开发从单细胞转录组数据推断基因调控网络的新方法

单细胞RNA测序(scRNA-seq)技术提供了了解单细胞分辨率调控机制的机会。基因调控网络(GRN)为细胞系统中的调控机制提供了重要的蓝图，因此在生物学研究中发挥着核心作用。因此，必须开发一种准确的工具，从scRNA-seq数据中推断GRN。

中国科学院武汉植物园的研究人员开发了一种新方法，即STGRNS，用于使用深度学习模型从scRNA-seq数据构建GRN。结果已发表在《生物信息学》上，工具和教程可在https://github.com/zhanglab-wbgcas/STGRNS公开获得。

在该算法中，提出了一种基因表达基序技术，将每个基因对转换为可以作为变压器编码器接收的形式。通过避免网络中缺少阶段特异性调控，STGRNS可以从静态、伪时间或时间序列单细胞转录组数据中准确推断GRN。

研究人员表明，STGRNS在48个基准数据集上优于其他最先进的深度学习方法，包括21个静态scRNA-seq数据集和27个时间序列scRNA-seq数据集。

与其他基于“黑匣子”深度学习的方法不同，这些方法通常以不透明和为预测提供明确理由的相关困难为特征，STGRNS更可靠并且可以解释预测。

此外，与其他基于深度学习模型的GRN重构方法相比，STGRNS具有较少的超参数，这是其泛化性优异的主要原因之一。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！