基于知识图谱增强的图自编码器框架KEGNI精准推断细胞类型特异性基因调控网络

　　本研究针对单细胞RNA测序（scRNA-seq）数据推断基因调控网络（GRN）时存在高假阳性、缺乏因果性及细胞类型特异性信息整合不足的问题，开发了知识图谱增强框架KEGNI。该框架融合图自编码器（MAE）与知识图谱嵌入（KGE）模型，通过自监督学习和对比学习策略整合先验生物学知识。实验表明，KEGNI在BEELINE基准测试中优于8种现有方法，在配对多组学数据对比中与LINGER性能相当，可准确识别驱动基因并揭示细胞上下文特异性调控机制，为GRN推断提供了可扩展且高效的解决方案。

　　

基因调控网络（GRN）揭示了细胞中基因与调控因子间复杂的相互作用关系，是理解生理和病理过程中细胞机制控制与动态变化的核心。近年来，单细胞RNA测序（scRNA-seq）技术的快速发展使得细胞类型特异性GRN的推断成为可能，但传统计算方法（如PIDC、GENIE3等）基于基因共表达模式进行推断，存在高假阳性问题，因为并非所有预测的相关性都代表因果关系。尽管深度学习模型（如scGeneRAI、STGRNS等）在捕获非线性依赖关系方面表现出优势，但如何有效整合外部知识并构建细胞类型特异性的GRN仍是一个挑战。

在此背景下，上海交通大学的研究团队在《Genome Biology》发表了题为“KEGNI: knowledge graph enhanced framework for gene regulatory network inference”的研究论文，提出了一种知识图谱增强的GRN推断框架KEGNI。该框架通过整合图自编码器和知识图谱嵌入技术，有效提升了GRN推断的准确性和生物学可解释性。

研究采用的关键技术方法包括：基于k近邻（k-NN）算法从scRNA-seq表达数据构建基础GRN；使用掩码图自编码器（MAE）通过自监督学习重构被掩码基因的表达特征以学习基因表征；从KEGG PATHWAY数据库和CellMarker 2.0提取细胞类型特异性标记基因构建知识图谱，并采用ComplEx模型进行知识图谱嵌入；通过多任务学习联合优化MAE和KGE目标函数。所用数据来源于公共数据库和已发表研究，包括BEELINE基准数据集、GEO收录的微胶质细胞和胰腺胰岛数据集。

结果

KEGNI框架设计

KEGNI由两个核心组件构成：掩码图自编码器（MAE）模型和知识图谱嵌入（KGE）模型。MAE模型从scRNA-seq数据中构建基础GRN，通过随机掩码节点特征并重构其表达水平以学习基因间关系；KGE模型则整合KEGG通路和细胞类型特异性标记基因构建的知识图谱，采用对比学习和负采样策略进行嵌入学习。通过多任务学习将两类模型的损失函数结合，共同优化共享基因的表征，最终输出量化调控互作强度的权重矩阵。

KEGNI提升细胞类型特异性GRN推断性能

研究使用BEELINE框架评估KEGNI性能，涵盖5个小鼠和2个人类细胞系的7个scRNA-seq数据集，以早期精确率（EPR）为主要指标。结果显示，KEGNI在12项基准测试中表现最佳，其归一化EPR值显著高于PIDC、GENIE3、GRNBoost2等8种方法。独立运行的MAE模型也优于多数现有方法，表明自监督学习策略有效捕获了基因关系。此外，在利用配对scRNA-seq和scATAC-seq数据的PBMC数据集上，KEGNI与LINGER性能相当（AUROC分别为0.699和0.714），显著优于仅使用scRNA-seq的方法。

潜在表征的生物学意义分析

以小鼠造血干细胞红系谱系（mHSC-E）数据集为例，对KEGNI和MAE生成的基因嵌入进行聚类和GO富集分析。结果显示，KEGNI聚类结果更符合生物学背景，调整兰德指数（ARI）为0.575（MAE为0.407）。簇KEGNI_0显著富集“四吡咯生物合成过程”等术语，KEGNI_1富集“髓系细胞分化调控”等术语，与红细胞发育的关键过程一致，而随机伪聚类则无此特征，表明KEGNI捕获了具有生物学意义的模式。

ChIP-seq和扰动数据集验证GRN预测

利用Cop1敲除微胶质细胞的scRNA-seq和ChIP-seq数据，以差异表达基因（DEG）和ChIP-seq靶基因为金标准，评估KEGNI对Cop1和Cebpb调控基因的预测能力。基因集富集分析（GSEA）显示，KEGNI的富集分数（ES）显著高于其他方法（调整p<0.05），AUROC达0.952和0.928。以ChIP-seq验证时，KEGNI在top-k精确率曲线中表现最佳，证实其能高置信度预测直接靶点。

调控网络中驱动基因的识别

在高脂饮食喂养小鼠的胰腺β细胞数据中，KEGNI通过调控评分识别Cd81^low和Cd81^high亚群的驱动基因。GSEA显示，Cd81^low富集于胰岛素分泌调控相关通路，Cd81^high富集于内质网应激反应通路。关键驱动转录因子如Mafa、Hmgb2、Jun和Neurod1在亚群中呈现差异调控网络：Mafa在Cd81^high中调控炎症因子Bmp2；Hmgb2与炎症相关基因Mastl互作；Neurod1与Stat2和Id2的调控关系经ChIP-seq验证证实，揭示了β细胞在应激状态下的特异性调控机制。

结论与讨论

KEGNI通过自监督学习与知识图谱引导的训练策略，有效整合scRNA-seq数据与先验知识，实现了细胞类型特异性GRN的精准推断。其在BEELINE基准测试中的优异表现证明了框架的可靠性，即使不依赖表观遗传数据也可达到与多组学方法相当的性能。局限性包括对细胞标记数据库的依赖、缺乏直接调控关系与因果性分析，以及未整合时间序列数据。未来可通过顺式调控元件分析或动态网络建模进一步优化。

作为一种通用的自监督学习框架，KEGNI为揭示复杂调控事件和基因表达变化提供了有力工具，有望在发育生物学和疾病机制研究中发挥重要作用。