Arc Institute 发布 Bolero 模型,可按细胞状态预测基因调控
Bolero: a cell-state conditioned sequence model for context-specific gene regulation
Arc Institute 在 bioRxiv 发布细胞状态条件化序列模型 Bolero,可仅凭 DNA 序列预测特定细胞状态的转录本丰度与染色质可及性。模型核心是序列到功能的 Transformer,其权重依据细胞类型动态生成,训练数据来自覆盖六种哺乳动物、1080 万细胞的单细胞表观组与多组学图谱。
模型按细胞状态嵌入动态生成各层权重,为预测尚未测量的细胞类型中的基因调控提供了可迁移思路。
如果细胞状态是一首歌,我们的 DNA 就是乐谱,而表观基因组则是管弦乐队。DNA 提供相同的基本序列,但不同细胞类型如何使用这段序列,取决于哪些转录因子存在以及染色质的可及程度。你听过拉威尔的 Boléro 吗?在那部作品中,每件乐器都围绕同一个音乐主题即兴演奏,在宏大的音乐渐强中创造出变化。修饰基因表达的复杂过程与此颇为相似,而拉威尔这场别出心裁的管弦乐实验,正是我们今天发布在 bioRxiv 上的新细胞状态预测模型 Bolero 的名字由来。
Bolero 的工作原理
在开发 Bolero 时,我们有两个主要问题:如何构建更好的模型来预测细胞类型特异性突变的影响,以及我们能否利用细胞的调控语法来预测它们对扰动的反应?借助 Bolero,我们对这两个问题都给出了答案。为了根据细胞类型预测表达,Bolero 接受两种不同的输入:原始 DNA 序列和“细胞状态嵌入”——一种从包含 1080 万个细胞的庞大图谱中得出的、代表细胞身份的数学表示,该图谱涵盖了来自广泛细胞类型的单细胞表观基因组和多组学数据,代表了不同的组织、发育阶段和年龄,以及包括人类在内的六种哺乳动物的演化分歧。
通过将序列模型置于这种细胞背景之下进行条件化,Bolero 能够仅凭 DNA 直接成功预测细胞状态特异性的转录本丰度和染色质可及性。但 Bolero 并不只是在流程末尾附加一个细胞身份标签。相反,它可以根据你查询的细胞类型,切实地改变自身的神经网络架构。当你将特定的细胞状态嵌入输入 Bolero 时,模型会生成独特的、定制的权重,这些权重在数学上被加到模型基线 Transformer 网络的每一层上。由于这些定制权重是针对每种特定细胞类型动态生成的,因此每个细胞状态都拥有自己专属的有效网络。在实践中,这使得科学家能够询问某个给定序列在尚未被分析过的细胞状态中会有什么作用,而无需先进行湿实验。
利用 Bolero 解码特定细胞状态的调控逻辑
Bolero 的一个示例应用场景,是我们与哈佛医学院 Michael Greenberg 实验室的合作研究。我们希望理解即时早期基因(在本例中为 AP-1 转录因子)的快速表达如何以细胞类型特异性的方式引发下游响应。为此,我们利用序列模型来理解细胞类型特异性的来源,不仅以细胞状态为条件,还以转录因子活性为条件。本质上,我们在 Bolero 模型中加入了一个神经活动(AP-1 信号)的音量旋钮,帮助我们理解截然不同的脑细胞如何解读完全相同的刺激。并且,在虚拟模拟中调高这个旋钮后,Bolero 准确预测了特定细胞(如两类海马神经元)会以各自独特的方式改变其 DNA 可及性,以响应这一共同信号。
但准确预测只是 Bolero 众多特性中的一项。询问模型为何做出这些预测,揭示了基因组语法的另一个隐藏特性:不同的转录因子会根据细胞类别与 AP-1 组队合作。不仅如此,这些辅因子相对于 AP-1 的物理距离也很重要。通过运行虚拟 DNA 编辑实验(in silico 插入),我们发现将协作因子 FOX 恰好放置在距离 AP-1 4 个碱基对的位置,会作为一种隐秘的语法规则,显著增强人体各处上皮细胞对细胞的响应。Bolero 从仅仅读取 DNA,发展到模拟细胞对神经活动的反应,并成功逆向工程出细胞触发该反应所使用的精确物理编码。
转化生物学的一个核心挑战在于,许多实验只能在模式生物中进行,这留下了同样的规则是否适用于人脑的疑问。在 AP-1 实验中,Bolero 生成了可跨物种泛化的预测,即使这些物种并未包含在训练数据中。当我们仅使用人类数据训练 Bolero 的 AP-1 活性模型,然后让这个人类训练的模型基于小鼠和猕猴的原始 DNA 预测 AP-1 活性时,Bolero 表现得极为出色。模型正确预测了哪些增强子会在小鼠和猕猴神经元中响应相同的神经活动信号而开启,尽管在训练期间从未见过这两个物种的任何一个细胞。这表明 Bolero 不仅仅是在记忆 AP-1 基序在人类基因组中的位置;它实际上已经学会了细胞如何解读该信号,其掌握程度足以从一个完全不同的物种的 DNA 中读取出来。虽然我们的行为实验只能在模式生物中进行,但 Bolero 已证明的跨物种正确迁移能力意味着,即使没有从行为到基因读出的直接映射,我们也能开始解读人类活动依赖性基因组中的独特变化。
该模型还能为人类遗传学研究中的疾病相关变异打分,在某些情况下,它甚至可以从头设计新的增强子,编辑少数几个碱基,将合成序列重定向到选定的细胞类型和活性状态。
在我们的身体中,表观基因组元件正在组合出独特的短语,解读我们 DNA 序列的主旋律,从而产生构成我们心脏、肺和大脑的不同细胞状态。这些元件跨越物种存在,将人类细胞中的基因表达规则与小鼠及其他模式生物中的规则联系起来。Bolero 从这些片段中学习,帮助我们更多地了解细胞状态背后的分子驱动因素。
Liu, H., Mao, S., Gallent, T., Chen, Y., Yan, Z., Vogel, I., Traunmüller, L., Zhang, R., Buenrostro, J.D., Zhou, J., & Greenberg, M.E. 用 Bolero 预测跨细胞环境与物种的状态特异性调控。bioRxiv (2026). https://doi.org/10.64898/2026.10.19.760026
Jingtian Zhou (X: @zhou_jingtian) 是 Arc Institute 的科学研究员
来源:Arc Institute · arcinstitute.org