🧬 biology

DeepCNet: A multimodal deep learning model for predicting cell type-specific gene expression and promoter-enhancer interactions from single-cell multiome data

DeepCNet es un novedoso marco de aprendizaje profundo multimodal que aprovecha los datos de multioma de célula única para predecir con precisión la expresión génica específica de cada tipo celular e inferir las interacciones reguladoras promotor-potenciador, permitiendo así la construcción de redes de regulación génica de factores de transcripción y la identificación de alteraciones regulatorias específicas de condiciones en enfermedades como el Alzheimer.

Autores originales: Li Chen, Weijia Jin, Fengdi Zhao, Xin Ma, Qing Lu, Karyn Esser, Ramon Sun

Publicado 2026-09-03

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Li Chen, Weijia Jin, Fengdi Zhao, Xin Ma, Qing Lu, Karyn Esser, Ramon Sun

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Dentro de cada célula del cuerpo humano, una vasta biblioteca de instrucciones espera ser leída. Esta biblioteca está escrita en el ADN, un largo código químico que determina cómo se comporta una célula, cómo se ve y qué función realiza. Sin embargo, el código en sí mismo es solo parte de la historia. Para entender cómo funciona una célula, los científicos también deben comprender cómo la célula decide qué partes del código leer y cuáles ignorar. Este proceso de toma de decisiones depende de diminutos interruptores llamados promotores y potenciadores (enhancers). Los promotores se sientan justo al lado de un gen, actuando como una puerta principal, mientras que los potenciadores son como controles remotos que pueden estar ubicados lejos, a veces a miles de letras de código de ADN de distancia. Cuando una célula necesita activar un gen específico, estas dos partes deben unirse físicamente, formando un bucle en la cadena de ADN para encender el gen. Descifrar qué control remoto se conecta con qué puerta principal en cada tipo diferente de célula es uno de los rompecabezas más difíciles de la biología moderna.

Durante mucho tiempo, los científicos solo pudieron estudiar estas conexiones observando una mezcla de millones de células a la vez, como intentar entender una conversación escuchando un estadio abarrotado. Este enfoque desdibujaba las voces únicas de los tipos de células individuales. La tecnología reciente ha cambiado esto al permitir que los investigadores observen el ADN y la actividad de los genes en células individuales, revelando los programas reguladores distintivos de las células inmunitarias, las células cerebrales y otras. Sin embargo, incluso con esta visión de alta resolución, predecir exactamente cómo estos interruptores distantes se conectan con sus genes objetivo sigue siendo un desafío importante. Los modelos informáticos existentes suelen tener dificultades para seguir el ritmo de la complejidad de estas interacciones, especialmente cuando se intenta comprender cómo estas conexiones cambian en enfermedades como el Alzheimer.

Un equipo de investigadores de la Universidad de Florida ha desarrollado un nuevo programa informático llamado DeepCNet para resolver este problema. Esta herramienta está diseñada para actuar como un puente entre la secuencia bruta de ADN y el comportamiento complejo de las células. En lugar de simplemente adivinar, DeepCNet aprende de datos reales para predecir cómo se comportará un gen en un tipo específico de célula. Lo hace observando dos cosas principales: la secuencia de las letras de ADN y la accesibilidad física del ADN, lo que le indica a la computadora qué partes del código están abiertas y listas para ser leídas. Al combinar estas dos fuentes de información, el programa puede inferir qué potenciadores es probable que estén hablando con qué genes.

Los investigadores probaron DeepCNet con datos de tejidos cerebrales y de sangre humana. Le pidieron a la computadora que predijera qué tan activos serían ciertos genes en diferentes tipos de células, como las células inmunitarias en la sangre o las neuronas en el cerebro. Cuando compararon las predicciones de DeepCNet con las mediciones reales tomadas de las células, el nuevo programa funcionó mejor que cualquier otro método existente. Fue más preciso al adivinar la fuerza de la actividad génica y, crucialmente, fue mejor identificando las conexiones correctas entre los potenciadores distantes y los genes que controlan. Para demostrar su fiabilidad, el equipo verificó las predicciones de DeepCNet contra datos experimentales independientes, incluyendo mapas físicos de bucles de ADN y resultados de experimentos donde interruptores de ADN específicos fueron desactivados. En cada caso, las conexiones inferidas por DeepCNet coincidieron con la evidencia del mundo real más de cerca que las de otros modelos.

Más allá de simplemente predecir la actividad génica, DeepCNet permite a los científicos mapear las redes reguladoras que gobiernan el comportamiento celular. Los investigadores utilizaron la herramienta para construir un mapa detallado de cómo los factores de transcripción —proteínas que actúan como los interruptores maestros de los genes— controlan sus objetivos en las células inmunitarias. El programa identificó con éxito reguladores conocidos y reveló cómo trabajan juntos en tipos de células específicos. Por ejemplo, destacó cómo ciertas proteínas se coordinan para gestionar la respuesta inmunitaria, mostrando tanto las reglas compartidas que se aplan a muchas células como las reglas únicas que definen tipos de células específicos.

