来自多式单细胞数据的组织特异增强剂基因地图可以识别因果性疾病等位基因
Saori Sakaue1,2,3, Kathryn Weinand1,2,3,4, Shakson Isaac1,2,3,4
1Center for Data Sciences, Brigham and Women's Hospital, Harvard Medical School, Boston, MA, USA.
Nature genetics
|April 9, 2024
概括
科学家们开发了一种新方法,SCENT,用于绘制特定细胞中的基因活性. 这种工具有助于识别致病的遗传变异,通过使用多模式测序数据将它们与特定的基因和细胞类型联系起来.
科学领域:
- 基因组学和生物信息学
- 分子生物学分子生物学
- 计算生物学 计算生物学
背景情况:
- 将全基因组关联研究 (GWAS) 结果转化为因果变异和基因对于理解疾病机制至关重要.
- 精确的细胞类型特定的增强剂基因图是必不可少的,但很难使用现有的实验技术从原始人体组织中生成.
研究的目的:
- 从多式单细胞测序数据开发一种新的计算方法,用于从多式单细胞测序数据中创建特定细胞类型增强剂基因图.
- 为了实现与人类疾病和特征相关的因果变异和基因的可扩展和准确的识别.
主要方法:
- 开发了SCENT (单细胞增强剂向基因映射),一种非参数统计方法.
- 使用单细胞/核多模式RNA测序和ATAC测序数据建模了增强器染色质可访问性和基因表达之间的关联.
- 将SCENT应用于9个多模式数据集,其中包括超过12万个细胞/细胞核.
主要成果:
- 生成了23个特定于细胞类型的增强剂基因图.
- 这些地图显示了表达定量位置 (eQTL) 和GWAS对1,143种疾病和特征的因果变异的显著丰富.
- 确定了常见和罕见疾病的可能因果基因,并将体质突变热点与向基因联系起来.
结论:
- SCENT提供了一种可扩展和准确的方法,用于从疾病相关的人体组织中构建细胞类型特定的增强剂基因图.
- 这些地图对于破译非编码基因变异的功能影响至关重要.
- 这种方法有助于在高分辨率下识别与疾病相关的基因和变异.
