MICA: a multi-omics method to predict gene regulatory networks in early human embryos.
MICA: a multi-omics method to predict gene regulatory networks in early human embryos.
复制标题
云母：一种预测早期人类胚胎基因调节网络的多摩斯方法。
DOI：
10.26508/lsa.202302415
复制
发表时间：
2024-01
影响因子：
4.4
通讯作者：
中科院分区：
文献类型：
--
作者：
我们对基因调控网络预测的比较分析定义了一条推断早期人类胚胎中转录因子-靶基因调控相互作用的管道。通过染色质可及性细化的互信息使我们能够在人类早期发育期间构建第一个网络。单细胞组学的最新进展已经改变了在挑战性研究生物学背景下的细胞类型表征。在有限的单细胞样本的情况下，如早期人类胚胎，转录因子-基因调控网络（GRN）相互作用的推断特别困难。在这里，我们评估了不同的线性或非线性GRN预测对单细胞模拟和人类胚胎转录组数据集的应用。我们还比较了表达标准化对GRN预测的影响，发现每百万读段的转录本优于其他方法。与测试的替代网络预测方法相比，使用基于互信息（MI）的非线性方法（称为云母）对染色质可及性（CA）进行细化的单细胞转录组数据集进行GRN推断更具重现性。云母捕获复杂的非单调依赖性和反馈回路。使用云母，我们在早期人类发育中产生了第一个GRN推论。云母预测了AP-1转录因子亚基原癌基因JUND和TFAP 2C转录因子AP-2γ在早期人类胚胎中的共定位。总的来说，我们对GRN预测方法的比较分析定义了一个管道，可以应用于单细胞多组学数据集，特别是在具有挑战性的背景下，以推断转录因子表达和靶基因调控之间的相互作用。
Our comparative analysis of gene regulatory network predictions defines a pipeline to infer transcription factor–target gene regulatory interactions in early human embryos. Mutual information refined by chromatin accessibility allowed us to construct the first network during early human development. Recent advances in single-cell omics have transformed characterisation of cell types in challenging-to-study biological contexts. In contexts with limited single-cell samples, such as the early human embryo inference of transcription factor-gene regulatory network (GRN) interactions is especially difficult. Here, we assessed application of different linear or non-linear GRN predictions to single-cell simulated and human embryo transcriptome datasets. We also compared how expression normalisation impacts on GRN predictions, finding that transcripts per million reads outperformed alternative methods. GRN inferences were more reproducible using a non-linear method based on mutual information (MI) applied to single-cell transcriptome datasets refined with chromatin accessibility (CA) (called MICA), compared with alternative network prediction methods tested. MICA captures complex non-monotonic dependencies and feedback loops. Using MICA, we generated the first GRN inferences in early human development. MICA predicted co-localisation of the AP-1 transcription factor subunit proto-oncogene JUND and the TFAP2C transcription factor AP-2γ in early human embryos. Overall, our comparative analysis of GRN prediction methods defines a pipeline that can be applied to single-cell multi-omics datasets in especially challenging contexts to infer interactions between transcription factor expression and target gene regulation.
登录
查看更多内容
影响因子：
3
作者：
Chen S;Mar JC
通讯作者：
Mar JC
影响因子：
5.3
作者：
ARCECI, RJ;KING, AAJ;WILSON, DB
通讯作者：
WILSON, DB
影响因子：
2.7
作者：
FIELLER, EC;HARTLEY, HO;PEARSON, ES
通讯作者：
PEARSON, ES
影响因子：
48
作者：
Amezquita, Robert A.;Lun, Aaron T. L.;Hicks, Stephanie C.
通讯作者：
Hicks, Stephanie C.
影响因子：
16.6
作者：
Chovanec P;Collier AJ;Krueger C;Várnai C;Semprich CI;Schoenfelder S;Corcoran AE;Rugg-Gunn PJ
通讯作者：
Rugg-Gunn PJ