基于扰动特异性双通路建模的转录组重排预测方法及系统
本发明涉及生物信息,特别是涉及一种基于扰动特异性双通路建模的转录组重排预测方法及系统。
背景技术:
1、遗传扰动实验是研究基因调控机制、解析细胞功能状态和发现潜在治疗靶点的重要技术手段。随着crispr筛选和单细胞转录组测序技术的发展,研究人员能够在单细胞分辨率下观测基因敲除、敲低、过表达等遗传干预对细胞转录状态的影响,从而揭示扰动后基因表达网络的重构过程。然而,待研究基因数量庞大,不同基因之间还可能形成复杂的组合扰动关系,若完全依赖湿实验逐一验证,将面临实验成本高、周期长、通量受限和组合空间难以穷举等问题。现有技术通常利用机器学习或深度学习方法,将扰动前细胞的基因表达状态和扰动靶基因信息作为输入,学习扰动前后表达状态之间的映射关系,并输出扰动后的基因表达谱或表达变化量。部分方法通过引入基因功能先验、基因调控关系或大规模单细胞表达数据预训练表示,以增强模型对未见扰动或组合扰动的预测能力。上述方法在一定程度上提高了遗传扰动响应预测的自动化水平,能够减少对大规模实验筛选的依赖。
2、现有方法大多以扰动后表达值的点对点重构误差作为主要优化目标,容易受到测序噪声、批次效应以及扰动细胞与对照细胞之间共有表达偏移的影响。模型在训练过程中可能倾向于拟合数据集中普遍存在的背景表达模式或平均扰动效应,而不是学习不同扰动所特有的跨基因表达重排关系。由此得到的预测结果虽然可能在常规误差或相关性指标上表现较好,但其对扰动特异性生物学效应的刻画能力不足。现有方法对扰动信息的利用方式较为粗粒度,通常将扰动靶基因编码为一个全局条件向量,再与细胞表示或解码器表示进行拼接或融合。这种方式难以刻画某一扰动对不同基因、不同表达通道产生的差异化影响。现有方法对细胞基础状态的建模不充分,不同细胞即使接受相同遗传扰动,也可能由于初始转录状态、细胞周期、调控网络活性等差异而产生不同响应。
3、因此,传统的单细胞遗传扰动响应预测方法由于以点对点重构误差为主导的优化目标、粗粒度的扰动信息利用方式以及对细胞基础状态的建模不充分,往往存在难以有效捕捉扰动特异性转录组重排的问题。
技术实现思路
1、基于此,为了解决上述技术问题,提供一种基于扰动特异性双通路建模的转录组重排预测方法及系统,可以学习不同扰动靶基因在不同细胞状态下引起的扰动特异性转录组重排,降低共有背景表达偏移对预测结果的干扰。
2、一种基于扰动特异性双通路建模的转录组重排预测方法,所述方法包括:
3、获取单细胞遗传扰动数据,所述扰动数据包括扰动前细胞的基因表达谱、扰动靶基因,并以所述扰动靶基因为节点,根据基因本体注释信息计算基因间的功能相似度,构建扰动靶基因功能相似图;
4、在所述扰动靶基因功能相似图上进行图信息传播,生成每个扰动靶基因的功能嵌入向量,并对各个所述功能嵌入向量进行聚合,得到样本级扰动语义向量;
5、将所述基因表达谱中各基因的表达值与可学习基因嵌入融合,通过基因间注意力机制建模基因上下文依赖关系,得到上下文感知的基因隐表示矩阵;
6、将所述样本级扰动语义向量沿基因维度广播扩展,为每个基因生成对应的缩放参数和偏移参数,利用所述缩放参数和偏移参数,对所述基因隐表示矩阵中的每个基因隐表示进行特征级线性调制,得到扰动条件化基因表示矩阵;
7、将所述基因表达谱输入编码器网络得到细胞状态向量,将所述细胞状态向量与所述样本级扰动语义向量进行融合,得到扰动-细胞状态联合上下文向量;并通过交叉注意力机制将所述扰动-细胞状态联合上下文向量注入所述扰动条件化基因表示矩阵,得到背景注入后的基因响应表征;
8、将所述基因响应表征输入基因解码器,为每个基因独立解码得到对应的扰动效应值,将各个所述扰动效应值组成扰动效应向量,并将所述扰动效应向量与所述基因表达谱结合,得到预测的扰动后表达谱。
9、在其中一个实施例中,获取单细胞遗传扰动数据,所述扰动数据包括扰动前细胞的基因表达谱、扰动靶基因,并以所述扰动靶基因为节点,根据基因本体注释信息计算基因间的功能相似度,构建扰动靶基因功能相似图,包括:
