ARTICLE · 1319503
AI 设计细胞专属「基因开关」
AI 设计细胞专属「基因开关」CREsted：从单细胞表观图谱，定向构建细胞特异性增强子
同样一套基因组，为什么神经元、上皮细胞、免疫细胞，会走向完全不同的命运？
答案藏在大片不编码蛋白的基因组区域里。
增强子，就是其中最迷人的一类元件——它像一枚精密的基因开关，只在特定细胞、特定时间点启动下游基因，牢牢锁住细胞的身份与分化轨迹。
但想要拿到一段「只在目标细胞里起效」的增强子，一直是件难事。
湿实验高通量筛选成本高、周期漫长；传统计算工具大多停留在「预测某段序列是不是增强子」，很难聚焦单细胞分辨率，更谈不上从头写出一条全新、具备细胞特异性的调控序列。
而 CREsted 的出现，把「读懂增强子密码」和「人工合成增强子」整合在了同一条流水线里。
CREsted，全称 Cis Regulatory Element Sequence Training, Explanation and Design。顾名思义，它一口气完成三件核心工作：基于单细胞数据训练调控模型、拆解序列内部的调控逻辑、从头设计顺式调控元件。
一、从单细胞开放图谱，到模型训练标签
整个流程的起点，是我们很熟悉的单细胞染色质开放数据 scATAC-seq。
工具原生兼容领域最主流的三套分析框架：pycisTopic、ArchR、SnapATAC2。
原始 peak 经过区域过滤、峰高归一化、特异性筛选之后，会整理成标准 AnnData 矩阵。矩阵里记录着每一个基因组区域，在每一类细胞类型中的染色质开放水平——这就是模型学习的“标准答案”。
简单来说：模型会去学习，什么样的 DNA 序列，能够在 A 类细胞里打开、在 B 类细胞里沉默。
二、序列驱动的深度学习：双任务建模，兼顾预测能力
CREsted 的输入只有原始 DNA 序列。依托 Keras 搭建的模型，提供两条训练路径：既可以从头训练，也可以基于 Bozzoli、Enformer 的预训练权重做迁移学习，对样本量有限的项目格外友好。
它同时设置了两套学习目标：
• ✅ 多输出回归任务：预测序列在不同细胞类型中的染色质开放强度，用余弦相似度、斯皮尔曼、皮尔逊相关系数评估拟合效果；
• ✅ 多标签分类任务：判别序列能否在该细胞类型激活，评价指标采用 auROC、auPR。
训练阶段自带序列增强策略：对序列做 one-hot 编码、反向互补、序列移位，尽可能降低模型过拟合，提升泛化能力。
和很多基因组黑盒模型不一样，CREsted 的设计重心不是泛组织层面的调控预测，而是紧紧扣住「细胞类型特异性」这个核心。
三、拆解调控密码，实现从头合成增强子
这也是这条管线最亮眼的一环：模型不是一个只会输出预测值的黑盒子。
借助 Gradient × Input 计算每个碱基的贡献分数，搭配计算机虚拟诱变（in silico mutagenesis），研究者可以定位序列里真正决定特异性的核心位点。
拿到碱基贡献图谱之后，管线继续向下做基序挖掘：
通过 tfmodisco-lite、tangereme 完成 motif 聚类，对接 PWM 数据库与 SCENIC+；再结合配套 scRNA-seq 的转录因子表达谱，把每一个富集的基序匹配到对应的转录因子。
最终流向两条完全不同的科研出口：
1. 解析方向：挖掘每一类细胞独有的 TF 基序组合，破译该细胞专属的增强子编码规则；
2. 合成方向：在硅上迭代进化，直接输出全新的合成增强子序列，也就是文章里展示的 synthetic sequence design。
一边读懂天然细胞的调控语法，一边书写全新的调控序列。
四、对我们来说，它意味着什么？
这套工具，对合成表观、细胞工程、基因治疗方向的课题组，有着很实在的价值。
基因治疗里最棘手的痛点之一，就是启动子/增强子缺乏细胞选择性，目的基因在非靶细胞异常激活，带来安全风险。如果可以按需定制细胞特异性增强子，就有机会让治疗基因精准地只在目标细胞中开启。
在肿瘤、类器官、细胞分化研究中，它可以帮我们定位驱动细胞身份的核心调控环路；而对于做合成调控元件的工作，我们不再只能被动筛选天然基因组片段，而是主动设计、迭代序列。
