基因调控网络推断不再二选一：scGPL把全局拓扑与成对样本合到一起，AUPRC最高提升13.7%
核心概要
从单细胞RNA测序数据推断基因调控网络，长期存在两条路线：图方法把整个网络当作一张图训练，容易过拟合；成对方法把网络拆成转录因子—靶基因对，样本多却丢掉全局拓扑。scGPL用双分支结构同时建模全局调控图与每个候选对的局部子图，在七个基准数据集上取得最优表现，AUPRC相对最强基线最高提升13.7%。
深度剖析
基因调控网络推断现在可以在一个端到端模型里同时利用整张调控图的拓扑结构和大量转录因子—靶基因训练对，而不必在两种范式之间取舍。 此前的图方法依赖单一训练图，容易过拟合；成对方法虽然训练样本充足，却忽略全局网络结构，对注释不完整造成的假阴性尤其敏感。 在BEELINE框架整理的七个单细胞数据集上，scGPL在细胞类型特异网络上全部取得最优结果，AUROC平均值在TFs+500设置下比scGREAT高3.4%，在TFs+1000设置下高3.8%。
模型对每个候选调控对单独构造一个局部子图，再把这个局部上下文与整图表示融合，得到兼顾宏观通路与细粒度相互作用的预测。 全局分支用多层图神经网络在整张调控图上做消息传递，提取多尺度节点嵌入；局部分支则用Transformer编码该对的跨细胞共表达模式，并用动态子图采样补上中间调控因子和辅因子的结构信息。 子图扩展按节点度数与表达余弦相似度加权打分，优先纳入信息量大的邻居；在TFs+1000设置下，scGPL相对scGREAT的AUPRC提升13.7%，在正样本最稀疏的mDC数据集上EPR接近scGREAT的三倍。
启示与展望
评估覆盖BEELINE整理的七个人类与小鼠单细胞数据集，每个数据集分别取转录因子加500或1000个高变基因两种设置，并在细胞类型特异、STRING 与非特异等多类真值网络上比较；作者提出后续将引入配对scRNA-seq与scATAC-seq等多组学数据以及大规模单细胞基础模型。
作者指出动态子图采样在候选交互空间极大时会带来额外计算开销，全局分支与子图模块仍需要一定的先验调控交互提供结构上下文，当前评估主要在数据集内训练与测试，预测涉及未见基因或跨生物系统迁移仍是开放问题。