基因表达数据被广泛用于推测基因调控网络（Gene regulatory networks, GRNs）。单细胞RNAseq数据包含单个细胞的表达信息，非常有利于调控机制的研究。但是，目前从大量的表达数据中明确转录调控机制仍然面临挑战，而且，重构后的调控网络可能无法捕获主要的调控规则。
这篇文章提出了一个新的方法——TENET：从scRNAseq数据中通过传递熵（transfer entropy, TE) 计算基因间的因果关系，从而构建GRNs。他们的结果发现已知的靶基因具有显著高的TE值，且TE值越高的基因受各种干扰的影响越大。与其他方法相比，他们的结果表明TENET优于其他GRN预测算法。还有一个重要的性能是该方法可以鉴定关键的调控因子。将TENET应用于胚胎干细胞向神经细胞分化过程中的scRNAseq数据，他们发现Nme2是2i条件下特异性干细胞自我更新的关键因子。
一句话评价
构建基因调控网络的新算法
文章信息
题目：Gene network reconstruction using single cell transcriptomic
data reveals key factors for embryonic stem cell differentiation
杂志：bioRxiv
时间：Dec. 21, 2019
链接: https://www.biorxiv.org/content/10.1101/2019.12.20.884163v1
有点遗憾，如果半年前自己上点心的话，可能就能深入这个方向的研究了