通过多模式引导方法定义有效的战略,以整合多样本单核ATAC-seq数据集
bioRxiv : the preprint server for biology
|April 16, 2025
概括
我们对58个计算管道进行了基准测试,以集成转化酶可访问染色体的单核测试与测序 (snATAC-seq) 数据. 带有 Harmony 和 ENCODE cCRE 功能的 SnapATAC2 为分析基因调节图提供了强大而高效的解决方案.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
背景情况:
- 用测序 (snATAC-seq) 测量转化酶可访问染色体的单核测试,测量染色体的可访问性,以了解不同细胞状态中的转录调节.
- 越来越多的snATAC-seq数据需要强大的计算管道来整合样本和研究.
- 由于稀疏性和特征差异,现有的单细胞RNA-seq集成方法在snATAC-seq数据上表现不一致.
研究的目的:
- 为了对多样本snATAC-seq数据集成的计算管道进行比较.
- 确定整合snATAC-seq数据集的最佳实践,确保生物细胞状态的保存,同时纠正技术变异.
- 为了比较不同集成方法,功能集和嵌入校正技术的性能.
主要方法:
- 在5个多式联网数据集中使用7种整合方法,1种嵌入校正方法 (Harmony) 和5种特征集对58个管道进行了基准测试.
- 使用命令行工具评估管道性能在3个分辨率使用2个新的指标.
- 将snATAC-seq集成结果与来自独立集成的snRNA-seq数据的黄金标准嵌入和注释进行比较.
主要成果:
- 与基因活动评分 (GAS) 特征相比,ATAC特征表现出更高的性能.
- 使用 Harmony 嵌入校正通常会改善整合结果.
- 确定了SnapATAC2,PeakVI和ArchR的代潜伏语义索引 (LSI) 作为高性能管道.
结论:
- 推SnapATAC2 + 和与预定义的ENCODE候选 cis-regulatory element (cCRE) 特性作为一个高效和有效的第一通管道.
- 突出了推管道的特征的概括性和强大的指标性能.
- 他们强调,这些发现将指导未来全面基因调节地图的开发.
