シングル細胞RNAからATACデータへのクロスオミクスラベル転送のための計算ツールに関する包括的なベンチマーク研究

科学分野:

• ゲノミクス
• 計算生物学
• シングルセル解析

背景:

• シングルセルクロマチンアクセシビリティ（scATAC-seq）は、発生および疾患における遺伝子調節の理解に不可欠です。
• 正確な細胞タイプアノテーションは、複雑な組織の細胞性を解釈するために不可欠です。
• シングルセルRNAシーケンシング（scRNA-seq）からscATAC-seqデータへのラベル転送のための限られた方法しか存在しません。

研究 の 目的:

• scATAC-seq細胞タイプアノテーションのための27の計算ツールの包括的なベンチマーク。
• ヒトおよびマウス組織からのペアおよびペアになっていないscRNA-seqおよびscATAC-seqデータを使用したツールのパフォーマンス評価。
• クロスモーダルラベル転送に最適な方法の特定とパフォーマンスに影響を与える要因の評価。

主な方法:

• scATAC-seqラベルアノテーションのための27の計算ツールのベンチマーク。
• 多様なヒトおよびマウス組織からのペアおよびペアになっていないシングルセルRNAおよびATACシーケンシングデータの利用。
• 予測精度、スケーラビリティ（時間とメモリ効率）、およびデータ特性の影響に基づいてパフォーマンスを評価。

主要な成果:

• 高品質のペアデータが利用可能な場合、BridgeとGLUEがラベル転送のトップパフォーマーでした。
• bindSCとGLUEは、ペアになっていないデータ全体で最高の予測精度を示しました。
• データの不均衡、クロスオミクスの不一致、半教師あり戦略などの要因がパフォーマンスに悪影響を与えました。
• BridgeとGLUEのようなディープラーニング手法は、優れたスケーラビリティを示しました。

結論:

• Bridge、GLUE、bindSCは、データの利用可能性に応じて、scATAC-seq細胞タイプアノテーションに推奨されます。
• ピークレベルの情報は、遺伝子活性を超えて正確なアノテーションに不可欠です。
• 将来のscATAC-seq方法論の開発では、データ特性とスケーラビリティを考慮する必要があります。