DRUGONE
生物系统的状态转变通常受到多层次调控网络的共同影响,不同分子之间通过复杂的级联作用决定细胞命运、疾病进展及机体表型。然而,传统组学分析主要关注统计相关性,难以区分真正驱动状态变化的因果因素与伴随变化的非因果信号。为解决这一问题,研究人员开发了CauTrigger,一种融合因果推断与深度潜在变量建模的层次化因果分解框架。该方法通过整合do-calculus干预理论,将观测数据中的潜在因果因素与虚假关联因素分离,并递归重建不同调控层次之间的因果关系,从而识别潜在的状态转变驱动因子并预测扰动效应。在多种模拟数据及真实生物学数据中,CauTrigger在因果触发因子识别和系统响应预测方面表现出较好的性能。进一步应用于单细胞多组学和肠道微生物组数据时,研究人员识别了与2型糖尿病进展相关的FOS、JUN等候选调控因子,并通过计算扰动探索了肠道微生物影响神经发育相关状态的可能途径。该研究为从复杂观测数据中解析跨层次生物调控机制、筛选潜在干预靶点及研究系统状态转变提供了新的计算框架。

生物系统并非由彼此独立的分子组成,而是通过多层次、相互耦合的调控过程形成特定功能状态。从细胞分化、组织发育到疾病发生,生物状态的改变通常涉及一系列连续的分子事件。例如,转录因子可以通过顺式调控元件影响靶基因表达,进一步改变细胞表型;在机体层面,肠道微生物还可能通过代谢、免疫和神经内分泌途径影响宿主健康状态。
随着单细胞测序及多组学技术的发展,研究人员能够同时测量不同层面的分子变化,但如何确定这些变化之间的因果关系仍是系统生物学中的重要难题。
传统差异表达分析和相关网络方法可以识别与生物状态相关的基因,却难以判断某个基因究竟是状态变化的原因、下游响应,还是受到共同因素影响的伴随信号。尤其在多层调控系统中,上游因素对最终表型的影响可能需要经过多个中间步骤,因此直接比较分子表达与表型之间的相关性,容易遗漏真正具有调控作用的上游驱动因子。
近年来,因果推断方法逐渐应用于基因调控网络重建和细胞命运研究。例如,部分方法利用时间序列信息推断基因间的方向性关系,另一些方法结合遗传变异或多组学数据识别潜在调控路径。然而,现有方法通常针对特定的基因调控任务设计,难以适应不同层次、不同数据类型组成的复杂生物系统。
此外,许多方法只能从观测数据中建立关联网络,缺乏对基因激活、抑制或多因素联合干预后系统变化的预测能力。
针对这些问题,研究人员提出CauTrigger,希望通过层次化因果分解,识别生物系统状态转变的潜在上游触发因子,并进一步重建其经过中间调控层影响最终表型的过程。
研究方法
CauTrigger采用层次化深度潜在变量模型,通过递归分解识别多层调控网络中的潜在因果因素。模型首先根据候选分子对下游状态的贡献,将输入特征划分为潜在因果变量和剩余变量,再将剩余信息传递至更深层次,以逐步识别间接上游调控因素。在具体实现中,研究人员构建了双通路变分自编码架构,分别学习因果潜在表示与非因果潜在表示,并利用do-calculus建立干预意义下的因果信息流约束,使模型能够同时预测中间调控变量和最终系统状态。训练完成后,通过特征贡献分析识别重要调控因子,并利用计算扰动模拟单基因、基因组合或其他上游变量改变后的系统响应。研究人员首先在具有已知因果结构的模拟数据中评价模型性能,随后将其应用于人类胚胎干细胞分化、成纤维细胞重编程、CRISPR基因扰动、2型糖尿病单细胞多组学以及肠道微生物组与宿主蛋白质组数据,以评估其在不同生物系统中的适用性。
研究结果
CauTrigger通过递归因果分解重建生物系统的多层调控结构
CauTrigger的核心思想是将生物系统状态视为多层次调控过程的最终结果,并逐步追溯影响该状态的上游因素。
在细胞水平,转录因子、顺式调控元件和靶基因构成典型的层次化调控关系。在机体水平,肠道微生物能够通过影响宿主蛋白质及其他分子过程,进一步关联神经发育或疾病状态。尽管这些系统具有不同的生物学组成,其共同特点是上游因素往往通过中间变量发挥作用。
研究人员因此设计了递归式因果分解策略。在每个层次,模型首先识别与当前下游状态具有潜在因果联系的变量,并将其与背景变化和虚假关联因素区分开。未被当前层次选中的变量进一步进入下一层分析,从而逐步恢复更深层的上游调控结构。
与传统相关性分析不同,CauTrigger通过因果潜在空间和干预信息流约束,使筛选过程不仅关注变量与状态之间的预测关系,也尝试捕捉具有方向性的调控贡献。
此外,该框架既可以利用已知的生物调控层次,例如转录因子到调控元件再到靶基因,也能够在缺少明确层次注释的情况下进行递归探索。
最终,模型可以将复杂分子网络转化为具有层次关系的候选因果路径,并在此基础上开展虚拟扰动和状态转变预测。

