IF36.1｜CytoTRACE 2：可解释深度学习重构单细胞发育潜能

用可解释的深度网络，把单细胞转录组直接映射到绝对发育潜能，跨数据集可比。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

单细胞RNA测序（scRNA-seq）已广泛用于解析细胞状态，但如何从转录组推断细胞的发育潜能（potency）——即细胞能分化成哪些下游细胞类型的能力——仍是一个挑战。发育潜能从全能（totipotent）到多能（pluripotent）、多能（multipotent）、寡能（oligopotent）、单能（unipotent）直至分化（differentiated）呈层级递降。传统方法如CytoTRACE 1基于基因计数预测细胞成熟度，但结果局限于单个数据集内部，无法跨数据集比较。其他轨迹推断方法也大多给出数据集特异性的相对排序，缺乏统一的绝对尺度。因此，领域亟需一个能跨平台、跨组织预测绝对发育潜能，并且能解释其预测依据的计算框架。

科学问题

卡在哪里： 已有方法要么只提供数据集内的相对排序，要么缺乏可解释性，难以将不同实验的细胞统一到同一发育潜能标尺上。此外，大多数深度学习方法如同黑箱，无法揭示驱动潜能差异的关键基因程序。

本文要回答： 开发一个可解释的深度学习框架，从scRNA-seq数据中预测细胞的绝对发育潜能类别和连续评分，并揭示跨物种、跨组织保守的潜能相关分子特征。

技术路线

作者主要用了：scRNA-seq、基因集二元网络（GSBN）、深度学习、CRISPR筛选、原位mRNA成像。

作者首先构建了一个包含33个数据集、406,058个细胞、125个标准化表型的人类和小鼠单细胞潜能图谱，将每个表型归入6个宽泛潜能类别并细分为24个粒度水平。随后设计了一种新型可解释深度架构——基因集二元网络（GSBN），其权重被约束为0/1，从而直接学习每个潜能类别的判别性基因集。模型输出潜能类别和连续潜能评分（1=全能，0=分化），并通过马尔可夫扩散和自适应k近邻平滑整合转录相似性。最后，利用该图谱训练模型，在留出数据集上评估性能，并与多种现有方法进行基准比较。

图 1　Fig. 1。图1展示了CytoTRACE 2的整体框架和性能。a部分示意六类发育潜能；b部分展示33个数据集的潜能图谱构成；c部分为GSBN模型结构；d和e部分显示模型在训练和留出测试集上对宽泛和精细潜能标签的预测准确性；f部分验证了留出整个发育分支时的泛化能力；g部分对比了CytoTRACE 2与CytoTRACE 1在特定生物学场景下的表现；h和i部分显示CytoTRACE 2在绝对和相对排序上优于其他方法。

核心亮点

亮点 1｜跨数据集绝对潜能预测

CytoTRACE 2在14个留出数据集（93,535个细胞）上，对宽泛和精细潜能标签的预测均表现优异，且对训练中未出现的物种、组织、平台和表型具有稳健性。在随机训练-测试划分和留出整个发育分支（clade）的实验中，预测与真实潜能高度相关，表明潜能相关生物学具有跨数据集保守性。与8种机器学习分类器和8种发育层级推断方法相比，CytoTRACE 2在33个数据集上取得了更高的中位多类F1分数和更低的平均绝对误差，在57个发育系统中重建相对排序的相关性平均高出60%以上。

图 2　Fig. 2。图2聚焦于CytoTRACE 2学到的分子程序及其生物学验证。a部分示意基因集和特征重要性分析流程；b部分通过UMAP展示基因集表达与真实潜能的对应关系；c部分显示各潜能类别top标记基因在237个伪样本中的表达模式；d和e部分利用CRISPR筛选数据验证multipotency标记基因的功能；f-h部分揭示胆固醇代谢通路及Fads1、Fads2、Scd2在multipotent细胞中的特异性；i和j部分通过qPCR和原位成像实验证实这三个基因在multipotent细胞中高表达。

亮点 2｜可解释的基因程序

GSBN架构允许直接提取每个潜能类别的正负标记基因。核心多能性转录因子Pou5f1和Nanog在pluripotency基因重要性排名中位于前0.2%。通过分析小鼠造血干细胞中约7,000个基因的体内CRISPR敲除筛选数据，发现CytoTRACE 2排名前100的正向multipotency标记基因富集于敲除后促进分化的基因，而负向标记富集于敲除后抑制分化的基因（Q=0.04），验证了模型学到的潜能表征的生物学真实性。

亮点 3｜胆固醇代谢与多能性关联

通路富集分析揭示胆固醇代谢是multipotency相关的最显著通路之一，其中不饱和脂肪酸合成相关基因Fads1、Fads2和Scd2在multipotent细胞中一致高表达（训练集AUC=0.87，测试集AUC=0.92）。通过qPCR和小鼠肠道上皮多重原位mRNA成像，作者实验证实这三个基因在multipotent细胞中优先表达，而在oligopotent和differentiated细胞中表达较低，提示脂质代谢基因可能作为新的多能性生物标志物。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： scRNA-seq、基因集二元网络（GSBN）、深度学习、CRISPR筛选、原位mRNA成像
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 做单细胞发育、干细胞或肿瘤干性分析，需要跨数据集比较分化状态并挖掘关键基因的研究者。

带走一句

CytoTRACE 2把发育潜能变成可跨数据集比较的绝对分数，而且能告诉你哪些基因在驱动这个分数，做分化或干性分析时值得一试。