編譯/巫芝岳

近日，加州大學爾灣分校(UC Irvine)的科學家發表了一項人工智慧(AI)深度學習框架(deep learning framework)，可用於預測單一細胞層級的基因調控，突破過去轉錄因子(transcription factor)結合預測技術，僅能針對整群細胞進行的限制。研究論文於2020年12月18日發表於期刊《Science Advances》。

由UC Irvine華裔資訊科學系教授謝曉輝領導的研究團隊，開發了這項「單細胞因子分析網絡」(single-cell factor analysis network, scFAN)的演算框架，該框架經由可分析數百至數千個細胞全基因體染色質的「ATAC-seq」定序、染色質免疫共沉澱定序(ChiP-seq)等技術訓練，能精準預測出單顆細胞轉錄因子的結合情形。

(編按：轉錄為基因表現的第一個步驟，其過程需經轉錄因子調控。轉錄因子可透過與特定DNA序列結合，或是與其他轉錄因子形成轉錄複合體，來影響基因轉錄。)

轉錄因子結合偏好的預測，是許多基因、蛋白質研究中不可或缺的一環，也是生物資訊中十分重要的領域之一。近年在深度學習技術的發展下，雖已開發出經由大量染色質數據預測轉錄因子結合位置的技術，但都仍只能在「細胞群」的尺度下進行。

謝曉輝表示，其挑戰在於細胞群間，單一細胞數據量稀少，且具有內在雜訊(intrinsic noise)的問題。

為了克服這些限制，在生物學、資訊科學、數學系等跨科別專家的合作下，他們以「卷積神經網路」(CNN)這項深度學習方法作為基本結構，結合ATAC-seq、ChiP-seq定序技術，經大量數據訓練出scFAN。

他們也創建了一項稱為「轉錄因子活動分數」(TF activity score)的評估指標，來表示每顆細胞的轉錄特徵，並經實驗驗證，不同細胞群間的分數表現具有明顯差異。

研究團隊表示，透過scFAN，科學家將能揪出對疾病治療極重要的微小細胞群體，也得以快速了解不同細胞亞群間，基因調控機制的差異；像是識別出含有不同亞群癌症幹細胞中的關鍵訊號。

參考資料：

1.論文原文：https://advances.sciencemag.org/content/6/51/eaba9031

2.https://www.news-medical.net/news/20210113/New-deep-learning-framework-predicts-gene-regulation-at-single-cell-level.aspx