El poder de DeepCNet se extiende a la comprensión de las enfermedades. Los investigadores aplicaron la herramienta a los datos de un paciente con la enfermedad de Alzheimer y un control sano para ver cómo las conexiones reguladoras podrían cambiar en el cerebro. Al comparar ambos, el programa identificó instancias específicas donde la conexión entre un gen y su interruptor se había alterado en el estado de la enfermedad. En las células cerebrales del paciente con Alzheimer, el programa encontró que la conexión entre un gen llamado AIF1 y su interruptor regulador se había fortalecido, un cambio que se alinea con lo que se sabe sobre la inflamación en la enfermedad. También detectó una conexión debilitada para otro gen, SLC20A2. Estos hallazgos sugieren que la enfermedad no se trata solo de genes encendiéndose o apagándose, sino de que el cableado físico del genoma está siendo recableado.

Los investigadores enfatizan que, si bien DeepCNet proporciona una sólida evidencia computacional de estos cambios, los hallazgos de esta comparación específica entre un paciente y una persona sana deben verse mejor como candidatos para estudios posteriores en lugar de un diagnóstico final. La herramienta está diseñada para resaltar dónde deben mirar los científicos a continuación. Al ofrecer una imagen más clara de cómo se organiza el genoma y cómo cambia en la enfermedad, DeepCNet proporciona una nueva forma de explorar los mecanismos ocultos que impulsan la salud y la enfermedad humana, convirtiendo un complejo rompecabezas biológico en un mapa que los investigadores realmente pueden seguir.

Resumen Técnico de DeepCNet

Planteamiento del Problema
Comprender cómo el ADN no codificante determina la expresión génica en diferentes tipos de células sigue siendo un desafío fundamental en la genómica. Si bien los modelos existentes de aprendizaje profundo de "secuencia-a-función" (por ejemplo, ExPecto, Enformer) han predicho con éxito la expresión génica a partir de secuencias de ADN, estos fueron desarrollados principalmente para datos de tejidos masivos (bulk) o configuraciones de tipos celulares independientes, priorizando a menudo la precisión predictiva sobre la inferencia regulatoria. Además, estos modelos típicamente no modelan explícitamente la heterogeneidad de los tipos celulares ni infieren las interacciones promotor-potenciador (PE) y las redes de regulación génica de factores de transcripción (TF-GRN) específicas de cada tipo celular. Aunque las tecnologías de multiómica de célula única ahora permiten el perfilado conjunto de la expresión de ARN y la accesibilidad de la cromatina a resolución de célula única, existe una falta de marcos computacionales que aprovechen estos datos multimodales para inferir sistemáticamente los mecanismos regulatorios específicos de cada tipo celular y sus alteraciones a través de condiciones biológicas.

Metodología
Los autores proponen DeepCNet, un marco de aprendizaje profundo multimodal diseñado para predecir la expresión génica específica de cada tipo celular e inferir las interacciones PE a partir de datos de multiómica de célula única. El marco consta de dos variantes complementarias:

DeepCNet-S (Condición única): Esta variante se centra en una sola condición biológica. Integra cuatro componentes clave:
- Codificador de Secuencia: Transforma las secuencias de ADN codificadas mediante one-hot encoding de los promotores de los genes y los picos de ATAC cercanos (dentro de ±100 kb del TSS) en características epigenómicas de alta dimensión, conscientes del tejido y del tipo celular, utilizando un modelo preentrenado de secuencia-a-función (ExPecto). Estas se combinan con características derivadas de ATAC (distancia pico-TSS y accesibilidad de la cromatina).
- Módulo de Interacción de la Cromatina: Utiliza un codificador de Atención de Múltiples Cabezales (MHA) para modelar las interacciones PE, generando embeddings contextualizados para promotores y potenciadores candidatos.
- Autoencoder de Tipos Celulares Cruzados: Aprende embeddings génicos conjuntos integrando la actividad génica específica de cada tipo celular derivada de los datos de ATAC. Emplea codificadores específicos de cada tipo celular y un decodificador compartido, guiado por una función de pérdida compuesta que incluye una pérdida de reconstrucción y una pérdida de similitud de tipo celular (basada en la distancia de linaje o topológica) para facilitar el intercambio de información entre tipos celulares relacionados.
- Módulo de Predicción de la Expresión Génica: Integra los embeddings del módulo de interacción de la cromatina y del autoencoder para predecir la expresión génica específica de cada tipo celular.
DeepCNet-D (Diferencial/Dos condiciones): Esta variante extiende DeepCNet-S para modelar conjuntamente dos condiciones biológicas (por ejemplo, enfermedad frente a control sano). Utiliza un marco de aprendizaje multitarea con características de secuencia de ADN compartidas y accesibilidad de la cromatina específica de la condición. Crucialmente, emplea un codificador MHA compartido con parámetros de condición aprendibles para modelar directamente las diferencias en las puntuaciones de atención PE ( $\Delta A_{PE}$ ) entre condiciones, lo que permite la identificación de interacciones PE diferenciales y el reajuste de las redes TF-GRN específicas de la condición.

