Wir präsentieren ein neuartiges Drei-Zustände-Genexpressionsmodell, das entwickelt wurde, um die zugrunde liegenden Mechanismen der mRNA-Transkription und ihrer Regulierung zu erläutern. Unser Modell integriert genregulatorische Prozesse, indem es explizit einen an Transkriptionsfaktoren gebundenen Zustand einbezieht, wodurch das dynamische Zusammenspiel zwischen Transkriptionsaktivierung und Chromatin-Dynamik erfasst wird. Wir passen das Modell an gepaarte Einzelzell-ATAC-seq- und Einzelzell-RNA-seq-Daten an, da diese Daten uns gleichzeitig Informationen über den transkriptionalen Zustand eines Gens und dessen begleitenden Chromatinzustand liefern. Auf der Ebene der Pseudo-Bulk-Daten extrahieren wir biologisch bedeutsame hochrangige Deskriptoren aus homogenen Zell(sub)populationen, wie den Mittelwert und die Varianz der Genexpression sowie den Anteil des zugänglichen Chromatins. Entscheidendes Kriterium für die rechnerische Machbarkeit unseres Ansatzes ist, dass diese Deskriptoren analytisch mit unseren Modellparametern in Beziehung gesetzt werden können. Trotz der erhöhten Komplexität, die erforderlich ist, um regulatorische Prozesse in unserem Modell zu erfassen, bleibt es ausreichend einfach, um Parameter zuverlässig aus experimentellen Daten abzuleiten. Jeder Parameter hat eine klare biologische Interpretation, die Eigenschaften wie Burstfrequenz, Chromatinöffnungs- und -schließdynamik sowie basal oder regulierte Expression widerspiegelt. Das Anpassen des Modells an eine große Sammlung von Genen ermöglicht es uns, die Parameter zu analysieren und sogenannte Genexpressionsstrategien zu unterscheiden. Die Modellparameter zeigen eine kleine Anzahl von unterschiedlichen Ausdrucksstrategien unter Genclustern und bieten datengestützte neue Einblicke in die kontextabhängige Regulation der Genexpression.
Peyric et al. (Sat,) untersuchten diese Frage.