编辑推荐：
在神经系统研究中，少突胶质细胞（Oligodendrocytes）转录因子（TFs）协同调控基因的机制不明。研究人员开展 “coTF-reg” 相关研究，整合 scRNA-seq 和 scATAC-seq 数据，鉴定出合作 TFs。该研究为理解少突胶质细胞功能及相关疾病机制提供依据。
在神秘的神经系统世界里，少突胶质细胞扮演着至关重要的角色，它是中枢神经系统中负责髓鞘形成的细胞。髓鞘形成就像给神经纤维穿上一层 “保护铠甲”，这个过程从胎儿时期就开始，在儿童时期持续发展，并且在学习和一些影响成熟中枢神经系统的疾病中还能动态调节。然而，一旦少突胶质细胞功能出现异常，髓鞘发生病变，就会引发多种中枢神经系统疾病。
基因表达调控在少突胶质细胞的发育过程中起着核心作用，而转录因子在其中扮演着 “指挥官” 的角色，它们协同工作，调控基因表达。尽管科学家们知道一些转录因子，如 SOX10 和 OLIG2，在少突胶质细胞分化和髓鞘形成相关基因的诱导中存在合作，但转录因子之间具体的协同调控机制仍如同迷雾，亟待揭开。
在此背景下，美国威斯康星大学麦迪逊分校（University of Wisconsin - Madison）的研究人员开展了一项意义重大的研究。他们开发了一种名为 coTF-reg 的分析框架，旨在解析少突胶质细胞基因调控中合作转录因子（cooperative TFs）的作用机制。该研究成果发表在《Communications Biology》上，为深入理解少突胶质细胞的功能和相关疾病的发病机制提供了关键线索。
研究人员为开展此项研究，主要运用了以下关键技术方法：
- 单细胞多组学技术：整合单细胞 RNA 测序（scRNA-seq）和单细胞转座酶可及染色质测序（scATAC-seq）数据，从转录和染色质可及性层面获取细胞的分子特征。
- 生物信息学分析：通过 motif 共现和共富集分析识别转录因子结合位点（TFBSs）和共结合转录因子对；利用深度学习模型预测靶基因（TG）表达；计算 Shapley 交互分数评估转录因子对之间的相互作用。
- 独立验证技术：映射少突胶质细胞表达数量性状位点（eQTL）到调控区域；运用染色质免疫沉淀测序（ChIP-seq）数据进行 LiftOver 分析和共富集分析；应用布尔规则表征调控因子的协同性。
下面来详细看看该研究的结果：
- 识别少突胶质细胞特异性调控区域的共结合转录因子：研究人员对比少突胶质细胞与其他脑细胞类型的 scATAC-seq 数据，确定了 787 个少突胶质细胞差异可及且特异性的调控区域，从中识别出 958 个推断的 TFBSs 基序，进而得到 8101 个共结合转录因子对。这些转录因子对与 445 个少突胶质细胞特异性靶基因相关，且相关区域多为增强子（67.5%）。
- 少突胶质细胞转录因子与靶基因的表达关系：通过单细胞研究发现少突胶质细胞具有独特的基因表达谱。对 17,946 个基因和 20,191 个元细胞进行差异表达测试，确定了 4387 个少突胶质细胞差异表达基因（DEGs），其中 445 个靶基因中有 88% 属于 DEGs。将转录因子分类后分析发现，少突胶质细胞关键转录因子对、少突胶质细胞特异性非关键转录因子对与非少突胶质细胞特异性转录因子对，在转录因子与靶基因的相关性上存在显著差异。
- 深度学习和 Shapley 交互分数衡量共结合转录因子的协同性：为探究转录因子之间的复杂关系，研究人员为 445 个靶基因分别训练深度学习模型。计算 Shapley 交互分数（SI scores）发现，关键共结合转录因子对的 SI 分数显著高于非关键对。以髓鞘碱性蛋白（MBP）为例，模型预测性能良好，在不同数据集上都展现出较高的预测能力。
- 少突胶质细胞基因调控网络分析：研究人员选取 6 个关键共结合转录因子对中相互作用分数最高的一对构建基因调控网络（GRN）。发现多个靶基因由多个关键合作转录因子对共同调控，如 CALD1 由 SOX10-TCF12、RORA-OLIG2 和 FOXP1-NKX6.2 共同调控。同时，通过计算转录因子的入度和出度进行层次分析，确定了 8 个顶级调控因子，包括 SOX10、SOX2 等关键转录因子，以及部分非关键转录因子。
- 合作转录因子的独立验证：
- eQTL 映射：将少突胶质细胞 eQTL 映射到特异性调控区域，发现 383 个 eSNPs 和 159 个 eGenes 映射到 188 个调控区域，其中 373 个 eSNPs 和 153 个 eGenes（及靶基因）与关键转录因子对相关，且靶基因富集于少突胶质细胞发育、髓鞘形成等生物学过程。
- 合作转录因子对的验证：利用大鼠少突胶质细胞 ChIP-seq 数据验证预测的合作转录因子对。如 SOX10 与 OLIG2、NKX2.2 的共定位，在 MBP 基因上游至少有 2 个位点存在 SOX10 与 NKX2.2、OLIG2 的共定位，表明这些转录因子对在调控 MBP 基因表达中存在协同作用。
- 转录因子对的布尔协同性：应用逻辑电路分析发现，82.2% 的共结合转录因子对具有一致的三联体，超过一半的 TF1 - TF2 - TG 对被归类为 “AND”，表明转录因子之间存在强协同作用。
- 模型预测性能的独立验证：利用来自相同细胞的多组学 scRNA-seq 数据训练模型并计算 SI 分数，结果与主要数据分析一致。使用保留数据和其他公开的 scRNA-seq 数据集评估模型性能，发现模型的归一化均方根误差（NRMSE）较低。进行消融研究发现，使用共结合或合作转录因子预测靶基因的模型性能明显优于随机转录因子。
研究结论和讨论部分表明，coTF-reg 分析框架成功识别了少突胶质细胞特异性调控区域中的共结合转录因子及其靶基因。深度学习模型通过共结合转录因子对的表达预测靶基因表达水平，并确定了高度相互作用的 “合作” 转录因子对。关键共结合转录因子对在预测靶基因表达水平上相互作用更强，eQTL 映射和 ChIP-seq 数据验证了转录因子对与靶基因之间的因果关系和协同调控作用。
这项研究具有重要意义。它首次集中关注共结合转录因子对之间的相互作用及其对靶基因表达的影响，为理解少突胶质细胞基因调控机制提供了新视角；coTF-reg 分析流程开源，方便其他研究人员使用；提供了全面的分析框架，整合多种分析方法定义 “合作” 转录因子对。不过，研究也存在一定局限性，如目前只能分析两个共结合转录因子之间的相互作用，识别结合位点依赖于基序数据库存在局限性等。但总体而言，该研究为后续探究转录因子在少突胶质细胞分化中的作用奠定了基础，有望推动神经系统疾病发病机制和治疗靶点的研究。
