- 7 次围观
转录因子（TF）对基因表达的调控是细胞响应环境信号并维持稳态的关键机制。用于预测转录因子及其所调控基因之间调控相互作用的基因网络模型，有助于理解这些复杂过程。这些模型之所以有用，是因为它们能够提供关于调控相互作用和转录因子功能的可检验假设，并加速对尚未表征的转录因子的研究。然而，由于调控网络具有众多可能状态，推断这类模型在计算上极具挑战性，因为其需要海量数据。微生物基因组编码数百种转录因子，存在大量相互作用，因此需要规模可观的功能基因组学数据集才能进行推断。在研究不足的生物中，这一问题尤为突出；这类物种本可从推断得到的网络中极大受益以促进生物学发现，但可用数据的匮乏对有效推断构成了特别严重的限制。为解决这一问题，我们开发了GRN-BMuSeR（Gene Regulatory Networks from Bayesian MUlti-SpEcies Regression，基于贝叶斯多物种回归的基因调控网络），这是一种新颖的多任务基因调控网络推断方法，利用近缘物种之间的基因直系同源关系来提升推断性能。我们在模式研究较为充分的细菌物种枯草芽孢杆菌（Bacillus subtilis）的数据集上评估了其性能，结果表明该方法在多任务设定下具有更优表现。将该模型应用于模拟数据进一步表明，其在多物种情境中具有实用价值。 最后，我们将模型应用于两个适应高盐环境的古菌物种的基因调控网络推断与预测探索。我们利用盐杆菌（Halobacterium salinarum）的丰富数据集来辅助推断火球菌属古菌Haloferax volcanii的基因调控网络，而后者可用的基因组学数据集相对有限。我们为Hfx. volcanii构建了一个大型基因表达数据汇编，用作GRN推断的输入。通过对所得网络预测结果的分析，我们证明了这些预测与已知转录因子功能具有一致性，并发现了数百个新的转录因子功能预测。展望未来，我们的结果提供了一个用于生成可检验假设的框架，这将有助于指导实验研究并加速对这些研究不足物种的科学发现。
转录因子（TF）对基因表达的调控是细胞响应环境信号并维持内稳态的关键机制。能够预测转录因子及其所调控基因之间调控相互作用的基因网络模型，有助于理解这些复杂过程。这些模型之所以有用，是因为它们能够提供可检验的调控相互作用假设、转录因子功能假设，并加速对尚未表征的转录因子的研究。然而，由于调控网络存在大量可能状态，推断这些模型在计算上极具挑战性，因为这需要海量数据。微生物基因组编码数百种转录因子，并存在大量相互作用，因此需要大规模功能基因组学数据集才能进行推断。在研究不足的生物中，这一问题尤为突出；这类物种若能获得推断得到的网络，将极大促进生物学发现，但可用数据的缺乏对有效推断构成了特别严重的限制。
为了解决这一问题，我们开发了GRN-BMuSeR（Gene Regulatory Networks from Bayesian MUlti-SpEcies Regression，基于贝叶斯多物种回归的基因调控网络），这是一种新型的多任务基因调控网络推断方法，利用近缘物种之间的基因直系同源关系来提升推断性能。我们在模式研究较为充分的细菌物种枯草芽孢杆菌（Bacillus subtilis）数据集上评估了其性能，结果表明该方法在多任务设置下具有更优表现。将该模型应用于模拟数据进一步揭示了其在多物种背景下的实用性。最后，我们将该模型用于推断两个适应高盐环境的古菌物种的基因调控网络并探索其预测结果。我们利用来自盐杆菌（Halobacterium salinarum）的丰富数据集，为火山盐盒菌（Haloferax volcanii）的基因调控网络推断提供支持；后者可用的基因组学数据集相对有限。我们为Hfx. volcanii构建了一个大规模基因表达数据汇编，用作基因调控网络推断的输入。通过对所得网络预测结果的分析，我们证明了这些预测与已知转录因子功能具有一致性，并发现了数百个新的转录因子功能预测。展望未来，我们的结果提供了一个用于生成可检验假设的框架，这将有助于指导实验研究并加速这些研究不足物种中的科学发现。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.25.746862v1?rss=1
🏷️ 基因调控网络 贝叶斯建模 多物种推断 转录因子 直系同源 非模式生物