当然，也要客观看待：模型学到的，是单细胞表观数据中统计层面的调控偏好。所有在计算机里设计出来的候选序列，最终依然离不开湿实验的验证。但它把巨大的基因组筛选空间，压缩成一小批可控、可迭代的候选，大幅节约实验人力与时间。
从识别调控元件，到解析规则，再到自主创造调控序列，合成表观的工具箱，正在一点点变丰富。
当我们可以按需定制一枚属于特定细胞的“基因开关”，无论是构建更精细的细胞模型，或是开发更安全的基因递送系统，都多了一条可行的路径。
📌 工具信息
工具名称：CREsted
核心能力：基于单细胞 ATAC，训练、解释、从头设计细胞特异性顺式调控元件
适用方向：单细胞表观、增强子研究、合成生物学、细胞特异性载体开发、基因治疗
💬 互动
你所在课题组是否正在做增强子筛选、特异性启动子开发？你目前更依赖高通量筛选，还是计算预筛选候选？欢迎在评论区交流。
答案藏在大片不编码蛋白的基因组区域里。
但想要拿到一段「只在目标细胞里起效」的增强子，一直是件难事。
湿实验高通量筛选成本高、周期漫长；传统计算工具大多停留在「预测某段序列是不是增强子」，很难聚焦单细胞分辨率，更谈不上从头写出一条全新、具备细胞特异性的调控序列。
而 CREsted 的出现，把「读懂增强子密码」和「人工合成增强子」整合在了同一条流水线里。
CREsted，全称 Cis Regulatory Element Sequence Training, Explanation and Design。顾名思义，它一口气完成三件核心工作：基于单细胞数据训练调控模型、拆解序列内部的调控逻辑、从头设计顺式调控元件。
原始 peak 经过区域过滤、峰高归一化、特异性筛选之后，会整理成标准 AnnData 矩阵。矩阵里记录着每一个基因组区域，在每一类细胞类型中的染色质开放水平——这就是模型学习的“标准答案”。
简单来说：模型会去学习，什么样的 DNA 序列，能够在 A 类细胞里打开、在 B 类细胞里沉默。
• ✅ 多输出回归任务：预测序列在不同细胞类型中的染色质开放强度，用余弦相似度、斯皮尔曼、皮尔逊相关系数评估拟合效果；
• ✅ 多标签分类任务：判别序列能否在该细胞类型激活，评价指标采用 auROC、auPR。
训练阶段自带序列增强策略：对序列做 one-hot 编码、反向互补、序列移位，尽可能降低模型过拟合，提升泛化能力。
和很多基因组黑盒模型不一样，CREsted 的设计重心不是泛组织层面的调控预测，而是紧紧扣住「细胞类型特异性」这个核心。
拿到碱基贡献图谱之后，管线继续向下做基序挖掘：
最终流向两条完全不同的科研出口：
1. 解析方向：挖掘每一类细胞独有的 TF 基序组合，破译该细胞专属的增强子编码规则；
2. 合成方向：在硅上迭代进化，直接输出全新的合成增强子序列，也就是文章里展示的 synthetic sequence design。
一边读懂天然细胞的调控语法，一边书写全新的调控序列。
基因治疗里最棘手的痛点之一，就是启动子/增强子缺乏细胞选择性，目的基因在非靶细胞异常激活，带来安全风险。如果可以按需定制细胞特异性增强子，就有机会让治疗基因精准地只在目标细胞中开启。
当然，也要客观看待：模型学到的，是单细胞表观数据中统计层面的调控偏好。所有在计算机里设计出来的候选序列，最终依然离不开湿实验的验证。但它把巨大的基因组筛选空间，压缩成一小批可控、可迭代的候选，大幅节约实验人力与时间。
从识别调控元件，到解析规则，再到自主创造调控序列，合成表观的工具箱，正在一点点变丰富。
当我们可以按需定制一枚属于特定细胞的“基因开关”，无论是构建更精细的细胞模型，或是开发更安全的基因递送系统，都多了一条可行的路径。
工具名称：CREsted
核心能力：基于单细胞 ATAC，训练、解释、从头设计细胞特异性顺式调控元件
适用方向：单细胞表观、增强子研究、合成生物学、细胞特异性载体开发、基因治疗
💬 互动
你所在课题组是否正在做增强子筛选、特异性启动子开发？你目前更依赖高通量筛选，还是计算预筛选候选？欢迎在评论区交流。
