1. 领域背景与文献
文献英文标题：Charting critical transient gene interactions in disease progression across bulk, single-cell, and spatial transcriptomics；
发表期刊：Genome Biol；影响因子：未公开；研究领域：生物信息学，多模态转录组整合分析，疾病进展的基因调控网络研究。
领域共识：近二十年来，转录组测序技术经历了从批量转录组到单细胞转录组，再到空间转录组的三次关键技术突破，不同模态的转录组数据各有优势，批量转录组可获得大样本量的群体水平表达信息，单细胞转录组可解析细胞异质性，空间转录组可保留组织空间表达信息，多模态数据的积累为系统解析疾病进展的分子机制提供了数据基础。疾病进展过程中，基因调控网络往往会发生临界转变，这种转变会提前预示疾病的突然表型漂移，如症状发作、肿瘤侵袭转移等，因此精准识别临界转变相关的分子事件对疾病早期预警和及时干预具有重要临床价值，是当前转化医学与生物信息学的研究热点方向。
现有针对疾病临界转变的分析工具仍存在多个核心缺陷，现有工具大多仅在基因或模块水平完成无监督信号排序，采用未加权的富集分析策略，且无法充分整合利用批量、单细胞、空间转录组的多模态数据，难以在基因互作分辨率层面捕捉疾病进展过程中的瞬时关键调控事件，无法满足当前多模态转录组研究的分析需求。针对上述研究空白，本研究开发了全新分析工具CRISGI，实现了跨三种模态转录组数据的互作水平临界转变动态分析，弥补了现有方法的不足，为疾病进展临界转变的研究提供了全新的方法学工具，也为临床疾病预警提供了新的候选分子靶点。
2. 文献综述解析
现有研究针对疾病临界转变的分析主要按照数据类型和研究分辨率分为不同方向，多数研究聚焦于单模态转录组数据的分析，以基因或模块作为分析单位开展研究。
现有部分研究基于批量转录组数据开发了临界转变识别方法，这类方法优势在于可利用大样本量的临床数据获得具有统计效力的结果，但局限性在于无法解析肿瘤等疾病中存在的细胞异质性，无法捕捉细胞水平的瞬时调控变化。另有部分研究基于单细胞转录组数据开展临界转变分析，这类方法可以解析细胞水平的表达动态，但是往往受限于样本量较小，缺乏大规模临床验证，且没有整合空间层面的表达信息。现有研究普遍存在的共同问题是分析分辨率停留在基因或模块层面，没有充分利用基因互作层面的调控信息，同时无法同时适配三种不同模态的转录组数据，不能充分发挥多模态数据的整合优势。
和现有研究相比，本研究的创新价值十分明确，首次开发了可同时适配批量、单细胞、空间三种模态转录组数据的分析工具，将临界转变分析的分辨率提升到基因互作水平，支持表型和观测水平的加权临界转变评分富集，解决了现有研究未解决的多模态数据整合不足、分辨率偏低的问题，填补了该领域的方法学空白。
3. 研究思路总结与详细解析
本研究的研究目标是开发可跨多模态转录组数据，识别疾病进展过程中互作水平关键瞬时临界转变的分析方法，核心科学问题是如何充分利用多模态转录组数据提升疾病临界转变相关分子事件的识别准确性，技术路线遵循方法构建→性能测试→多场景应用验证→提出机制假说的闭环逻辑。
3.1 CRISGI计算模型构建
实验目的：构建能够适配多模态转录组数据，在基因互作水平分析临界转变动态的计算模型。方法细节：模型设计实现了对批量转录组、单细胞转录组、空间转录组三种不同数据类型的兼容，可输出表型水平和观测水平的临界转变评分，支持临界转变评分的富集分析，同时可完成临界转变存在以及发病时间的预测。结果解读：该模型首次实现了基因互作水平的多模态转录组临界转变分析，相较于传统方法分辨率更高，数据利用率更强。文献未提及具体实验产品，领域常规使用生物信息学计算服务器与开源分析工具。
3.2 计算机模拟基准性能测试
实验目的：将CRISGI与现有已发表的同类方法进行性能比较，验证CRISGI的性能优势。方法细节：采用计算机模拟生成的基准测试数据集，对比不同方法的预测准确性。结果解读：CRISGI的预测性能优于所有对比的现有方法（文献未明确提供具体数值，基于摘要结论推测）。文献未提及具体实验产品，领域常规使用生物信息学计算分析工具。
3.3 实际疾病数据的应用与验证
实验目的：在不同类型的实际疾病研究场景中验证CRISGI的实际应用价值，识别潜在的关键基因互作。方法细节：分别在H3N2流感、肿瘤TCGA队列、结直肠癌、侵袭性乳腺癌四个研究场景中应用CRISGI，对流感研究结果采用8个外部独立数据集进行验证。结果解读：在H3N2流感研究中，CRISGI共筛选得到128个可预测症状发作的关键基因互作，且结果在8个外部验证数据集中得到确认（n=8，文献未明确提供P值）。在癌症研究中，CRISGI在TCGA多个癌症队列中识别出与分期特异性生存相关的关键基因互作，在结直肠癌细胞中聚焦得到细胞周期蛋白依赖性激酶-叉头框蛋白O（CDK-FOXO）互作，在侵袭性乳腺癌的空间转录组数据中，识别出以LUM为核心的关键基因互作与侵袭性肿瘤区域存在关联，所有结果均产出了可通过实验验证的机制假说。文献未提及具体实验产品，领域常规使用公共转录组数据库与生物信息学分析工具。
4. Biomarker 研究及发现成果
核心信息段：本研究识别得到多组可作为疾病进展临界转变预测的生物标志物，包括流感症状发作预测的基因互作集、肿瘤进展相关的特定基因互作，筛选逻辑为CRISGI模型基于多模态转录组数据排序筛选→外部独立数据集验证。
本研究中生物标志物的来源均为已发表的公共转录组数据集，包括H3N2流感患者的批量转录组数据、TCGA项目的肿瘤批量转录组队列、结直肠癌单细胞转录组数据、侵袭性乳腺癌空间转录组数据。验证方式主要为外部独立数据集验证，针对128个流感症状发作预测基因互作，研究采用8个外部数据集完成验证，确认了这些互作对症状发作的预测能力，文献未提供具体的特异性、敏感性以及曲线下面积（AUC）数据。
核心成果方面，本研究首次在基因互作水平识别了疾病进展临界转变相关的候选生物标志物，其中128个H3N2流感症状预测基因互作经8个独立外部数据集验证可靠，可作为流感症状发作的预测标志物，而在肿瘤研究中识别得到的CDK-FOXO互作（结直肠癌）、LUM核心基因互作（侵袭性乳腺癌），分别与结直肠癌进展、乳腺癌侵袭性存在关联，可作为肿瘤进展预警的候选标志物，推测：这些基因互作的临床预测价值还需要后续大样本临床研究以及功能实验进一步验证，本研究为后续相关研究提供了明确的方向。