Cell Type-Specific Isoform Function Prediction by Multiplex Heterogeneous Network

Tong Gu

doi:10.1109/tcbbio.2026.3728504

Cell Type-Specific Isoform Function Prediction by Multiplex Heterogeneous Network

2026-08-28

0

PRE

AI

DOI：10.1109/tcbbio.2026.3728504

原文链接

原文求助

摘要

En 中文

来自同一基因的替代剪接异构体可执行不同功能；然而，其细胞类型特异性作用在很大程度上尚不清楚，这限制了我们在传统基因水平分析之外理解细胞多样性和发育的能力。我们提出cIsoFun，一种用于从单细胞转录组学数据中预测细胞类型特异性异构体功能的多模态融合框架。cIsoFun利用预训练的ESM-2和Bert模型提取初始序列特征，构建覆盖基因、异构体、GO术语和细胞类型的多元异质网络以表示其复杂关系，并应用关系感知注意力整合多模态信息并优化节点嵌入。随后，它在更新后的嵌入上优化多组分损失以预测异构体功能，通过序列重要性分析和细胞类型特异性分析实现生物学可解释性。实验表明cIsoFun优于现有方法，特别是在稀疏GO术语方面，并揭示不同背景下的独特功能程序：肾肿瘤细胞富集代谢和生长调控，皮肤肿瘤细胞强调免疫监视和迁移，而细胞系优先进行DNA修复和端粒维持。序列重要性分析突出了关键氨基酸区域，并表明具有相同功能的结构域在剪接异构体中可表现出不同的重要性谱。综合来看，这些结果为细胞类型特异性异构体功能提供了新见解，并确立cIsoFun作为单细胞异构体分析的实用工具。

Keyword:

Single-cell transcriptomics

isoform function prediction

heterogeneous graph neural networks

gene ontology

data fusion

Cell Type-Specific Isoform Function Prediction by Multiplex Heterogeneous Network

摘要

期刊

机构

引用论文