图1. CauTrigger的层次化因果分解框架、双通路潜在变量模型及生物系统状态转变分析流程。
模拟基准验证多层因果触发因子的识别能力
为系统评估CauTrigger的性能,研究人员构建了具有两层和三层因果调控结构的模拟数据集,并通过改变因果作用强度和数据稀疏程度模拟不同难度的生物系统。
实验设置了0.3、0.4和0.5三种因果强度,以及30%、50%和70%三种表达稀疏度。其中,较弱因果作用与较高稀疏度的组合代表最具挑战性的条件。
研究人员将CauTrigger与GENIE3、Scribe、DCI、Peter–Clark算法、变分自编码器、互信息、随机森林及支持向量机等方法进行比较,使用AUROC和AUPR评价因果变量识别精度。
在已知调控层次的条件下,CauTrigger在两层和三层模拟数据中均取得优于对照方法的整体表现。对于直接作用于最终状态的第一层变量,模型具有较高识别精度;对于通过中间调控层发挥作用的深层变量,预测难度随层次增加而提高,但CauTrigger仍能较好地保留不同层次之间的因果信息。
当取消预先给定的层次注释,将所有候选变量混合输入时,CauTrigger依然保持较好的全局因果变量排序能力,显示出其在未知调控结构条件下的适用性。
不过,与使用真实层次注释相比,自动推断的深层因果变量准确性有所下降。这说明模型虽然能够探索潜在层次关系,但对远距离、弱效应调控因子的识别仍受信息衰减和样本稀疏性的影响。
进一步的消融实验表明,因果信息流约束与重建保真度约束均对模型性能具有重要贡献,缺少其中任一部分都会降低因果触发因子的识别能力。

图2. CauTrigger在两层和三层模拟调控系统中的因果变量识别性能及层次结构推断能力比较。
单细胞分化与基因扰动实验验证因果调控识别及响应预测能力
研究人员首先将CauTrigger应用于人类胚胎干细胞向内胚层细胞分化的单细胞RNA测序数据,以检验其识别细胞状态转变调控因子的能力。
该数据集包含0、12、24、36、72和96小时的细胞样本。研究人员仅使用初始和终末时间点定义模型训练中的两种状态,其余中间时间点不参与监督训练。
与CEFCON、CellOracle和SCENIC等方法相比,CauTrigger在多数Top-k评价条件下均取得更高的已知调控因子识别精度。其预测的关键转录因子显著富集于细胞命运决定、内胚层形成及胚层分化等生物学过程。
进一步分析发现,模型能够恢复ZIC3与NANOG之间的已知调控联系,并在整理的六条参考调控关系中识别出五条。虽然中间时间点未参与训练,但细胞投影到学习得到的因果潜在空间后,仍表现出与分化过程一致的连续变化趋势。
在成纤维细胞重编程数据中,CauTrigger能够优先识别多个已知重编程因子,包括POU5F1/OCT4和PARP1。通过计算模拟联合激活这两个因子,模型预测细胞状态具有向胚胎干细胞或诱导多能干细胞方向转变的趋势。
研究人员随后使用Norman CRISPR激活数据集,评价模型对单转录因子及双转录因子组合扰动的预测能力。
结果表明,CauTrigger在单基因扰动预测中优于比较方法;对于双基因扰动,在仅有一个组分曾于训练中单独出现的情况下,其平均预测相关性也具有优势。在两个组分均未出现或均已出现的部分条件下,CauTrigger与GEARS表现接近。不过,当组合中两个基因的单独扰动数据均已知时,简单线性叠加模型仍具有较高预测精度。
这些结果说明,CauTrigger不仅能够识别与细胞命运相关的候选调控因子,还可以用于预测部分未观测基因扰动的表达响应。

图3. CauTrigger在干细胞分化、细胞重编程及CRISPR基因扰动任务中的因果因子识别与响应预测。
单细胞多组学分析揭示2型糖尿病进展中的潜在调控机制
为进一步考察CauTrigger在疾病研究中的应用,研究人员分析了健康、糖尿病前期和2型糖尿病个体的胰岛β细胞单细胞多组学数据。
该数据同时包含单细胞RNA测序和ATAC测序信息,能够反映基因表达与染色质可及性变化。研究人员将原始细胞整合为781个元细胞,并构建“转录因子—顺式调控元件—靶基因—疾病状态”的三层调控结构。
在常规主成分分析中,健康、糖尿病前期和糖尿病β细胞并未形成清晰分离。然而,在CauTrigger学习得到的因果潜在空间中,三类状态呈现更明显的分布差异,表明模型提取了与疾病状态相关的调控信息。
进一步分析各状态中的候选因果转录因子,研究人员共识别出46个不同的高优先级调控因子。其中,FOS和JUN在三个状态中均被识别为重要候选因子。
FOS和JUN是AP-1转录调控复合物的重要组成部分,参与细胞增殖、分化、炎症及应激反应。研究人员通过计算模拟激活FOS和JUN,发现糖尿病β细胞的预测状态出现向健康细胞方向移动的趋势。
这一结果提示,FOS–JUN调控轴可能参与β细胞功能状态的改变,但其潜在治疗作用仍需要实验验证。
研究人员进一步识别了FOS和JUN调控的下游靶基因,包括SLC30A8、RYR2和GPM6A等共同候选靶点。其中,SLC30A8和RYR2此前已被发现与糖尿病相关,且在本研究数据中表现出疾病状态相关的表达异常。
借助层次化调控结构,CauTrigger还能够进一步定位可能介导转录因子与靶基因之间联系的顺式调控元件,从而形成可解释的“转录因子—调控元件—靶基因”候选调控路径。
此外,在独立外周血单核细胞多组学数据中,CauTrigger的调控关系恢复能力接近表现最好的Dictys方法,并优于多种其他基准方法,进一步支持了其跨数据集应用的潜力。

