транскрипционные факторы

В данной работе представлен комплексный вычислительный протокол для анализа динамики состояний Т-клеток, инфильтрирующих опухоли человека, на основе данных секвенирования РНК единичных клеток (scRNA-seq). Методология включает последовательное применение снижения размерности, построения траекторий псевдовремени (pseudotime trajectory inference) и анализа активности регулонов. Ключевой особенностью является интеграция вывода регулонов с реконструкцией сетей транскрипционных факторов (TF-TF networks), что позволяет идентифицировать специфические регуляторные модули, ответственные за переходы между состояниями клеток. Авторы уделяют особое внимание чувствительности параметров и робастности траекторий, обеспечивая согласованность фенотипических и регуляторных данных. Протокол направлен на глубокое понимание механизмов иммунного ответа в опухолевом микроокружении и доступен для воспроизведения через GitHub-репозиторий. Данный подход имеет высокую значимость для разработки таргетной иммунотерапии и понимания механизмов резистентности опухолей.

В исследовании представлен новый вычислительный фреймворк ArChIPelago, предназначенный для объединения нескольких позиционных весовых матриц (PWM) в единую совместную модель с помощью методов классического машинного обучения. Авторы использовали широкий спектр алгоритмов — от линейной регрессии до ансамблей деревьев решений — для решения проблемы несоответствия различных PWM для одних и тех же транскрипционных факторов. Тестирование проводилось на масштабном наборе из 704 датасетов ChIP-Seq, охватывающих 36 ортологичных транскрипционных факторов человека и мыши различных структурных семейств. Результаты показали, что ArChIPelago стабильно превосходит по точности лучшие доступные индивидуальные моно- и динуклеотидные PWM, а также разреженные локальные неоднородные смеси моделей. Особую значимость имеет продемонстрированная способность ансамблей PWM осуществлять надежные кросс-видовые прогнозы между человеком и мышью. Данная разработка повышает точность биоинформатического анализа геномных последовательностей и упрощает интерпретацию данных связывания белков с ДНК.