何将从静态相关性推断推进到可靠的因果推断。研究人员强调，随着实验技术和计算方法的持续进步，GRN推断有望在揭示复杂生物过程的调控机制、识别疾病治疗靶点等方面发挥越来越重要的作用。