BEAR-GRN：基于单细胞多组学数据的基因调控网络推断方法基准评估资源

《Nature Communications》：BEAR-GRN: Systematic assessment of single-cell multi-omics-based gene regulatory network inference methods

　　

摘要

识别调控基因间的相互作用本身就极具挑战性，因为它同时依赖于转录和表观遗传景观。虽然已有多种方法被提出用于利用单细胞多组学数据推断基因调控网络（GRNs），但缺乏标准化的基准评估框架仍然是实现无偏性能评估的一大障碍。在此，我们提出了BEAR-GRN——一个系统性资源，提供标准化数据集、经过精心整理的真值网络，以及用于基准评估GRN推断方法的统一计算流程。利用BEAR-GRN，我们在涵盖人类和小鼠细胞类型的配对单细胞RNA测序与ATAC测序数据集上，对前沿的多组学GRN推断方法进行了评估。我们以四种互补的真值定义来衡量准确性，同时考察计算效率、输出稳定性以及模态贡献。尽管真值的选择对性能有着深远影响，LINGER和DIRECT-NET展现出最高的整体准确性和稳定性。模态扰动实验表明，当前方法主要受RNA驱动，染色质可及性提供的独立信号有限。BEAR-GRN使研究人员能够将现有及新的GRN方法与传统基准进行比较评估。