Adv Sci | 解析细胞状态背后的“调控罗盘”：孙端辰/吴凌云团队开发RegGAIN，基于双角色图对比学习推断单细胞基因调控网络

本文介绍了山东大学孙端辰团队与中国科学院数学院吴凌云团队在Advanced Science上发表的研究。背景方面，基因调控网络（GRN）是解析细胞命运和疾病机制的关键，但现有方法难以从高噪声、高稀疏性的单细胞数据中准确推断具有方向性的GRN。研究目的是开发一种新型推断框架RegGAIN，通过融合单细胞表达数据与先验调控网络，利用自监督图对比学习和双角色基因表征学习来提升推断准确性。结论是，RegGAIN在BEELINE基准测试中性能优异，在67%的评测场景中排名第一，展现出高鲁棒性；应用于多发性骨髓瘤分析时，成功识别了与肿瘤增殖和免疫相关的差异调控关系，并发现PTTG1等关键转录因子与患者预后显著相关，证明了其生物学解释能力和临床应用潜力。该方法为高精度解析细胞状态特异性的基因调控网络提供了有力工具。