基因调控是许多生物过程的基础，包括发育、分化以及疾病的发生和发展。最近，已经开发了许多单细胞技术来研究来自不同基因组方面的基因调控机制，例如转录组、表观基因组或 3D 结构。其中，单细胞ATAC-seq (single-cell sequencing assay for transposase-accessible chromatin, scATAC-seq) 已被证明是一种在单细胞水平上研究基因调控的最先进方法。
染色质免疫沉淀测序 (Chromatin Immunoprecipitation Sequencing, ChIP-seq) 是揭示基因组中 TRs 结合并在多细胞水平确定其靶基因的直接方法。然而，现有的方法不能精确地揭示单细胞中转录调控因子 (transcription regulators, TRs) 的细胞类型特异性结合和构建基因调控网络(gene regulation networks, GRNs)。
2022年9月26日，同济大学生命科学与技术学院王晨飞团队在Nucleic Acid Research杂志在线发表题为“Single-cell gene regulation network inference by large-scale data integration”的研究论文。该研究开发了一种基于scATAC-seq和大规模TR ChIP-seq参考的集成方法——SCRIP，以推断单细胞TR活性和靶标。
与现有的基于基序的方法相比，这种方法在评估TR结合活性方面表现出更好的性能，并与匹配的TR表达式达到了更高的一致性。此外，该方法能够识别TR靶基因，并构建单细胞分辨率的GRNs。总之，该研究证明了SCRIP在多个生物系统中准确的细胞类型聚类，谱系追踪和推断细胞类型特异性GRN中的实用性。
目前，scATAC-seq技术已被应用到了解特定的转录调节因子 (transcription regulators, TR)，包括转录因子 (transcription factors, TF) 和染色质调节因子 (chromatin regulators, CR) 如何与基因组结合并调节其靶基因。构建基因调控网络 (GRNs) 对于理解不同 TRs 在调控发育轨迹和疾病特征中的作用至关重要。
尽管scATAC-seq已被广泛用于解决基因调控及其与表型的关联，但有几个问题仍未解决：首先，scATAC-seq捕获的染色质可及性仅反映了整体调节情况，而无法区分具有相同基序的同一TF家族的因子，并且也无法评估具有间接DNA结合的因子；其次，scATAC-seq通过使用不同的潜在特征来增强信号，然而，算法定义的特征大多是在细胞类型水平上进行分析的，不能直接与单细胞TR活性相关联；最后但最重要的是，这些方法都不能识别每个细胞中的TR靶标，并且仅用scATAC-seq数据在单细胞水平上构建GRNs仍然不可行。因此，scATAC-seq数据非常需要具有解决TR结合富集和在单细胞水平上鉴定其相关靶基因的新方法。
该研究提出的这种计算方法 SCRIP，集成了大规模的 TR 和基序参考，用于评估 TR 活性以及构建基于 scATAC- seq的单细胞 GRN数据。
SCRIP的工作流程（图源自Nucleic Acid Research ）
研究人员首先构建了一个综合表观基因组的参考数据集，涵盖 1,252 个人类 TR 和 997 个小鼠 TR的 11k 人类和 9k 小鼠 TR ChIP-seq 数据集。基于这一大规模参考，SCRIP 在评估单细胞 TRs 活性、执行TRs的聚类和谱系追踪分析方面表现出卓越的性能。
然后，研究人员开发了一种方法，可以使用 scATAC-seq 评估 TR 活性并以单细胞分辨率构建 GRNs。与之前基于基序的方法相比，该方法在聚类准确性、与基因表达的一致性以及区分同一家族内的因素的能力方面取得了更好的性能。
研究人员进一步将 SCRIP 应用于四种不同的生物系统，包括外周血单核细胞 (peripheral blood mononuclear cell, PBMC) 和造血干细胞 (hematopoietic stem cell, HSC) 的分化、人类胎儿器官发育和基底细胞癌 (basal cell carcinomas, BCC) 的肿瘤微环境，证明了 SCRIP 在多种生物系统上的可用性。
总的来说，这项研究提出了 SCRIP，这是一种通过大规模数据集成进行单细胞基因调控推断的计算工作流程。SCRIP 不仅能够用于识别不同生物环境下不同细胞类型中的关键 TRs，还能预测 TRs 活性并将其用于追踪细胞谱系并识别谱系特异性调节因子。此外，SCRIP 构建的单细胞 GRNs 能够识别不同 TRs 之间的共调节关系，并揭示来自肿瘤微环境与疾病相关的GRNs。
原文链接：
https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkac819/6717821
转自：“iNature”微信公众号
如有侵权，请联系本站删除！
