识别转录因子与靶基因之间的相互作用并构建基因调控网络（GRNs），对于理解基因转录调控的分子机制至关重要。跨不同组织的大规模单细胞转录组学通过捕获基因表达异质性，为解析细胞多样性和调控动态提供了前所未有的分辨率。然而，现有方法往往缺乏有效的多模态整合能力，未能充分利用基因本体（GO）的层级结构和基因序列层面的表征，从而限制了其预测性能和生物学可解释性。我们提出了scMGFGRN，这是一种多模态深度学习框架，将单细胞转录组表达谱与GO层级关系及基因序列相整合，利用去噪自编码器、图注意力特征提取和预训练DNA语言模型，捕获多模态生物学知识中的多源依赖关系；同时，其门控多头注意力模块能够有效识别具有信息价值的调控特征，并整合不同来源的互补特征，从而准确预测基因调控网络。在七个人类和小鼠数据集上的基准测试表明，scMGFGRN在基因调控网络识别方面优于当前最先进的方法。进一步分析显示，scMGFGRN能够有效识别新的转录因子与基因相互作用（TGIs），并重建细胞类型特异性基因调控网络。可解释性分析揭示了异质生物学信息来源的贡献模式，展示了scMGFGRN整合转录组表达谱与多模态结构信息的能力。
基于多模型生物学信息与序列信息融合的单细胞转录组基因调控网络推断 | bioRxiv
跳至主要内容
首页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
基于多模型生物学信息与序列信息融合的单细胞转录组基因调控网络推断
Lin Zhong，
Bin Yan，
Junwen Wang，
Minzhu Xie
doi：
https://doi.org/10.64898/2026.09.13.751326
Lin Zhong
1
湖南师范大学；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本网站搜索此作者
Bin Yan
2
香港大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本网站搜索此作者
Junwen Wang
2
香港大学
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本网站搜索此作者
Minzhu Xie
1
湖南师范大学；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本网站搜索此作者
通信作者：
xieminzhu{at}hunnu.edu.cn
摘要
信息 / 历史
指标
预览 PDF
摘要
鉴定转录因子与靶基因之间的相互作用并构建基因调控网络（GRN），对于理解转录调控基因的分子机制至关重要。跨不同组织的大规模单细胞转录组数据通过捕捉基因表达的异质性，为解析细胞多样性和调控动态提供了前所未有的分辨率。然而，现有方法往往缺乏有效的多模态整合，也未能充分利用基因本体（GO）的层级结构和基因序列层面的表征，从而限制了其预测性能和生物学可解释性。我们提出了
scMGFGRN 是一种多模型深度学习框架，通过利用去噪自编码器、图注意力特征提取和预训练 DNA 语言模型，整合单细胞转录组谱、GO 层级关系及基因序列，以捕获多模型生物学知识中的多源依赖关系；其门控多头注意力模块能够有效识别具有信息量的调控特征，并整合来自不同来源的互补特征，从而准确预测基因调控网络。在人类和小鼠的七个数据集上进行的基准测试表明，scMGFGRN 在识别基因调控网络方面优于当前最先进的方法。进一步分析显示，scMGFGRN 能够有效识别新的转录因子—基因相互作用（TGI），并重建细胞类型特异性基因调控网络。可解释性分析揭示了异质生物学数据源的贡献模式，表明 scMGFGRN 具备整合转录组谱与多模型结构信息的能力。
利益冲突声明
作者声明不存在利益冲突。
已声明的资助信息
中国国家自然科学基金
版权
本预印本的版权持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。
本文依据 CC-BY 4.0 国际许可协议开放获取。
返回顶部
上一篇
下一篇
发布于 2026 年 9 月 19 日。
下载 PDF
电子邮件
感谢您有意帮助传播 bioRxiv 上的内容。
注意：要求提供您的电子邮件地址，仅用于确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
收件人
*
请在不同的行中输入多个地址，或用逗号分隔。
您即将发送以下内容
多模型生物学与序列计划群
用于基于单细胞转录组推断基因调控网络的信息融合
邮件主题
（您的姓名）已将 bioRxiv 上的一个页面转发给您
邮件正文
（您的姓名）认为您可能会对 bioRxiv 网站上的这个页面感兴趣。
您的个人留言
验证码
此问题用于测试您是否为真人访客，并防止自动垃圾信息提交。
分享
用于基于单细胞转录组推断基因调控网络的多模型生物学与序列信息融合
lin
zhong，
Bin
Yan，
Junwen
Wang，
minzhu
xie
bioRxiv
2026.09.13.751326；
doi：
https://doi.org/10.64898/2026.09.13.751326
分享本文：
复制
引文工具
用于基于单细胞转录组推断基因调控网络的多模型生物学与序列信息融合
lin
zhong，
Bin
Yan，
Junwen
Wang，
minzhu
xie
bioRxiv
2026.09.13.751326；
doi：
https://doi.org/10.64898/2026.09.13.751326
引文管理器格式
BibTeX
Bookends
EasyBib
EndNote（带标签）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google Plus +1
学科领域
生物信息学
学科领域
所有文章
动物行为与认知
（8013）
生物化学
（18738）
生物工程
（14888）
生物信息学
（44418）
生物物理学
（22598）
癌症生物学
（19723）
细胞生物学
（26899）
临床试验
（138）
发育生物学
（13964）
生态学
（21005）
流行病学
（2067）
进化生物学
（25454）
遗传学
（16166）
基因组学
（23506）
免疫学
（18705）
微生物学
（42503）
分子生物学
（18059）
神经科学
（93442）
古生物学
（700）
病理学
（2977）
药理学与毒理学
（5094）
生理学
（8114）
植物生物学
（15999）
科学传播与教育
（2095）
合成生物学
（4560）
系统生物学
（10235）
动物学
(2391)
关键词：单细胞转录组 · 基因调控网络推断 · 多模态深度学习 · 基因本体 · DNA语言模型 · 图注意力网络
原文链接：https://www.biorxiv.org/content/10.64898/2026.09.13.751326v1?rss=1