GRN-ІНФОРМОВАНИЙ CELLFLOW: ПОКРАЩЕННЯ РЕКОНСТРУКЦІЇ ТРАЄКТОРІЙ КЛІТИННИХ СТАНІВ ЗА ДОПОМОГОЮ БІОЛОГІЧНИХ РЕГУЛЯТОРНИХ МЕРЕЖ

Анотація

У цій статті представлено результати дослідження інтеграції інформації про генно-регуляторні мережі (GRN) у комп’ютерні моделі для відновлення клітинних траєкторій, зокрема з акцентом на покращення фреймворку CellFlow. Генно-регуляторні мережі описують взаємопов’язану систему генів та регуляторних елементів — включно з транскрипційними факторами та сигнальними шляхами — які координують експресію генів і забезпечують правильну регуляцію процесів підтримання клітинної ідентичності, керування диференціацією та адаптивних відповідей на зміни середовища. Карта таких взаємозв’язків формує основу для розуміння того, як патерни активності генів визначають клітинну поведінку та переходи між станами. У цьому дослідженні ми представляємо GRN-інформований CellFlow — розширення наявної моделі CellFlow, що явно враховує регуляторні взаємодії між генами. На відміну від початкового підходу, який розглядає гени як незалежні ознаки, запропонований метод інтегрує відомі ген-генні залежності для керування реконструкцією траєкторій клітинних станів. Для цього було сформовано GRN-матрицю на основі даних клітин рибальської зебри: транскрипційні фактори визначалися за допомогою анотацій UniProtKB, а взаємодії між ними та іншими генами оцінювалися з використанням кореляційного аналізу та алгоритму GRNBoost2. Побудований лапласіан мережі застосовано як регуляризатор у процесі навчання моделі, що дозволило врахувати структуровані залежності між генами. Результати експериментів показали, що інтеграція GRN дещо знижує показники функції втрати порівняно з класичною конфігурацією CellFlow, проте підвищує біологічну інтерпретованість реконструйованих траєкторій. Це свідчить про перспективність поєднання структурованої мережевої інформації з алгоритмічними підходами до інференції клітинних траєкторій.