染色质可及性反映了基因组中潜在顺式调控元件的开放状态,是连接DNA序列、转录因子结合与基因表达的重要表观遗传层。单细胞染色质开放测序(scATAC-seq)能够在单细胞分辨率下刻画这一调控信息,但数据通常较为稀疏。与广泛积累的单细胞RNA测序(scRNA-seq)数据相比,高质量scATAC-seq数据以及在同一细胞中同时测量RNA和ATAC的配对多组学数据仍相对有限。
为弥补实验数据的不足,研究人员开发了多种染色质可及性预测方法,但这些方法在泛化能力上存在一定局限。基于跨模态预测的方法通常只能预测训练数据中预先定义的基因组区域,难以推广至未参与训练的新序列;基于序列建模的方法则无法直接预测训练阶段未见过的新细胞。如何在同一模型中同时实现对新基因组区域和新细胞的预测,仍是单细胞调控组学研究中的重要挑战。
近日,中国科学院上海营养与健康研究所工程实验室人工智能与数字健康部王振团队在国际学术期刊Advanced Science在线发表题为XChrom: A Cross-Cell Chromatin Accessibility Prediction Model Integrating Genomic Sequence and Cellular Context 的研究论文。该研究提出了一种名为XChrom的多模态深度学习模型,将基因组序列与scRNA-seq定义的细胞状态整合到统一框架中,实现对新的基因组区域和细胞的染色质可及性预测。
![]()
方法原理
XChrom的基本思想是:一个基因组区域是否开放,不仅取决于其自身携带的顺式调控序列,也取决于细胞状态所反映的调控环境。因此,XChrom分别对“基因组区域”和“细胞状态”进行编码,再学习二者的相互作用(图1)。在序列编码模块中,XChrom提取以scATAC-seq峰为中心的1344 bp的DNA序列,经过one-hot编码后输入多层卷积神经网络,最终将每个基因组区域表示为一个32维的区域嵌入。该嵌入用于概括序列中与染色质开放相关的调控特征。在细胞编码模块中,XChrom以配对scRNA-seq数据获得的低维细胞表征为输入,经过标准化和全连接网络转换后,每个细胞同样被表示为一个32维的细胞嵌入。模型随后通过区域嵌入与细胞嵌入的矩阵乘法,预测给定DNA序列在不同细胞中的染色质开放概率。
![]()
图1:XChrom模型框架。XChrom整合了基因组序列和从配对的单细胞转录组数据中生成的细胞状态信息,实现全基因组范围的跨细胞染色质可及性预测。上方对应细胞状态编码模块,下方对应序列编码模块。
基准测试
研究团队首先在人和小鼠的5个公开配对scRNA-seq/scATAC-seq数据集上对XChrom进行了系统评估。在跨区域预测任务中,XChrom与scBasset表现总体相当,表明整合细胞状态信息后,模型仍保留了序列模型对新基因组区域的预测能力。在跨细胞预测任务中,XChrom在多项指标上优于Seurat、LS_Lab和MultiVI。对于同时包含新区域和新细胞的预测任务,XChrom仍保持了稳定的预测性能。此外,XChrom预测的染色质可及性数据能够有效降低原始scATAC-seq数据中的稀疏噪声,整体降噪效果优于scBasset;同时,对于仅有scRNA-seq数据的细胞,XChrom能够生成保留细胞状态结构的染色质可及性数据。
在骨髓单个核细胞数据上开展的跨样本测试中,对RNA表征进行适当批次校正后,XChrom能够预测独立样本的染色质可及性,并在大多数分类指标上优于其他跨模态预测模型。在人、小鼠、猕猴和狨猴初级运动皮层的单细胞多组学数据中,分别在人和小鼠样本上训练的模型也能够重建其他物种的细胞类型特异性染色质可及性模式,并捕获跨物种保守的细胞类型特异性转录因子活性,展现出良好的跨物种泛化能力。
方法应用
研究团队进一步将XChrom应用于COVID-19患者外周血单个核细胞的调控变化研究。模型使用健康供体的配对多组学数据进行训练,再根据患者的scRNA-seq数据预测染色质可及性和转录因子活性。结果表明,XChrom能够预测健康参考数据中未被充分代表、且与疾病相关的新细胞状态的调控特征,并能够识别轻症与重症患者之间的调控差异;相关结果得到独立scATAC-seq数据和既有生物学研究的支持,展示了XChrom以健康状态下同一组织来源的配对多组学数据为参考,结合独立疾病样本的scRNA-seq数据,解析其染色质调控特征及疾病相关变化的应用潜力。
总的来说,XChrom将DNA序列信息和细胞状态信息整合到同一框架中,不再局限于训练数据中的固定细胞或固定基因组区域。该方法既可以利用scRNA-seq数据推断细胞特异性染色质可及性,也可以借助计算突变和转录因子活性分析,探索非编码序列及转录因子的潜在调控作用。目前,XChrom已作为Python软件包开源发布于 GitHub 平台。
中国科学院上海营养与健康研究所博士研究生苗园园为论文第一作者,王振研究员(现任职于国科大杭州高等研究院)为通讯作者。该研究得到中国科学院上海营养与健康研究所汪思佳研究员与黄涛研究员的支持与帮助。
原文链接:https://advanced.onlinelibrary.wiley.com/doi/10.1002/advs.78456
制版人:十一
学术合作组织
(*排名不分先后)
![]()
推荐直播
转载须知
【非原创文章】本文著作权归文章作者所有,欢迎个人转发分享,未经作者的允许禁止转载,作者拥有所有法定权利,违者必究。
BioArt
Med
Plants
人才招聘
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.