Nat Cell Biol | 邓攀等开发基于深度学习的细胞状态流形建模与驱动基因预测框架——CellNavi

背景：细胞状态在正常发育、疾病进展和治疗响应过程中不断变化，这些转变通常由少数关键驱动基因主导，但受限于细胞状态多样性、基因数量庞大和调控网络复杂性，准确识别驱动基因面临挑战。研究目的：北京中关村学院邓攀团队开发了深度学习框架CellNavi，通过构建基因调控图增强的细胞状态流形，旨在精准预测驱动细胞状态转变的关键基因。该框架采用两阶段建模：首先利用单细胞转录组数据构建低维细胞流形，再结合NicheNet基因调控图通过图注意力机制增强生物学解释性；随后基于CRISPR扰动数据训练驱动基因预测器，实现从任意细胞状态对中预测驱动基因。结论：CellNavi在多个基准任务中显著优于现有方法（如Top-1准确率达62%），并能捕捉深层次调控因果关系，即使排除基因表达变化仍保持预测准确性；同时展现出卓越的跨任务迁移能力（如未经药物训练即可推断HDAC抑制剂机制）和跨细胞类型泛化能力，为疾病机制解析和药物靶点发现提供了统一建模框架。