CycleGRN: Inferring Gene Regulatory Networks from Cyclic Flow Dynamics in Single-Cell RNA-seq

CycleGRN 是一种无需时间分箱或剪接动力学信息的新型框架，它通过将细胞周期基因表达视为随机微分方程的不变测度并构建流场对齐的有向图，成功从单细胞转录组数据中推断出具有振荡特性的基因调控网络。

要点

这篇论文介绍了一种名为 CycleGRN 的新方法，旨在解决生物学中一个非常棘手的问题：如何从“静止”的快照中，看清细胞内部基因是如何像时钟一样“循环”运转并互相控制的。

为了让你轻松理解，我们可以把细胞内的基因调控网络想象成一个繁忙的“城市交通系统”。

1. 核心难题：只有照片，没有视频

想象一下，你想知道这个城市的交通规律（比如红绿灯怎么切换、车流怎么流动）。

• 传统方法的问题：科学家通常只能拍到成千上万张静止的照片（单细胞测序数据）。每张照片里，车（细胞）停在不同的位置，但你不知道它们下一秒会往哪开，也不知道它们之前是从哪来的。
• 更糟糕的是：很多传统算法为了分析方便，强行把那些“循环”的规律（比如细胞分裂周期）当作噪音给过滤掉了。这就像为了看清城市布局，把所有正在转圈的公交车都扔出了地图，结果你根本看不懂交通流是怎么循环的。

2. CycleGRN 的绝招：寻找“隐形时钟”

CycleGRN 的聪明之处在于，它不依赖外部的时间标签（比如“这是第 1 秒拍的照片”），而是从数据本身“猜”出一个隐形的时钟。

• 比喻：在旋转木马上找规律
  想象细胞周期就像旋转木马。虽然你只能看到马匹静止在不同位置的照片，但 CycleGRN 会观察所有马匹的分布，发现它们其实围成了一个圈。
  • 它利用数学工具（偏微分方程），在基因表达的空间里“画”出了一条隐形的流动路径（Flow）。
  • 这就好比它给旋转木马装上了隐形的传送带，告诉我们：虽然照片是静止的，但如果顺着这个传送带走，A 马会在 B 马之前出现，B 马会在 C 马之前出现。

3. 它是如何工作的？（三步走）

第一步：给“循环基因”装导航

首先，它只盯着那些已知会“循环”的基因（比如控制细胞分裂的基因，就像旋转木马上的核心齿轮）。

• 它学习这些基因如何形成一个闭环的流动场。这就好比它先搞懂了旋转木马的转动方向和速度。

第二步：把“速度”传给所有基因

一旦搞懂了核心齿轮怎么转，它就把这个“流动方向”推广到所有基因身上。

• 比喻：就像知道了风（流动方向）是从东往西吹的，它就能推断出：虽然这棵树的叶子（某个基因）现在还没动，但根据风向，它下一秒应该会往西飘。
• 这就计算出了每个基因的**“速度”**（Velocity）：它是正在增加（加速），还是正在减少（减速）。

第三步：像侦探一样推理因果关系

有了“速度”和“方向”，它就可以玩“时间差游戏”了。

• 比喻：如果基因 A 的速度变化总是先于基因 B 的速度变化，那么 A 很可能就是 B 的“指挥官”（调控者）。
• 通过这种时间滞后的关联，它不仅能画出基因之间的连线，还能标出箭头方向（谁控制谁），甚至知道是“踩油门”（激活）还是“踩刹车”（抑制）。

4. 为什么它很厉害？（实战表现）

• 不需要“时间戳”：以前的方法需要知道细胞处于什么时间点（比如“这是分裂第 10 分钟”），但 CycleGRN 不需要，它只需要一堆静止的细胞照片和一份“循环基因名单”。
• 在真实数据中胜出：
  • 在模拟数据中，它像解数学题一样，完美还原了已知的基因网络。
  • 在小鼠视网膜细胞的真实数据中，它成功识别出了细胞分裂时的关键基因（如 Top2a），甚至发现了一些传统方法漏掉的“上下游”关系。
  • 最精彩的部分：当科学家敲除（关闭）某些关键基因（Nfia/b/x）时，CycleGRN 能敏锐地发现网络结构的不对称变化：原本负责“踩油门”的基因还在疯狂运转，但负责“踩刹车”或“执行分化”的基因却断开了连接。这完美解释了为什么突变细胞会失控增殖。

