- 17 次围观
Perturb-seq 能够实现具有丰富单细胞分析读出的混合式遗传筛选,但全基因组尺度的分析成本仍然较高,而且可能无法与其他已建立的功能特征相关联。此外,随着筛选规模和复杂性的增长,对所得数据进行全面解释既具有挑战性,又十分耗时。在此,我们提出了带有标记富集的 Perturb-seq(Perturb-ME),该方法结合了全基因组尺度 CRISPR 筛选、基于表型的富集以及多模态单细胞分析。 将 Perturb-ME 应用于黑色素瘤中 MHC-I 细胞表面蛋白表达时,我们对 HLA-low 和 HLA-high 细胞进行了分析,并获得了相匹配的 RNA、表面蛋白和向导 RNA 测量数据。一个包含 221 个具有显著影响的调控因子、作用于 1,998 个响应基因的调控模型,识别出七个一致的共功能调控模块,这些模块共同调控九个基因程序,其中包括经典的 IFNγ-MHC-I 轴,该轴调控抗原呈递和干扰素反应程序。借助 AI 协同科学家对整个模型进行智能体式解释,进一步将其他模块关联到转运、蛋白质稳态和染色质调控。Perturb-ME 及其结合的智能体式解释,为从表型富集遗传筛选中开展全面功能发现提供了一个可扩展的框架。
在持有人为作者/资助方,其已授予 bioRxiv 永久展示该预印本的许可。 该作品依据 CC-BY-NC-ND 4.0 国际许可协议 提供。
返回顶部 上一篇 下一篇 发布于 2026 年 8 月 18 日。 下载 PDF 补充材料 数据/代码 电子邮件
感谢您有兴趣帮助传播 bioRxiv 的内容。 您的电子邮件 * 您的姓名 * 发送至 * 请输入多个地址,每行一个,或用逗号分隔。 您将要通过电子邮件发送以下内容 Perturb-ME:从表型富集的全基因组筛选中进行可扩展的机制发现 邮件主题 (您的姓名)从 bioRxiv 转发了一个页面给您 邮件正文 (您的姓名)认为您可能希望查看 bioRxiv 网站上的此页面。 您的个人留言 验证码 此问题用于测试您是否为人工访问者,并防止自动垃圾信息提交。 分享
Perturb-ME:从表型富集的全基因组筛选中进行可扩展的机制发现
Hanchen Wang, Jiacheng Gu, Chris J. Frangieh, Michael S. Cuoco, Maryann Zhao, Arindam Sett, Tom Beyer, Kuan Pang, Etzard Stolte, Zihan Xu, Jure Leskovec, Orit Rozenblatt-Rosen, Vivek Natarajan, Kathryn Geiger-Schuller, Pratiksha I. Thakore, Aviv Regev
bioRxiv 2026.08.17.745330; doi: https://doi.org/10.64898/2026.08.17.745330
分享本文: 复制 引用工具
Perturb-ME:从表型富集的全基因组筛选中进行可扩展的机制发现
Hanchen Wang, Jiacheng Gu, Chris J. Frangieh, Michael S. Cuoco, Maryann Zhao, Arindam Sett, Tom Beyer, Kuan Pang, Etzard Stolte, Zihan Xu, Jure Leskovec, Orit Rozenblatt-Rosen, Vivek Natarajan, Kathryn Geiger-Schuller, Pratiksha I. Thakore, Aviv Regev
bioRxiv 2026.08.17.745330; doi: https://doi.org/10.64898/2026.08.17.745330
📄 原文链接:https://www.biorxiv.org/content/10.64898/2026.08.17.745330v1?rss=1
🏷️ Perturb-seq CRISPR全基因组筛选 单细胞多组学 MHC-I抗原呈递 黑色素瘤 机制发现