算法扩展了科学家可以从单个细胞中发现的内容

2021年7 月 1 日——一种新的软件工具可以帮助研究人员进一步利用单细胞 RNA 测序 (scRNA-seq) 数据，通过将生物学相关数据纳入分析来了解有关单个细胞的更多信息。6 月 30 日在Genome Research 中详细介绍的机器学习算法可用于预测哪些转录因子在单个细胞中最为活跃。

人类细胞内有数百种转录因子，可能需要数年的反复试验研究才能确定特定细胞类型中哪些是开启或关闭的。这是重要的信息，因为这些蛋白质可以用作潜在的药物靶点。

先前用于推断转录因子活性的方法是基于编码转录因子的信使 RNA (mRNA)。这些策略可能不能代表真正的生物学功能，因为转录因子的活性通常在翻译后水平进行调节，而转录因子的关键变化可能无法在 mRNA 水平上检测到。

ScRNA-seq 是研究细胞间转录组异质性的有力工具。然而，由于整合生物背景数据的困难，基于这些数据阐明细胞的潜在生物学功能和调控机制(即转录因子活性或基因调控网络)具有挑战性。

scRNA-seq 的大多数应用都集中在空间生物学上，其目的是根据低维空间中单个细胞的接近程度来识别细胞簇。然而，这种分析没有考虑到生物学功能，也没有帮助研究人员揭示细胞亚群中的调节机制。

“该领域的一个挑战是，相同的基因可能在一组细胞中‘开启’，但在同一器官内的不同组细胞中‘关闭’，”该研究中心的教授 Jalees Rehman 博士说。伊利诺伊大学芝加哥分校医学院。“能够了解单个细胞中转录因子的活性将使研究人员能够研究主要器官(如心脏、大脑或肺)的所有主要细胞类型的活性谱。”

为了解决先前 scRNA-seq 分析策略的局限性，由 Rehman 和该大学生物信息学副教授 Yang Dai 博士领导的伊利诺伊大学芝加哥分校研究人员团队开发了贝叶斯推理转录因子活动模型 (BITFAM)。

　　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！