总结

CycleGRN 就像是一个拥有“透视眼”的侦探。

它不需要你给它看视频，只需要给它一堆静止的“犯罪现场照片”（单细胞数据）。通过观察照片中“循环基因”的分布规律，它能在脑海中重建出动态的“犯罪过程”，从而精准地推断出谁是幕后主使（调控者），谁是被迫执行的（被调控者），以及整个系统是如何在循环中运转的。

这项技术不仅让我们更懂细胞分裂，未来还可能帮助我们要理解昼夜节律、甚至癌症中失控的细胞循环。

技术摘要

1. 研究背景与问题 (Problem)

• 核心挑战：细胞周期等振荡过程（Oscillatory processes）在细胞命运决定和疾病发展中起着关键作用。然而，现有的基因调控网络（GRN）推断方法往往未能有效利用这些动态特性。
• 现有方法的局限性：
  • 忽略动态性：许多方法将细胞周期效应视为干扰因素（confounders）并予以剔除，导致丢失了关于内在时间结构的重要信息。
  • 伪时间（Pseudotime）的缺陷：现有的轨迹推断方法通常依赖离散的时间分箱（binning）或需要预定义的初始状态，难以捕捉细胞周期连续且周期性的本质。
  • 数据限制：许多速度推断方法（如 RNA velocity）依赖剪接动力学（splicing dynamics），这在测序深度有限时不可用；而基于时间序列的方法则依赖明确的时间标签，这在单细胞测序（通常是异步快照）中往往缺失。
• 研究目标：提出一种无需时间标签、无需剪接信息，仅基于单细胞转录组数据和已知的周期基因列表，即可推断具有方向性和因果关系的基因调控网络的方法。

2. 方法论 (Methodology)

CycleGRN 框架的核心思想是将细胞周期基因的表达观测值视为随机微分方程（SDE）的不变测度（invariant measure），并学习一个拟合振荡生物过程的动态系统。

2.1 学习细胞周期基因的动力学 (Learning Cyclic Flow)

• 输入：单细胞基因表达矩阵 $X$ 和周期基因子集 $G_{inv}$。
• 流场学习：
  • 将细胞在周期基因空间中的分布视为点云。
  • 构建一个参数化的流场 $\nu_\theta(x)$（通过神经网络参数化），使得该流场诱导的稳态密度 $\rho_{\nu_\theta}$ 与观测到的细胞密度 $\rho^*$ 匹配。
  • 优化目标：最小化两者分布之间的距离（如 Wasserstein 距离或 KL 散度）。
  • 求解：基于 Fokker-Planck 方程，利用有限体积数值解法求解稳态解，并通过伴随状态法（adjoint-state method）和反向传播优化神经网络参数。
  • 可识别性：在单维循环流形（$S^1$）上，不变密度确定了流的方向（除全局翻转和时间重参数化外）。通过引入最小生物标记（如 S/G2M 期基因）来固定方向。

2.2 周期感知的 Lie 导数 (Cycle-aware Lie Derivatives)

• 问题：学习到的流场仅定义在周期基因子空间，需推广到全基因组。
• 解决方案：
  • 构建基于细胞的有向 $K$-近邻图（Transition Matrix $L$），其中边的方向由局部流场 $\nu$ 决定。
  • 定义离散 Lie 导数来估计每个基因沿流场的变化率（速度）：
    $$V \approx X(L^\top - I)$$
  • 其中 $X$ 是全基因 - 细胞矩阵。$V_{g,c}$ 表示基因 $g$ 在细胞 $c$ 中沿流场的预期变化率。这扩展了动力学信息到所有基因，无需剪接数据。

2.3 基于有向图的时间滞后相关性 (Time-lagged Correlation)

• 传播算子：为了捕捉多步传播，定义滞后邻域算子 $P_\alpha = (I - \alpha L)^{-1}L$，它对应于沿流场方向的 Markov 链传播。
• 相关性计算：对于任意基因对 $(g_1, g_2)$，定义时间滞后相关算子：
  $$C_\alpha(g_1, g_2) = \langle V_{g_1}, P_\alpha V_{g_2} \rangle$$
• 特性：
  • 有向性：由于 $P_\alpha$ 编码了时间滞后，矩阵 $C_\alpha$ 通常是非对称的，能够推断潜在的因果顺序（源 - 目标关系）。
  • 符号性：正值表示沿流场同向变化，负值表示反向变化。

