单细胞ATAC-seq数据的可扩展和公正的序列信息嵌入使用CellSpace
Zakieh Tayyebi1,2, Allison R Pine1,2, Christina S Leslie3
1Computational and Systems Biology Program, Memorial Sloan Kettering Cancer Center, New York, NY, USA.
Nature methods
|May 9, 2024
概括
细胞空间是单细胞ATAC测序 (scATAC-seq) 的新算法,它使用DNA序列信息来揭示细胞结构和转录因子活动. 它还有效地减少了大型数据集中的批量效应.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 一个单细胞分析.
背景情况:
- 标准的单细胞ATAC测序 (scATAC-seq) 分析将细胞表现为稀疏的载体,忽视了可访问的DNA区域的宝贵基因组序列信息.
- 这种局限性阻碍了对细胞异质性和调节机制的全面理解.
研究的目的:
- 介绍CellSpace,一个高效和可扩展的scATAC-seq算法,集成基因组序列信息.
- 通过学习DNA k-mers和细胞的联合嵌入空间来解决现有方法的局限性.
主要方法:
- 细胞空间采用了基于序列的嵌入方法,将DNA k-mers和单细胞映射到共享的潜空间中.
- 该算法学习了能够捕捉与细胞可访问性配置相关的基因组序列特征的表示.
主要成果:
- 细胞空间成功地识别了scATAC-seq数据中的有意义的潜在结构,包括不同的细胞亚群和发育轨迹.
- 该方法可以通过评估它们与嵌入的结合基因的近距离来评分单个细胞中的转录因子活动.
- 细胞空间在各种数据集中展示了对批量效应的强有力的缓解,即使是那些使用不同的峰值地图集处理的数据集.
结论:
- 细胞空间为分析scATAC-seq数据提供了一个强大的,序列意识的方法,增强了细胞状态和监管元素的解释.
- 这种算法有助于整合和分析大规模的scATAC-seq汇编,推进单细胞基因组学研究.