图4. CauTrigger解析2型糖尿病β细胞中的层次化转录调控网络及FOS–JUN相关状态转变。
肠道微生物组与宿主蛋白质组联合分析揭示潜在的肠–脑调控关系
除细胞内部调控网络外,研究人员进一步将CauTrigger应用于肠道微生物与宿主蛋白质之间的跨层次关联分析。
研究采用包含30名孤独症谱系障碍(ASD)儿童和30名年龄匹配对照儿童的队列数据,整合粪便微生物组与宿主蛋白质组信息,构建“肠道微生物—宿主蛋白质—神经发育相关状态”的两层分析框架。
研究首先利用宿主蛋白质组数据识别与ASD状态相关的候选因果信号,再将优先筛选出的蛋白质作为中间层,进一步分析上游肠道微生物与宿主状态之间的潜在联系。
结果显示,模型能够将具有较强状态相关信息的潜在变量与背景变化区分开,并优先识别出一组可能参与肠–脑相互作用的微生物类群。
其中,粪杆菌属(Faecalibacterium)获得较高的变量重要性评分。该类群中的普拉梭菌与丁酸等短链脂肪酸的产生及宿主免疫调节有关,因此可能通过代谢和炎症相关过程影响宿主状态。
研究人员进一步模拟提高粪杆菌属丰度,同时保持其他微生物特征不变。结果显示,73%的ASD样本在模型预测的局部状态变化方向上趋向对照组,而83%的对照样本保持在类似对照组的状态区域。
需要强调的是,这一结果来自计算干预,并不意味着提高粪杆菌属丰度已被证明能够改善ASD症状。
此外,通过分析高优先级微生物与宿主蛋白质之间的预测关系,研究人员识别了IGHA1、IGHA2、IGLC2和IGKC等免疫相关蛋白,提示肠道微生物可能通过宿主免疫过程参与神经发育相关状态变化。
这些结果展示了CauTrigger从跨组学数据中提出潜在调控机制假设的能力,也说明其应用范围不仅限于细胞内部的基因调控网络。

图5. CauTrigger整合肠道微生物组与宿主蛋白质组,探索神经发育相关状态的潜在跨层次调控机制。
讨论与结论
本研究提出的CauTrigger通过层次化因果分解,将复杂生物系统中的上游调控因子、中间传递变量和最终状态联系起来,为从观测组学数据中识别潜在状态转变驱动因素提供了新的分析思路。与主要关注相关性或单层基因调控网络的方法相比,该框架能够处理跨层次调控关系,并通过计算扰动生成可进一步验证的生物学假设。
模拟基准、单细胞分化、基因扰动及多组学分析结果表明,CauTrigger在识别潜在因果调控因子和预测部分扰动响应方面具有较好的性能。尤其在糖尿病β细胞和肠道微生物组研究中,模型能够将候选调控因素与下游分子变化联系起来,提高结果的机制解释能力。
不过,CauTrigger仍依赖一定的调控层次假设,深层因果关系识别也容易受到混杂因素、数据稀疏和观测噪声影响。更重要的是,从观测数据推断的因果关系及计算扰动结果尚不能替代真实干预实验。未来需要结合时间序列、多组学动态测量和实验扰动数据,进一步验证模型推断的因果路径。
总体而言,CauTrigger为复杂生物系统的状态转变研究提供了具有可解释性的计算框架,有望辅助发现疾病进展、细胞命运转换及跨组织调控中的关键候选因子,并为后续机制验证和干预策略研究提供依据。
整理 | DrugOne团队
参考资料
Zhang, C., Cai, D., Aihara, K. et al. CauTrigger: deciphering biological system state transitions by hierarchical causal decomposition. Nat Methods (2026).
https://doi.org/10.1038/s41592-026-03274-9

内容为【DrugOne】公众号原创|转载请注明来源
内容中包含的图片若涉及版权问题,请及时与我们联系删除



评论
沙发等你来抢