【文献分享】CroCoNet：跨物种基因调控网络定量比较框架

一、文章介绍将基因型与表型联系起来是进化生物学的核心目标之一。基因调控网络Gene Regulatory Networks, GRNs作为协调全基因组转录程序的关键中介在这一关系中扮演着桥梁角色。以共表达模块为单位研究GRNs提供了一种强大的抽象层次模块通常反映共享的调控输入或共同的功能角色且在不同物种间可能比单个基因更保守。因此基于模块的GRNs比较分析能够揭示表型进化的分子基础同时为构建更准确的调控网络模型提供信息。然而理解网络进化在脊椎动物中仍然相对欠缺。与微生物不同具有大基因组和较小有效种群大小的哺乳动物可能遵循不同的进化规则。虽然许多跨物种比较聚焦于进化距离较远的物种如人类和小鼠之间的基因剂量变化但考虑到哺乳动物基因组的架构转录因子活性的改变反式效应和顺式调控元件的修饰顺式效应可能比剂量变化更能代表调控进化的直接和广泛来源。因此聚焦于密切相关的物种之间的模块分化对于研究这些过程更具优势。单细胞RNA测序scRNA-seq技术的出现使得以前所未有的规模和分辨率研究GRNs成为可能。单次实验分析数千至数百万个细胞为检测共表达模式提供了充足的观测值。然而转录组相似性的衡量仍然受到大量生物学和技术噪声的干扰如细胞应激、丢失事件、背景污染和测序深度差异这在跨物种比较中尤为突出。一种常见策略是在各物种中独立定义模块并量化其重叠但这种方法对模块检测中的假阳性和假阴性极为敏感。即使真实模块完全相同有限的检测能力例如在每个物种中仅50%也会使观测到的重叠降至33%而假阳性会进一步降低表观保守性。因此公平的进化比较需要1比成员重叠更稳健的统计指标2对影响检测能力的方差来源进行明确校正。为满足这两项要求Anita Térmeg、Vadaslav Storozhuk及其合作者在Genome Biology上发表了题为“CroCoNet: a framework for the quantitative comparison of gene regulatory networks across species”的研究论文提出了一个名为CroCoNet的R软件包用于跨物种GRNs的定量比较。CroCoNet的核心设计围绕三个主要步骤展开首先通过整合所有物种的信息识别共识模块——将各生物学重复的网络合并为系统发育感知的共识网络并基于候选调控因子如转录因子及其靶基因的调控邻接性和模块内连接性采用动态剪枝策略分配模块。其次采用模块保存统计量adjacencies相关性、intramodular connectivities相关性跨物种和跨重复比较模块拓扑并将保存分数转换为距离矩阵构建邻接树。最后通过对比物种内与物种间的拓扑差异来量化模块分化——借鉴群体遗传学中McDonald-Kreitman检验的思想将物种内多样性作为技术和环境噪声的代理通过线性回归校正噪声残差反映真实进化信号从而区分真正进化分歧与技术和生物混杂因素。研究者在两个灵长类scRNA-seq数据集上验证了CroCoNet的效用。第一个数据集是研究者实验室生成的人类、大猩猩和食蟹猴iPSC早期神经分化数据第二个是已发表的五种灵长类大脑样本数据。通过共识模块验证通路富集、基序富集、ChIP-seq富集CroCoNet成功识别了具有生物学意义的模块。在神经分化数据中鉴定出20个保守模块和24个分歧模块其中包括预期保守的HOXA2和显著分歧的POU5F1OCT4模块。通过CRISPRi敲低实验研究者在人类和食蟹猴iPSC中验证了POU5F1模块的物种间差异调控确认了SPP1等靶基因在两种物种中的不同调控模式充分证明了CroCoNet恢复生物学上有意义的跨物种网络差异的能力。二、算法原理介绍CroCoNet的算法设计围绕“共识模块识别 → 保存统计计算 → 噪声校正分化量化”三个核心步骤展开。一系统发育感知的共识网络与模块分配。输入为每个生物学重复的网络邻接矩阵。首先基于灵长类分歧时间计算重复间的系统发育相似性矩阵Sij1−tij/max⁡(t)S_{ij} 1 - t_{ij}/\max(t)Sij​1−tij​/max(t)重复权重wiw_iwi​与∑j∈RSij\sum_{j\in R}S_{ij}∑j∈R​Sij​成反比使亲缘关系近的物种和重复数多的物种被适当降权。共识邻接值aconsensus∑iwiaia_{\text{consensus}} \sum_i w_i a_iaconsensus​∑i​wi​ai​。随后基于预定义的调控因子列表如转录因子为每个调控因子分配初始模块前4000个靶基因然后采用动态剪枝策略迭代计算两个关键指标——调控因子-靶基因邻接性aregulatora_{\text{regulator}}aregulator​和模块内连接性kIMkIMkIM通过累积和曲线的“肘点”确定保留阈值重复剪枝直至所有模块保持最小基因数≥20。最终模块大小在25-67之间中位数约45-51。二模块保存统计与树重构。对每个共识模块在所有重复对之间计算两种保存统计量cor.adj邻接相关性捕获细粒度边级拓扑和cor.kIM模块内连接性相关性反映粗粒度基因级拓扑。保存分数presprespres被转换为距离dist(1−pres)/2dist (1 - pres)/2dist(1−pres)/2构建距离矩阵并推断每个模块的邻接树。基于树计算整体树特征总树长LtL_tLt​和物种内多样性LwL_wLw​以及谱系特异性特征目标物种的亚树长和多样性。通过Jackknife逐一剔除成员基因评估指标不确定性。三噪声校正的分化量化。核心创新在于借鉴McDonald-Kreitman检验的逻辑。假设物种内多样性LwL_wLw​主要反映技术和环境噪声而物种间差异贡献总树长LtL_tLt​中超出LwL_wLw​解释的部分。拟合加权线性模型LtβLwcϵL_t \beta L_w c \epsilonLt​βLw​cϵ权重为Jackknife方差的倒数。残差ϵ\epsilonϵ代表总树长中无法由物种内多样性解释的方差即真实进化信号。正残差表示分化加速分歧模块负残差表示高度保守保守模块。计算95%预测区间超出上界的为分歧模块低于下界的为保守模块。对谱系特异性分析以人类为例要求人类重复形成单系群然后拟合LsubtreeβLdiversitycϵL_{\text{subtree}} \beta L_{\text{diversity}} c \epsilonLsubtree​βLdiversity​cϵ残差反映人类谱系特异性分化。此外通过ci(ϵm−ϵi)/ϵmc_i (\epsilon_m - \epsilon_i)/\epsilon_mci​(ϵm​−ϵi​)/ϵm​量化每个靶基因对模块分化信号的贡献指导实验验证。三、总结CroCoNet是一个用于跨物种基因调控网络定量比较的R框架通过系统发育感知的共识模块构建、模块保存统计和噪声校正的分化量化实现了从嘈杂单细胞数据中区分真实进化信号与技术和生物噪声。其核心创新在于将物种内多样性作为混杂因素基线通过线性回归校正噪声使残差反映真实的网络分歧信号克服了传统模块重叠方法对假阳性和假阴性敏感的局限。在灵长类神经分化数据中CroCoNet成功识别了POU5F1等分歧模块并通过CRISPRi实验验证了物种间差异调控。该框架为理解调控网络进化提供了首个定量比较工具有望推动发育系统漂移和适应性进化研究。