MERLIN-SUITE：整合调控先验和转录因子活性的多组学数据概率模块化GRN推断

准确重建基因调控网络（GRN）对于理解发育和疾病中的转录过程至关重要。MERLIN-SUITE（https://github.com/Roy-lab/MERLIN-SUITE）代表了一组基于MERLIN（每基因信息的模块化调控网络学习）的算法扩展，MERLIN是一个概率框架，用于推断共调控模块的基因特异性和模块特异性调控程序，捕捉转录网络的详细和模块化方面。虽然基于表达的推断是有效的，但它通常与实验验证的调控相互作用吻合不佳。MERLIN-P通过整合外部调控先验（如基序、ChIP和扰动数据）来解决这一问题，以增强生物学相关性和预测准确性。MERLIN-P-TFA通过纳入潜在转录因子活性（TFA）的正则化估计进一步推进了该框架，克服了TF mRNA水平可能不代表蛋白质活性的局限性。通过整合表达数据、先验知识和活性感知建模，这种统一方法支持在批量数据集和单细胞数据集中进行稳健的GRN重建。本章介绍了MERLIN-SUITE，重点关注MERLIN-P-TFA，并演示了其在小鼠细胞重编程的单细胞多模态数据集上的使用，以推断GRN并识别关键调控因子。