跳到主要内容
返回时间线
researchsquare.com来源发表:

单细胞三维基因组边界不再被稀疏数据淹没:跨细胞对齐后,边界强度分出RNA层面看不见的胚胎亚群

核心概要

单细胞三维基因组数据极度稀疏,拓扑结构域边界难以稳定识别,跨细胞位置偏差又让边界出现频率和强度无法直接比较。CellRoB把单细胞边界检测与跨细胞对齐结合起来,以绝缘分数损失最小化对齐边界位置,在小鼠脑Dip-C和人GM12878 scMicro-C数据上从40 kb到5 kb分辨率改善了边界识别准确性与对接触丢失的稳健性。在小鼠胚胎多模态数据上,边界强度谱把RNA嵌入中未被分开的EPI细胞分成两个亚群。

AI-generated editorial illustration: Identifying Robust Single-Cell 3D Genome Domain Boundaries with CellRoB

深度剖析

单细胞三维基因组研究现在可以给每个细胞一套可跨细胞比较的结构域边界,而不必把细胞合并成伪批量接触图。 此前单细胞接触图极度稀疏,弱边界信号可能检测不到,边界位置的不确定性又让细胞间比较难以区分生物异质性与技术波动;即使插补或表示学习共享了信息,下游边界位置仍不一致。 在小鼠脑Dip-C数据40 kb分辨率上,CellRoB预测边界处CTCF等三种边界相关因子富集强于其他方法,最近邻细胞对之间的Jaccard指数与一致性度量最高;随机丢弃5%接触生成重复数据后,CellRoB与DeDoc2的可重复性最高。

在接触数达到百万级的高分辨率单细胞数据上,边界数量不会随分箱变细而暴涨。 HiCS、DeDoc2和DeTOKI预测的边界数随分箱变小呈指数增长,CellRoB与Higashi没有出现这一模式,其中Higashi受预设TAD长度参数约束。 在人GM12878 scMicro-C数据的40 kb、30 kb、20 kb、10 kb和5 kb分箱上,CellRoB与Higashi取得最高一致性度量,且CellRoB在包括5 kb在内的各分辨率上边界相关生物特征富集强于其他预测方法。

只在少数细胞中出现的稀有边界可以被单独定义和分析,并保留细胞类型信息。 把单细胞接触图聚合成伪批量会强化反复出现的结构信号,却会掩盖低频边界;独立分析各细胞边界又难以判断邻近的调用是同一个共享边界还是不同结构特征。 按跨细胞出现频率把对齐后的边界分为稀有、弱保守和强保守三类后,三类在CTCF、H3K4me3等表观富集上模式不同,稀有边界富集有限;用三类边界作特征做UMAP,细胞类型均有某种程度分离,稀有边界邻近基因富集于神经系统发育和神经元分化。

边界强度本身携带细胞状态信息,可以在不出现边界得失的情况下区分细胞亚群。 在HiRES小鼠胚胎数据的RNA嵌入中,上胚层与原始条纹(EPI)细胞是单一均一群体;用二值边界有无作特征也无法再分。 用CellRoB边界特征构建嵌入时,不仅重现了神经外胚层与间充质两条发育轨迹,还把EPI分成两个亚群;两个亚型间的差异基因与转录组嵌入使用的高变基因重叠有限,亚型1上调基因富集于神经管闭合等过程,亚型2富集于精子发生和肢体发育等非神经过程。

启示与展望

演示范围覆盖小鼠脑Dip-C数据40 kb分辨率、人GM12878 scMicro-C数据40 kb至5 kb分箱,以及同时测量染色质构象与基因表达的小鼠胚胎HiRES数据;读者对象是需要从稀疏单细胞接触图中提取可比较结构特征的研究者。

两个EPI亚型与后续发育谱系的具体对应关系尚未确定,亚型1可能代表早期神经前体状态只是与数据中神经管细胞存在相一致的推测。稀有边界对CTCF、H3K4me3等经典边界相关因子的富集较弱,这一点的生物学含义仍需进一步研究。方法本身依赖输入覆盖度和插补、分箱、绝缘窗口等预处理选择,跨细胞共享信息可能在稀疏采样群体中削弱真实结构差异,峰状区域表示也可能合并邻近但生物学上不同的边界。