Cell | 新型AI模型RegVelo可直接整合基因调控网络与单细胞动态，精准解析细胞命运决定机制|ai模型|cell|rna|基因调控|斑马鱼|细胞

随着单细胞测序技术的飞速发展，其为解析细胞分化过程提供了高分辨率视角，但如何同时重建基因调控网络（GRN）与细胞动态变化，仍是计算生物学的核心挑战。这类模型对于理解机制、预测基因敲除的动力学效应以及揭示未知生物学发现至关重要。

目前，拟时序和RNA velocity（速率）分析是重构细胞轨迹主要方法。拟时序可沿分化路径对细胞排序，但需预先设定起始细胞，且缺乏模拟细胞动态的动力学信息；RNA速率虽能估算模拟细胞状态转换，却受基因独立、转录速率恒定等假设约束，难以反映真实转录调控规律机制。近年来，scRNA-seq的进展也催生了许多GRN推断方法，多数方法能揭示基因间调控关系，但不纳入细胞动态过程，或仅事后将调控与轨迹关联。因此，亟需开发能够将GRN与细胞动力学直接耦合的模型，这是揭示细胞分化分子调控机制的关键。

近日，德国亥姆霍兹慕尼黑研究中心、英国牛津大学等机构的研究人员合作，开发了一种自下而上、实用性强且可解释的深度学习框架RegVelo，能够同时对RNA剪接动力学与基因调控相互作用进行联合建模，可推断单细胞动态与调控关系。在模拟数据及多种不同真实生物系统中，RegVelo展现出优越的性能，为细胞终末状态、基因相互作用以及扰动模拟提供了可靠的预测。在斑马鱼神经嵴发育研究中，研究团队结合全长Smart-seq3及共享的基因表达与染色质可及性数据，通过RegVelo描绘了命运特化背后的调控程序；成功鉴定出调控色素细胞发育的核心基因tfec与 elf1，并通过体内敲除、Perturb-seq等实验验证了预测结果。总之，egVelo为连接基因调控网络与细胞命运决策建立了一个定量框架，为解析细胞分化命运调控机制提供了全新的方法学支撑。相关内容以“RegVelo: Gene-regulatory-informed dynamics of single cells”为题发表在Cell上。

RegVelo基于贝叶斯深度生成模型构建，通过联合建模剪接动力学与GRN，解决了现有RNA速率模型忽略基因调控、GRN推断忽视细胞动态的割裂问题。它以每个细胞的未剪接与剪接RNA丰度为输入，输出细胞-基因特异性潜在时间、后验速度分布以及一个可解释的GRN。该模型摒弃了传统方法相互独立的一维解析常微分方程组（ODE），创新性构建高维耦合常微分方程组，将转录速率建模为受调控因子、时间共同影响的动态过程，通过神经网络参数化基因调控网络权重，区分激活、抑制与无调控关系。

该模型可整合scATAC-seq等多组学数据提供的调控先验，通过稀疏约束与正则化优化调控网络，同时量化细胞状态转换的内在与外在不确定性，实现细胞动态的稳健推断。此外，整合RegVelo与CellRank可完成虚拟调控扰动模拟，通过遮蔽调控子、重计算速度场，可量化基因调控对局部细胞动态和长期细胞命运的影响。

图1. RegVelo共同建模细胞及其底层GRN的动态

研究团队首先在模拟GRN、细胞周期数据集上完成基准测试，RegVelo的速率推断、潜在时间拟合精度显著优于scVelo、veloVI等主流方法，且在高复杂度场景下的优势更为突出。在细胞周期数据中，RegVelo推断的跨边界正确率（CBC）达0.864、速率一致性达0.873、潜在时间与真实标记相关性达0.683，并精准识别出TGIF1、ETV1等核心周期调控因子。

在小鼠胰腺内分泌发生体系中，RegVelo结合先验GRN精准重构细胞分化轨迹，识别出α、β、δ、ε四种终末细胞状态，并发现部分ε细胞可分化为α细胞前体，终端状态识别（TSI）评分显著高于scVelo与veloVI。通过虚拟扰动筛选明确了Neurod2为epsilon细胞分化的驱动因子，Neurod2-Rfx6 调控轴对该过程贡献最大；鉴定出导管细胞周期核心调控基因E2f1，S期细胞受影响最显著，且下游靶基因富集于E2F靶点及细胞周期相变通路。

图2.扰动模拟量化遗传调控对胰腺内分泌细胞命运决策的影响

在人造血分化体系中，RegVelo完整复现五大谱系分化层级（红细胞、巨核细胞、嗜碱性粒细胞、中性粒细胞、单核细胞），准确捕捉GATA1-SPI1调控开关；对红系、髓系等谱系驱动因子的预测精度显著优于现有方法，TSI评分达0.95。此外，在人类胚胎肌发生、后脑发育体系中，RegVelo通过模型选择模块，精准匹配分化阶段与真实发育时间，鉴定出MSC、MYOG等肌发生关键调控因子，验证了模型在复杂发育体系中的通用性。

图3.推断人类造血分化、胚胎肌生成及后脑发育过程中的调控动态

研究团队将RegVelo应用于斑马鱼神经嵴发育这一经典体系，并进行了Smart-seq3超深度测序，结合多组学数据构建了先验GRN。结果显示，该模型精准还原了神经嵴分化层级与四个终末细胞状态，包括后耳迁移神经嵴（mNC hox34）、非Hox面部间充质、第二咽弓（arch 2）和色素细胞。

通过虚拟扰动筛选，RegVelo预测tfec为色素细胞发育的早期驱动因子，而elf1则被预测为具有促色素、抗间充质功能的新型色素细胞命运调控因子。接下来，研究团队通过CRISPR-Cas9体内敲除、Perturb-seq、HCR-FISH等技术验证了上述预测结果。tfec敲除导致色素细胞显著减少，其表达水平受Sox10直接调控，并与mitfa、tfeb存在功能冗余，可共同启动色素谱系特化；elf1敲除则导致色素细胞减少、间充质细胞增多，其能直接调控下游色素分化基因。此外，RegVelo还预测并验证了nr2f2、nr2f5在颅面间充质命运中的关键作用。

图4. RegVelo揭示了斑马鱼神经冠发育过程中细胞命运决策的关键调控因素

综上所述，RegVelo首次实现了基因调控网络与细胞动态的联合建模，填补了单细胞数据分析中调控机制与动态过程割裂的技术空白，为解析细胞命运决定提供了从计算预测到实验验证的完整方案。该模型可广泛应用于发育生物学、干细胞分化、肿瘤异质性等研究领域，助力挖掘未知的命运调控因子、阐释疾病发生的调控机制。RegVelo为单细胞多组学数据的深度挖掘提供了标准化、可解释的计算框架，推动生命科学研究从静态描述走向动态机制解析。