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

本文介绍了一种名为RegGAIN的新型单细胞基因调控网络推断框架，由山东大学孙端辰团队与中国科学院吴凌云团队合作开发，发表在Advanced Science上。背景方面，基因调控网络是解析细胞命运、发育及疾病机制的重要工具，但单细胞RNA测序数据的高噪声和高稀疏性使得准确推断具有方向性的GRN面临挑战。研究目的是开发一种能够融合单细胞表达数据与先验调控网络，并通过自监督图对比学习提升推断准确性和鲁棒性的方法。RegGAIN的核心创新在于为每个基因分别学习“调控者”和“靶基因”两种角色表征，通过双角色嵌入模拟调控方向。在42个基准测试场景中，RegGAIN在67%的场景中排名第一，显著优于GRNBoost2、DeepSEM等方法。结论表明，RegGAIN能够推断细胞状态特异性的调控网络，并在多发性骨髓瘤疾病案例分析中识别出与预后相关的关键转录因子（如PTTG1、MAF），展示了其在揭示疾病分子机制方面的潜力。