作为真核生物中控制基因表达的关键因子，序列特异的转录因子(transcription factors, TFs)调控着成百上千个下游基因。尤其值得关注的是，转录因子彼此调控所形成的转录因子调控网络(TF regulatory networks, TRNs)对细胞的类型和主要功能具有决定性作用。染色质开放性描述了DNA序列在物理上的可接近程度，从而能够作为转录调控事件的直接反映。得益于当前染色质开放性数据的积累和深度学习的发展，我们提出了一种基于单细胞ATAC-seq数据的TRN推演框架，并将其命名为DeepTFni。借助图神经网络中的变分图自编码器，DeepTFni将TRN推演问题转化为图上的链路预测问题。实验表明，DeepTFni具有优异的预测性能，并且可以支持细胞数较少的情况。此外，我们使用DeepTFni对组织发育和肿瘤发生中的关键转录因子予以分析。发现在混合表型急性白血病中，很多与该疾病密切相关的基因，其TRN在对照与患者之间具有显著变化，而其mRNA水平的变化则相对适中。最后，我们还提供了相应的在线服务网站(http://deeptfni.sysomics.com/)。

图神经网络;转录调控;单细胞ATAC