利用 IMCell 预测简约且具有时间敏感性的细胞命运工程转录因子集合

用于细胞身份重编程方案中的转录因子（TF）组合大多通过实验方法开发而来。尽管已有少数计算方法被报道，但尚未被科学界广泛采用。为实现其使用标准化并评估其性能，我们构建了 CompForce，这是一个整合这些工具的平台。借助 CompForce，我们发现，现有计算方法在合成数据和文献整理数据上相较于差异表达仅提供了有限的改进；其表现平平且不一致，可归因于对局部中心性度量的依赖。为改进这些方法，我们开发了 IMCell，这是一种受影响力最大化问题启发的预测方法。与现有工具不同，IMCell 返回的是经过优化的 TF 集合，而非按排序的 TF 列表。我们证明，IMCell 的性能远超现有工具，并进一步将其扩展到动态、逐步的情境中。本文介绍的工具可通过 R 包 CompForce 和 IMCell 获取。

用于细胞身份重编程方案的转录因子（transcription factor, TF）组合在很大程度上是通过实验方法开发的。尽管已有少数计算方法被报道，但尚未被科学界广泛采用。为规范这些方法的使用并评估其性能，我们构建了 CompForce，这是一个整合这些工具的平台。利用 CompForce，我们发现，在合成数据和经文献整理的数据上，现有计算方法相较于差异表达分析仅有适度改进；其表现不佳且不一致可归因于对局部中心性指标的依赖。为改进这些方法，我们开发了 IMCell，一种受影响力最大化问题启发的预测方法。不同于现有工具，IMCell 输出优化后的 TF 集合，而非按排序排列的 TF 列表。我们证明，IMCell 的性能显著优于现有工具，并进一步将其扩展至动态的、逐步式情境。本文所述工具可通过 R 软件包 CompForce 和 IMCell 获取。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.10.731467v1?rss=1

🏷️ 细胞命运工程 转录因子预测 细胞重编程 影响力最大化 计算方法