从单核RNA-seq数据进行基失衡分析的实验和计算方法
Sean K Simmons1,2,3, Xian Adiconis1,2,3, Nathan Haywood1,2,3
1Aligning Science Across Parkinson's (ASAP) Collaborative Research Network, Chevy Chase, MD 20815, USA.
bioRxiv : the preprint server for biology
|August 26, 2024
概括
单核RNA测序 (snRNA-seq) 通过利用内部读数来增强基因特异表达 (ASE) 分析. 这种方法在识别与疾病相关的遗传变异方面提供了比eQTL分析更大的力量.
科学领域:
- 基因组学就是基因组学.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 对于理解基因功能至关重要.
- 单细胞水平的基因特异表达 (ASE) 分析揭示了基因组变异如何影响RNA表达.
- 单核RNA-Seq (snRNA-seq) 中的内部区域对遗传变异进行了丰富,这表明了改进ASE分析的潜力.
研究的目的:
- 优化单细胞等位基因特异性表达 (ASE) 分析的实验和计算策略.
- 调查snRNA-seq对于检测ASE的有用性,特别是在内部区域.
- 在scRNA-seq和snRNA-seq数据中开发和应用ASE分析的新计算工具.
主要方法:
- 探索影响ASE分析功率的实验因素 (RNA源,读取长度,测序深度,基因定型).
- 开发一套用于处理和分析scRNA-seq和snRNA-seq数据的计算工具包,用于ASE.
- 利用内部读取和优化读取长度,以增强ASE检测.
- 混合选择的应用,以改善对等位基失衡的检测.
- 从长短读取的snRNA-seq数据中分析基因特异性异构体表达.
主要成果:
- 从snRNA-seq的intronic读取提供了比外显读取更多的ASE信息.
- 优化读取长度和采用混合选择显著提高了检测等位基失衡的能力.
- 开发的计算工具有效地处理和分析了scRNA-seq和snRNA-seq. 的ASE.
- 在帕金森病队列中,ASE分析在识别显著的SNP/基因对方面表现出比eQTL分析更高的功率.
结论:
- 特别是利用内在区域的snRNA-seq,是单细胞ASE分析的强大方法.
- 开发的端到端实验和计算方法增强了对单细胞水平上基因变异对基因表达影响的研究.
- 与传统的eQTL分析相比,这种方法在识别与疾病相关的遗传变异方面提供了更好的能力.


