一种高精度单细胞转录组数据分析方法能更为准确地鉴定相关基因模块

单细胞RNA-seq (scRNA-seq)极大地扩展了我们对基因表达的认识。然而，尽管scRNA-seq在区分细胞类型方面具有显著的优势，但对各种基因的功能连接仍然知之甚少。更好的理解不同基因之间的连接关系对于我们了解和解决各种生物学问题至关重要，包括揭示控制细胞分化的基因网络和药物靶点的识别。目前，应用最广泛的推断基因之间关系的方法是“guilt-by-association”，该方法通过基因表达的变化将基因聚类为推定的共调节模块。但现有研究的缺点是，这些表达的变化是在不同的细胞类型、扰动条件或发育阶段中计算的，其中多个不相关的途径可能会混淆，这阻碍了将大量差异表达基因分配给特定的功能途径。并且，扰乱一条通路将影响调控基因和其下游基因，这对我们解开调控层级造成困难。

近日，国际著名期刊PNAS在线发表了一篇题为“Correlated gene modules uncovered by high-precision single-cell transcriptomics”的文章。该文作者首先假设如果通过稳态波动的成对相关性而不是差异表达来聚类基因，则可以更好地提取调控基因模块。由此开发了一种具有高检测能力的单细胞转录组方法—MALBAC-DT（基于多重退火和循环的数字转录组学扩增循环），与Smart-seq2相比，使用MALBAC-DT，可以从单细胞量的RNA中多检测到约20%的基因。同时，该方法通过测量单个细胞中稳态基因表达波动的相关性，能够准确地捕获基因表达的随机波动所覆盖的相关基因模块（CGMs），并有助于我们理解基因功能（图1）。

图1描述基因调控相互作用如何在稳态种群中产生相关性的示意模型。

为了验证该方法的准确性，作者通过MALBAC-DT方法扩增人类骨肉瘤U2OS细胞系的cDNA可以得到同质细胞类群，聚类后没有明显的细胞亚簇。并且该细胞群中存在高度相关的CGMs，这些模块由与特定生物功能相关的基因组成，如细胞周期控制和蛋白质合成和胆固醇合成，以及细胞类型的特定功能，如骨生长和细胞外基质重塑。值得注意的是，所有这些CGMs都是从单个细胞系中先验识别的，无需进行靶向干扰或选择特定的细胞类型进行比较（图2）。

图2在同质细胞群中观察到CGMs。

与差异表达研究相比，CGMs通过将大量差异表达基因缩小为较小尺寸的功能模块，提供了一种更集中的方法。通过这种方式，CGMs分析可以用来识别特定调控因子的直接和间接调控靶点，甚至比ChIP-seq研究更准确，p53的靶点被识别的例子证明了这一点（图3）。

图3 CGMs揭示调控关系。

最后，作者将p53敲除后，在原始人群中鉴定的CGMs用于将大量差异表达的基因分为直接调控靶点和特定的下游过程。类似地，当比较U2OS和HEK293T细胞系时，能够将数千个差异表达的基因分离成细胞类型特异性CGMs，并确定了两种细胞类型之间p53靶点的不同调节机制，尽管这些基因缺乏一致的差异表达。这些结果表明，在统一的细胞群体中鉴定的CGMs为理解受扰动影响的分子途径和区分不同的细胞类型提供了框架（图4）。

图4 U2OS和HEK293T细胞系之间共享的和细胞类型特异性CGMs。

原文链接：

https://www.pnas.org/doi/10.1073/pnas.2206938119

转自：“植物生物技术Pbj”微信公众号

如有侵权，请联系本站删除！