10、获取经单细胞转录组测序得到的细胞基因表达数据,并对所述细胞基因表达数据进行标准化处理,得到扰动前细胞的基因表达谱;
11、基于单细胞遗传扰动数据中携带的扰动标记信息,识别每个扰动细胞对应的扰动靶基因;
12、获取各所述扰动靶基因的基因本体注释信息,为每个所述扰动靶基因建立关联的基因本体功能条目集合;
13、基于所述基因本体功能条目集合计算任意两个扰动靶基因之间的功能相似度,基于所述功能相似度为每个扰动靶基因选取邻居节点,构建扰动靶基因之间的邻接关系,以所述扰动靶基因为节点,以所述邻接关系为边,以所述功能相似度为对应边的权重,构建扰动靶基因功能相似图。
14、在其中一个实施例中,在所述扰动靶基因功能相似图上进行图信息传播,生成每个扰动靶基因的功能嵌入向量,并对各个所述功能嵌入向量进行聚合,得到样本级扰动语义向量,包括:
15、为所述扰动靶基因功能相似图中的每个扰动靶基因分别分配可学习的初始嵌入向量;
16、基于所述扰动靶基因功能相似图的节点连接关系以及边权重进行邻域信息聚合,获取每个靶基因节点的邻居节点以及对应的边权重,对所述靶基因节点的初始嵌入向量以及邻居节点的初始嵌入向量进行加权汇总,并经过非线性变换处理,得到各扰动靶基因节点的功能嵌入向量;
17、针对单细胞样本对应的扰动靶基因集合,选取对应的各扰动靶基因节点的功能嵌入向量,并对所选取的全部功能嵌入向量进行聚合,得到单细胞样本的样本级扰动语义向量。
18、在其中一个实施例中,将所述基因表达谱中各基因的表达值与可学习基因嵌入融合,通过基因间注意力机制建模基因上下文依赖关系,得到上下文感知的基因隐表示矩阵,包括:
19、为所述基因表达谱中各基因配置可学习的静态基因嵌入向量,并通过全局共享的仿射变换与层归一化,将所述基因表达谱中各基因的标量表达值映射为与所述静态基因嵌入向量同维度的表达特征向量;
20、将每个基因的所述静态基因嵌入向量分别与对应的所述表达特征向量进行加权组合,构造得到每个基因的查询分量、键分量、值分量并分别堆叠,得到查询矩阵、键矩阵和值矩阵;
21、以所述查询矩阵、键矩阵和值矩阵为输入,通过基因间注意力机制计算各基因之间的注意力权重,并根据所述注意力权重对所有基因的值分量进行加权聚合,得到每个基因的上下文感知隐表示,构建得到上下文感知的基因隐表示矩阵。
22、在其中一个实施例中,将所述样本级扰动语义向量沿基因维度广播扩展,为每个基因生成对应的缩放参数和偏移参数,利用所述缩放参数和偏移参数,对所述基因隐表示矩阵中的每个基因隐表示进行特征级线性调制,得到扰动条件化基因表示矩阵,包括:
23、将所述样本级扰动语义向量沿基因维度进行广播扩展,使扩展后的扰动语义矩阵的行数与基因隐表示矩阵的基因总数一致;
24、将所述扩展后的扰动语义矩阵分别输入缩放参数生成网络和偏移参数生成网络,对每个基因的扰动语义向量独立执行非线性变换,分别输出各个基因对应的缩放参数向量和偏移参数向量,并构成缩放参数矩阵和偏移参数矩阵;
25、利用所述缩放参数矩阵和所述偏移参数矩阵,对所述基因隐表示矩阵中每个基因隐表示的每一个特征通道分别执行逐元素乘性缩放和逐元素加性偏移,得到扰动条件化基因表示矩阵。
26、在其中一个实施例中,将所述基因表达谱输入编码器网络得到细胞状态向量,将所述细胞状态向量与所述样本级扰动语义向量进行融合,得到扰动-细胞状态联合上下文向量;并通过交叉注意力机制将所述扰动-细胞状态联合上下文向量注入所述扰动条件化基因表示矩阵,得到背景注入后的基因响应表征,包括:
27、将所述基因表达谱输入由多层感知机构成的编码器网络,通过非线性变换将高维表达谱压缩为低维稠密的细胞状态向量;
28、将所述细胞状态向量与所述样本级扰动语义向量进行拼接,并将拼接后的联合特征向量输入融合网络进行非线性变换,得到扰动-细胞状态联合上下文向量;
