8月7日，國(guó)際學(xué)術(shù)期刊Briefings in Bioinformatics在線發(fā)表了中國(guó)科學(xué)院分子細(xì)胞科學(xué)卓越創(chuàng)新中心陳洛南研究組的最新研究成果 “Single-cell causal network inferred by cross-mapping entropy” 。該成果提出了新的因果模型，鄰居交叉映射熵(neighbor cross-mapping entropy, NME)，用于從穩(wěn)定數(shù)據(jù)和時(shí)間序列數(shù)據(jù)中推斷因果關(guān)系和基因調(diào)控網(wǎng)絡(luò)(Gene Regulatory Network, GRN)。

　　基因調(diào)控網(wǎng)絡(luò)揭示了控制細(xì)胞狀態(tài)的復(fù)雜分子相互作用。然而，由于數(shù)據(jù)噪聲和分子非線性，確定基因之間的因果關(guān)系具有挑戰(zhàn)性。為了解決這些問題，作者提出了一種新的信息論方法，鄰居交叉映射熵(NME)，用于估計(jì)變量之間的因果關(guān)系，并對(duì)穩(wěn)態(tài)數(shù)據(jù)和時(shí)間序列數(shù)據(jù)推斷有向GRN，克服了基于信息論的GRN方法的局限性(圖1A)。NME可以基于函數(shù)連續(xù)性的思想，通過改變鄰居的大小來量化兩個(gè)變量之間的“連續(xù)因果關(guān)系”及其因果強(qiáng)度。同時(shí), 作者還將NME擴(kuò)展到條件鄰居交叉映射熵(cNME)，以獲得變量之間的直接因果關(guān)系 (圖1B)。與現(xiàn)有方法相比，NME和cNME都表現(xiàn)出更優(yōu)越的性能。此外，針對(duì)scRNA-seq數(shù)據(jù)集，作者開發(fā)了基于NME/cNME的scNME，它可以識(shí)別細(xì)胞狀態(tài)，消除物種異質(zhì)性，并有效推斷單個(gè)細(xì)胞的網(wǎng)絡(luò)活性(圖1C)。

　　綜上所述，NME可以準(zhǔn)確、穩(wěn)健地估計(jì)變量的直接因果關(guān)系，同時(shí)在單細(xì)胞數(shù)據(jù)中可以識(shí)別新的細(xì)胞類型/狀態(tài)和預(yù)測(cè)細(xì)胞類型特異性網(wǎng)絡(luò)模塊。

　　分子細(xì)胞卓越中心陳洛南研究員為本文通訊作者，博士后李琳、博士研究生夏瑞和碩士研究生陳薇為論文第一作者。該研究得到了國(guó)家自然科學(xué)基金委及上海市科委等項(xiàng)目的重要支持。

　　文章鏈接：https://academic.oup.com/bib/advance-article/doi/10.1093/bib/bbad281/7237942

NME算法的框架