研究为构建基因调控网络提供了见解

基因调控网络（GRNs）将细胞系统内基因的调控机制描述为一个网络，为理解决定细胞表型的细胞过程和分子相互作用提供了重要的见解。转录调控是一种普遍的基因表达调控类型，涉及转录因子（TF）对靶基因（TG）的控制

推断GRN的主要挑战之一是在系统的各个组成部分之间建立因果关系，而不仅仅是相关性。因此，从因果关系的角度推断基因调控网络对于理解控制细胞系统动力学的潜在机制至关重要

定量生物学发表了一种方法，题为“基于因果发现与图神经网络集成的基因调控网络推理”，该方法利用图表示学习和因果不对称学习，同时考虑线性和非线性调控关系。GRINCD在预测TF-TG和TF-TF的调节关系方面都取得了优异的性能，而基于广义相关性的方法是无法实现的

GRINCD基于加性噪声模型（ANM）应用集成学习来预测每个调节器-目标对的因果调节，该模型以图形神经网络生成的每个基因的高质量表示作为输入

具体而言，GRINCD利用随机游动和节点的度分布来生成边缘标签，并将其提供给与二进制分类器连接的两层GraphSAGE，以获得每个节点的表示

GRINCD在各种评估指标下在多个数据集上实现最佳性能。作为一种应用，通过分析与疾病进展的调节关系的实质性变化，GRINCD确定了驱动从结肠炎症转变为癌症的关键潜在调节因子