29、以所述扰动条件化基因表示矩阵作为查询侧输入,以所述扰动-细胞状态联合上下文向量作为键值侧条件,通过交叉注意力机制计算每个基因的查询投影向量与上下文键向量之间的注意力权重,并对上下文值向量进行加权聚合,得到每个基因的残差修正项;
30、将所述残差修正项与所述扰动条件化基因表示矩阵进行残差相加融合,得到背景注入后的基因响应表征。
31、在其中一个实施例中,将所述基因响应表征输入基因解码器,为每个基因独立解码得到对应的扰动效应值,将各个所述扰动效应值组成扰动效应向量,并将所述扰动效应向量与所述基因表达谱结合,得到预测的扰动后表达谱,包括:
32、为每个基因配置独立的解码权重向量和解码偏置,所述解码权重向量和解码偏置为可学习参数且在不同基因之间相互独立;
33、对于每个基因,将对应的所述基因响应表征与所述解码权重向量进行内积运算,并加上所述解码偏置得到基因的扰动效应值;
34、将所有基因的扰动效应值按基因维度堆叠,构成与所述基因表达谱同维度的扰动效应向量;
35、将所述扰动效应向量与所述基因表达谱进行逐元素相加,得到预测的扰动后表达谱。
36、在其中一个实施例中,所述方法还包括:
37、采用传统预测指标对所述预测的扰动后表达谱与真实表达谱的接近程度进行评价;其中,所述传统预测指标包括表达误差、相关系数、差异表达基因预测能力和组合扰动预测能力中的至少一种。
38、一种基于扰动特异性双通路建模的转录组重排预测系统,所述系统包括:
39、数据获取模块,用于获取单细胞遗传扰动数据,所述扰动数据包括扰动前细胞的基因表达谱、扰动靶基因,并以所述扰动靶基因为节点,根据基因本体注释信息计算基因间的功能相似度,构建扰动靶基因功能相似图;
40、扰动语义生成模块,用于在所述扰动靶基因功能相似图上进行图信息传播,生成每个扰动靶基因的功能嵌入向量,并对各个所述功能嵌入向量进行聚合,得到样本级扰动语义向量;
41、基因编码模块,用于将所述基因表达谱中各基因的表达值与可学习基因嵌入融合,通过基因间注意力机制建模基因上下文依赖关系,得到上下文感知的基因隐表示矩阵;
42、基因特征调制模块,用于将所述样本级扰动语义向量沿基因维度广播扩展,为每个基因生成对应的缩放参数和偏移参数,利用所述缩放参数和偏移参数,对所述基因隐表示矩阵中的每个基因隐表示进行特征级线性调制,得到扰动条件化基因表示矩阵;
43、细胞背景注入模块,用于将所述基因表达谱输入编码器网络得到细胞状态向量,将所述细胞状态向量与所述样本级扰动语义向量进行融合,得到扰动-细胞状态联合上下文向量;并通过交叉注意力机制将所述扰动-细胞状态联合上下文向量注入所述扰动条件化基因表示矩阵,得到背景注入后的基因响应表征;
44、扰动效应解码模块,用于将所述基因响应表征输入基因解码器,为每个基因独立解码得到对应的扰动效应值,将各个所述扰动效应值组成扰动效应向量,并将所述扰动效应向量与所述基因表达谱结合,得到预测的扰动后表达谱。
45、上述基于扰动特异性双通路建模的转录组重排预测方法及系统,通过将基因表达值与可学习基因嵌入相融合,并借助基因间注意力机制建模细胞内部基因之间的上下文依赖关系,得到上下文感知的基因隐表示矩阵,使基因表征能够结合当前细胞实际转录背景动态变化,捕捉细胞内基因之间的相互作用关系;将样本级扰动语义向量广播扩展后生成逐基因、逐特征通道的缩放参数与偏移参数,通过特征级线性调制得到扰动条件化基因表示矩阵,能够提升关键响应基因表达变化方向、幅度预测的稳定性;引入编码器网络提取细胞状态向量,将细胞状态向量与样本级扰动语义向量融合得到扰动-细胞状态联合上下文向量,再经由交叉注意力机制将联合上下文信息注入基因表征,能够避免扰动效应表征发生坍塌、不同扰动效应混叠;通过基因解码器独立解码输出各个基因的扰动效应值,组装为扰动效应向量后再与扰动前基因表达谱结合得到扰动后表达谱,实现细胞基础表达状态与扰动诱导表达变化的显式解耦,降低测序噪声、数据集共有背景表达偏移对预测结果带来的干扰。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com