3. 主要贡献 (Key Contributions)

1. 无需时间标签的 PDE 约束优化：提出了一种直接从 scRNA-seq 数据中学习不变循环动力学的方法，无需时间标签或剪接信息，仅需周期基因列表。
2. 流对齐的 Lie 导数：开发了将周期子空间的动力学扩展到全转录组的机制，生成了基因和细胞特异性的速度估计。
3. 流对齐的时间滞后相关算子：定义了一族新的相关算子，利用学习到的动力学推断具有方向性和符号的基因调控相互作用，克服了传统静态相关性的局限。

4. 实验结果 (Results)

4.1 合成数据评估

• 数据集：基于 HARISSA 机制模型生成的 4 个合成数据集（包含 FN4, CN5, FN8 及 Notch 通路），具有已知的振荡子网络结构。
• 对比方法：HARISSA, CARDAMOM, GENIE3, GRNBoost2, SINCERITIES。
• 表现：
  • CycleGRN 在所有指标（有向 AUPR 和符号 AUPR）上均表现优异，特别是在较小的网络中排名首位。
  • 即使在更复杂的网络（FN8, Notch）中，其表现也优于或持平于需要知道生成模型机制的 HARISSA/CARDAMOM。
  • 证明了即使没有输入时间信息，该方法也能恢复出与真实时间一致的时序信息。

4.2 真实数据评估 (小鼠视网膜祖细胞)

• 数据集：包含早期、晚期祖细胞及神经发生细胞（含敲除条件）的 scRNA-seq 数据。
• 流场恢复：
  • 在细胞周期基因空间中成功恢复了与 Tricycle 伪时间一致但更连续的循环流场。
  • 相比之下，基于最优传输（Optimal Transport）的方法在实验时间或 Tricycle 分箱下均未能恢复出连贯的循环流场。
• 网络推断：
  • 在早期和晚期祖细胞中，CycleGRN 在 STRING 数据库和 ChIP-seq 基准测试中均优于 GENIE3 和 GRNBoost2。
  • 在神经发生细胞（细胞周期活动减弱）中，表现仍具有竞争力，而其他方法接近随机基线。
• 案例研究 (Top2a)：
  • CycleGRN 成功预测了 Top2a 指向 Cenpa 的边（G2/M 期基因），这是基于静态回归的方法（如 GENIE3）所遗漏的，证明了其捕捉相位依赖性和方向性的能力。
• 差异网络推断：
  • 在 $Nfia/b/x$ 三敲除模型中，方法成功识别了网络的重连（rewiring）：增殖驱动因子（如 Hmgb2, Top2a）形成自维持模块，而分化相关基因失去调控连接，这与生物学表型一致，验证了推断出的因果方向性。

5. 意义与展望 (Significance & Discussion)

• 科学意义：CycleGRN 提供了一种新的范式，将细胞周期等振荡过程视为推断 GRN 的“内在时钟”，而非干扰因素。它解决了单细胞数据中缺乏时间标签和剪接信息的痛点。
• 技术优势：
  • 不依赖离散时间分箱，保留了细胞动力学的连续性。
  • 能够推断有向（因果）和符号（激活/抑制）的调控关系。
  • 在细胞周期活动减弱或异步程度高的数据集中依然有效。
• 局限与未来方向：
  • 当前实现依赖 2D 嵌入，可能在细胞类型高度异质时失效（未来可扩展至高维）。
  • 流场的唯一性依赖于外部生物标记，未来可结合时间延迟坐标或 Takens 定理改进。
  • 目前主要针对振荡基因，未来计划扩展至多尺度推断，整合不同时间尺度的调控流（如昼夜节律、发育程序）。

总结：CycleGRN 通过数学上的不变测度理论和流场学习，成功从静态单细胞快照中重构了动态的基因调控网络，特别是在处理具有周期性特征的生物过程时，展现了超越传统静态或离散时间方法的优越性。