在细胞状态层面使用单细胞eQTL数据进行转录组范围的关联研究

科学领域:

• 遗传学 是一个遗传学.
• 计算生物学 计算生物学
• 免疫学 免疫学 免疫学

背景情况:

• 全转录组关联研究 (TWAS) 对于识别与疾病相关的基因至关重要.
• 现有的TWAS方法经常忽视关键的细胞异质性,通过分析批量或伪批量组织.
• 这种局限性阻碍了对复杂生物系统中的基因疾病关联的准确理解.

研究的目的:

• 引入TWiST,这是TWAS的一种新型统计方法,以单细胞分辨率运行.
• 为了利用单细胞表达量性特征位点 (eQTL) 数据进行更细致的遗传关联分析.
• 为了能够检测跨细胞状态的动态和非线性基因效应.

主要方法:

• TWiST利用伪时代来定义和分析不同的细胞状态.
• 该方法将基因表达对特征的影响模拟为连续的伪时间曲线.
• 它允许灵活的假设测试,包括全球,动态和非线性关联.

主要成果:

• 模拟和现实世界的数据分析证实了TWiST的优越的统计能力超过传统的伪集群方法.
• TWiST有效地捕捉了细胞状态异质性,从而导致更准确的基因优先级.
• 对OneK1K研究的应用揭示了在免疫细胞分化过程中对自身免疫性疾病具有动态影响的许多基因.

结论:

• 通过将单细胞eQTL数据的细胞状态信息纳入,TWiST显著提高了TWAS的功率.
• 该方法为剖析疾病复杂的遗传结构提供了一个强大的框架.
• 通过单细胞分析,TWiST对我们对疾病遗传学的理解有很大的前景.