Adv Sci：细胞状态转变的“因果导航仪”：陈洛南/合原一幸/刘坚团队开发 CauFinder，通过因果解耦学习识别关键调控因子

细胞状态和表型转变广泛存在于发育分化、肿瘤进展等生命过程中，传统转录组分析难以区分真正的因果调控因子与伴随性相关信号。2026年6月16日，上海交通大学陈洛南团队、东京大学合原一幸团队和浙江大学刘坚团队在《Advanced Science》发表研究，提出了基于因果解耦学习和网络控制的计算框架CauFinder。该框架可从观测转录组数据中识别与细胞状态或疾病表型转变相关的候选因果调控因子，并通过do演算估计因果信息流，结合SHAP和梯度信息量化基因贡献与调控方向，再利用网络控制筛选主调控因子。研究在模拟数据、胚胎干细胞数据、TCGA多癌种数据等中验证了其有效性和稳定性。在EGFR-TKI药物响应研究中，CauFinder预测DAAM1为调控奥希替尼响应的关键因子，实验证实其敲低能增强PC9肺癌细胞对奥希替尼的敏感性。CauFinder为从转录组数据中提出可实验验证的干预假说提供了新工具，有助于解析肿瘤进展、药物耐受等复杂生物过程。