Nature. Mach. Intell. |军事科学院<基于图神经网络技术的转录因子调控网络建模>

国际顶尖学术期刊《自然·机器智能》4月11日发表军事科学院军事医学研究院伯晓晨团队文章。文中提出一种基于图神经网络技术的转录因子调控网络建模方法。

该方法可通过实验观测数据和计算分析方法重构转录因子的调控网络，是一项具有挑战且具有重要意义的“逆向工程”。此项以人工智能技术为基础的方法在构建转录因子调控网络的准确性和计算效率等方面具有显著优势。

人工智能技术与生物医学大数据的交叉融合正在开启生物医学研究的新范式。伯晓晨团队围绕疾病机理解析、药物发现等重要方向开展了系列智能算法研究，用人工智能技术赋能生物医学研究。

随着基因组研究的发展，染色质结构的重要作用不断被揭示。然而，将染色质结构信息融入转录因子调控网络构建涉及复杂的建模问题，传统计算方法难以实现。面对纷繁复杂的计算难题，伯晓晨研究团队借助图神经网络技术，整合了多来源的生物信息数据，从中识别潜在的转录调控关系，进而实现转录因子调控网络的精确重构。

据悉，转录因子之间相互作用形成的调控网络是复杂转录系统运转的核心子系统，准确构建这一核心网络是系统阐明诸多生命活动规律和复杂疾病机理的重要途径。

据介绍，该团队通过该建模方法构建了人类多种细胞的转录因子调控网络，从中鉴定出了一些造血系统分化和肿瘤发生中的“枢纽”转录因子，辨识出了细胞状态改变的潜在驱动因素。伯晓晨表示，此项研究可帮助生物医学研究人员透过纷繁复杂的观测数据锁定关键分子和通路，克服人工推理的局限性，显著提高研究效率。

论文链接：https://www.nature.com/articles/s42256-022-00469-5