Contribuciones Clave

Integración Multimodal: DeepCNet integra de manera única el contexto de la secuencia de ADN, la accesibilidad de la cromatina y las relaciones de los tipos celulares en un marco de aprendizaje profundo unificado.
Inferencia Regulatoria: A diferencia de métodos previos centrados únicamente en la predicción de la expresión, DeepCNet infiere explícitamente las interacciones PE específicas de cada tipo celular y construye las TF-GRN.
Modelado Diferencial: DeepCNet-D introduce un enfoque de modelado conjunto para datos de dos condiciones, distinguiéndose de las estrategias que entrenan modelos separados y restan los resultados, lo que reduce el ruido y captura los cambios regulatorios específicos de la condición de manera más efectiva.
Embeddings Conscientes del Tipo Celular: El autoencoder de tipos celulares cruzados permite al modelo tomar prestada información de tipos celulares relacionados mientras preserva los patrones específicos de cada tipo, mejorando el rendimiento en poblaciones celulares raras.

Resultados
Los autores evaluaron DeepCNet en dos conjuntos de datos representativos de multiómica de célula única: PBMC (sangre) y MFC (corteza frontal medial/cerebro).

Predicción de la Expresión Génica: DeepCNet superó consistentemente a los métodos de vanguardia (incluyendo EPInformer, ExPecto, seq2cells, Enformer y Borzoi) en la predicción de la expresión génica específica de cada tipo celular. Logró la mediana de correlación de Pearson (R) más alta y el error cuadrático medio (RMSE) más bajo en 19 tipos celulares en PBMC y 8 tipos celulares en MFC. Los estudios de ablación confirmaron que los embeddings derivados de la secuencia y los embeddings génicos de tipos celulares cruzados son los componentes más críticos para el rendimiento.
Inferencia de la Interacción PE: Al compararse con datos de interacción de la cromatina ortogonales (ChIA-PET para sangre, sn-m3C-seq para cerebro) y datos de perturbación CRISPR, DeepCNet demostró un rendimiento superior en la inferencia de interacciones PE. Logró puntuaciones de AUROC y AUPRC más altas en comparación con métodos supervisados (DIRECT-NET, SCARlink) y no supervisados (ArchR, Cicero), así como con enfoques basados en transformers como EPInformer.
Construcción de TF-GRN: Utilizando las interacciones PE inferidas, DeepCNet reconstruyó con éxito las TF-GRN específicas de cada tipo celular. En los datos de PBMC, identificó reguladores inmunes compartidos (p. ej., KLF2, NFKB1) y centros (hubs) específicos de cada tipo celular (p. ej., FOXP1 en CD4 TCM, SPI1 en monocitos). El análisis de enriquecimiento de GO de los genes objetivo confirmó la relevancia biológica con la diferenciación y señalización inmunitaria.
Análisis Diferencial (DeepCNet-D): Aplicado a datos de AD (enfermedad de Alzheimer) frente a controles sanos, DeepCNet-D identificó interacciones PE diferenciales con tasas de verdad de descubrimiento (TDR) más altas contra datos de Hi-C de dos condiciones en comparación con una estrategia de dos modelos (2DeepCNet-S). El modelo destacó cambios regulatorios específicos de la condición, como un módulo regulador centrado en SPI1 en la microglía que involucra genes como AIF1 y APOE, consistente con la patogénesis conocida de la AD.

Significancia y Reivindicaciones
El artículo afirma que DeepCNet proporciona un marco robusto y unificado para caracterizar los programas de regulación transcripcional y las interacciones cooperativas de TF que subyacen a la expresión génica específica de cada tipo celular y condición. Al aprovechar los datos de multiómica de célula única, DeepCNet no solo mejora la precisión de la predicción de la expresión génica, sino que también permite la inferencia sistemática de las interacciones PE y la reconstrucción de las TF-GRN. Los autores enfatizan que DeepCNet-D ofrece una ventaja distintiva al identificar mecanismos regulatorios diferenciales mediante el modelado conjunto de las condiciones, reduciendo la variación que surge de modelos entrenados de forma independiente. El estudio demuestra el potencial de este enfoque para descubrir candidatos de interacciones PE diferenciales y centros de TF reajustados en enfermedades complejas como el Alzheimer, sirviendo como base para comprender la base regulatoria de la identidad celular y los estados de enfermedad. Los autores señalan que, si bien los resultados son prometedores, los hallazgos diferenciales del estudio de AD de dos donantes deben considerarse como candidatos ilustrativos en lugar de efectos definitivos a nivel de población, a la espera de una mayor validación con cohortes más grandes y ensayos funcionales.

Resumen Técnico de DeepCNet

Más como este