Inference of gene regulatory networks using time-series single-cell RNA-seq data with CRISPR perturbations

Inference of gene regulatory networks using time-series single-cell RNA-seq data with CRISPR perturbations

この研究では、シングルセルRNA-Seq解析とCRISPRベースの摂動（scCRISPR）を統合し、因果関係のある遺伝子調節ネットワーク（GRN）を推論する新しい計算方法、RENGEを開発しています。

1. 本研究の学術的背景：scCRISPRを使用して得られるデータスナップショットは時間経過による多層的な影響を考慮に入れていないため、正確なGRNの推論が難しい。
研究課題の核心をなす学術的「問い」：遺伝子ノックアウトによる効果がGRNにどのように伝播するか、そして遺伝子ノックアウトなしに規制を推論する方法は？

2. 本研究の目的：時間経過による効果を考慮した新しいGRNの推論方法、RENGEの開発。
学術的独自性と創造性：RENGEは遺伝子ノックアウトがGRNに及ぼす影響の伝播過程をモデル化し、直接的な規制と間接的な規制を区別できます。

3. 本研究の着想に至った経緯：遺伝子ノックアウトが時間経過で影響する様子を詳細に見る手法がなかったため。
関連する国内外の研究動向と本研究の位置づけ：遺伝子調節ネットワークの更なる理解による、生物学的なシステムのキーファクター特定に寄与する新しいアプローチとして。

4. 本研究で何をどのように，どこまで明らかにした：RENGEを使用したGRNの推論は複数のデータベースと文献と一致し、RENGEの正確さを示しました。

5. 本研究の有効性はどのように検証した：人間の誘導性多能性幹細胞から得られたデータセットにRENGEを適用し、得られたGRNが複数のデータベースと文献と一致することを見出しました。