免疫学专家解读：机制-机器学习工作流建模 JAK-STAT 信号网络解码巨噬细胞可塑性

肺泡巨噬细胞中 CISH 特异表达，敲除后出现泡沫样表型与表面活性物质失调，差异基因富集 GATA 基序，锁定 GATA2 为候选调控因子。

• 肺泡巨噬细胞中 CISH 特异表达，敲除后出现泡沫样表型与表面活性物质失调，差异基因富集 GATA 基序，锁定 GATA2 为候选调控因子。
• GATA2 缺失在稳态无明显表型，但在 IL-33 型 2 炎症模型中经 Seahorse 显示代谢重塑受损（代谢活性下降），提示其维持炎症时的代谢可塑性。
• 用 LPS 时序 scRNA-seq 做主题建模，发现身份形成转录因子（如 CBPβ、PU.1）同时关联稳态与炎症程序，提出它们动态互作、既允许又限制可塑性的模型。
• 构建机制-机器学习工作流：BioNetGen 建模 JAK-STAT 磷酸化轨迹并作为 ML 输入预测全局基因表达，可对 JAK2 抑制做信号与基因的双重模拟。
• 用 fedratinib（JAK2 抑制剂）验证：JAK2 抑制对 STAT1 影响大、对 STAT3 影响小，模型成功区分 JAK2 依赖与非依赖基因（发表于 Cell Systems）。
• 二代工作流引入启动子序列与 CUT&RUN，用序列到功能模型预测 STAT 结合，目标识别可预测基因反应类型的启动子序列特征及协同因子。
• 注意：讲者自陈“作者自称系首次实现 JAK 抑制下基因水平的预测，该“首次”说法尚待独立验证。”属宣称性内容，标注待验证，非既定事实。
• 定位：计算免疫学；AI4Science。。