PEAKQC:用于质量评估的单细胞ATAC-seq数据的周期性评估
Jan Detleffsen1,2, Brenton Bruns1, Mette Bentsen1
1Bioinformatics Core Unit (BCU), Max Planck Institute for Heart and Lung Research, Ludwigstrasse 43, 61231 Bad Nauheim, Hessen, Germany.
Briefings in bioinformatics
|September 18, 2025
概括
PEAKQC是一个新的Python包,通过提供强大的质量控制来改进单细胞ATAC-seq数据分析. 它使用碎片长度分布模式来识别高质量的细胞,增强下游分析.
科学领域:
- 基因组学和分子生物学
- 生物信息学和计算生物学
背景情况:
- 染色体组织对于基因调节至关重要,通过像ATAC-seq.q.这样的染色体可访问性测试来研究.
- 单细胞ATAC-seq (scATAC-seq) 分析面临着数据稀疏性和缺乏标准化质量控制 (QC) 等挑战.
- 碎片长度分布 (FLD) 是批量ATAC-seq的常见QC指标,但对单细胞数据缺乏算法解决方案.
研究的目的:
- 介绍PEAKQC,这是一个新的Python包,用于对scATAC-seq数据进行强大的QC.
- 开发一种利用FLD模式识别高质量的单细胞的方法.
- 建立FLD模式作为scATAC-seq数据质量评估的潜在标准.
主要方法:
- 开发了用于 scATAC-seq 数据分析的 PEAKQC Python 包.
- 实施基于波形变换的卷积方法来量化单个细胞中的FLD模式偏差.
- 基准PEAKQC与其他QC指标相比.
主要成果:
- 根据FLD模式,PEAKQC可以有效地识别高质量的细胞.
- 与其他指标相比,该工具在选择高质量的细胞方面表现优异.
- 通过PEAKQC,在下游分析中改善了细胞识别和集群分离.
结论:
- PEAKQC为scATAC-seq QC提供了一个强大的和可扩展的解决方案.
- FLD模式为评估scATAC-seq数据质量提供了一种新且有效的指标.
- 可以将PEAKQC集成到现有的基于Python的单细胞分析工作流中.
