利用机器学习方法在单细胞水平上区分未分化的和已分化的精原干细胞

《Stem Cell Reviews and Reports》：Identifying Mouse Undifferentiated To Differentiated Spermatogonia Stem Cells at the Single-Cell Level Using Machine Learning Approaches

小鼠精原干细胞（SSCs）分子特征及生物标志物研究通过多组学整合与机器学习，揭示了SSC亚型分类、关键调控基因及与精子发生功能相关的生物标志物，建立了计算分析流程，为男性不育和再生医学提供新思路。

摘要

小鼠的精子发生是一个高度有序的过程，然而精原干细胞（SSCs）的转录和分子异质性尚未完全了解。通过整合多组学数据和运用机器学习技术，我们旨在表征SSCs的亚型，识别关键调控基因，并发现与精子发生功能和干细胞特性相关的新生物标志物。我们系统地从GEO数据库中检索并整理了四个小鼠基因表达数据集（GSE45887、GSE45885、GSE9210以及验证集GSE145467），并使用R/Bioconductor工具进行了严格的预处理、标准化和批量效应校正。利用Limma软件包（FDR < 0.01，|log?FC| > 1.5）识别差异表达基因（DEGs），随后通过Enrichr进行GO和KEGG富集分析。基于OCLR算法计算了基因集变异分析（GSVA）和干细胞指数（mRNAsi）。关键枢纽基因通过scRNA-seq数据（GSE149512）进行了验证，并通过免疫组化（IHC）和递归特征消除（RFE）方法进一步评估了这些基因。多数据集转录组数据的整合揭示了一组参与干细胞特性、生殖细胞发育和代谢调控的保守差异表达基因。层次聚类和GSVA分析区分了不同的SSCs亚型，这些亚型在与糖酵解、细胞周期调控和多能性相关的KEGG通路中表现出富集现象。单细胞分析确认了关键SSC标记物（如CD9、ID4、THY1）的表达，而基于SIMP的单细胞ChIP-seq数据推断验证了表观遗传学占据模式。机器学习模型（随机森林、SVM、ANN）在从转录组和IHC数据预测SSC表型方面表现出高分类性能（AUC > 0.92）。在小鼠睾丸组织中的IHC验证进一步证实了这些枢纽基因的空间定位。我们的整合性转录组和单细胞方法揭示了小鼠SSCs的分子特征，识别了可靠的精子发生功能生物标志物，并提供了一个用于SSCs表征的计算流程。这些发现为生殖医学以及男性不育症和再生生物学的潜在治疗应用提供了重要见解。

小鼠的精子发生是一个高度有序的过程，然而精原干细胞（SSCs）的转录和分子异质性尚未完全了解。通过整合多组学数据和运用机器学习技术，我们旨在表征SSCs的亚型，识别关键调控基因，并发现与精子发生功能和干细胞特性相关的新生物标志物。我们系统地从GEO数据库中检索并整理了四个小鼠基因表达数据集（GSE45887、GSE45885、GSE9210以及验证集GSE145467），并使用R/Bioconductor工具进行了严格的预处理、标准化和批量效应校正。利用Limma软件包（FDR < 0.01，|log?FC| > 1.5）识别差异表达基因（DEGs），随后通过Enrichr进行GO和KEGG富集分析。基于OCLR算法计算了基因集变异分析（GSVA）和干细胞指数（mRNAsi）。关键枢纽基因通过scRNA-seq数据（GSE149512）进行了验证，并通过免疫组化（IHC）和递归特征消除（RFE）方法进一步评估。多数据集转录组数据的整合揭示了一组参与干细胞特性、生殖细胞发育和代谢调控的保守差异表达基因。层次聚类和GSVA分析区分了不同的SSCs亚型，这些亚型在与糖酵解、细胞周期调控和多能性相关的KEGG通路中表现出富集现象。单细胞分析确认了关键SSC标记物（如CD9、ID4、THY1）的表达，而基于SIMP的单细胞ChIP-seq数据推断验证了表观遗传学占据模式。机器学习模型（随机森林、SVM、ANN）在从转录组和IHC数据预测SSC表型方面表现出高分类性能（AUC > 0.92）。在小鼠睾丸组织中的IHC验证进一步证实了这些枢纽基因的空间定位。我们的整合性转录组和单细胞方法揭示了小鼠SSCs的分子特征，识别了可靠的精子发生功能生物标志物，并提供了一个用于SSCs表征的计算流程。这些发现为生殖医学以及男性不育症和再生生物学的潜在治疗应用提供了重要见解。