博文

REUNION：从单细胞多组学数据中推断转录调控网络

已有 796 次阅读 2024-8-16 09:01 |个人分类:科普|系统分类:科普集锦

REUNION：从单细胞多组学数据中推断转录调控网络

单细胞多组学技术可以同时分析来自同一细胞的染色质状态和RNA，并且代表了一个令人兴奋的机会，可以将基因组转录和表观基因组观点结合起来，探索细胞命运决定背后的基因调控。然而，基因调控的组合复杂性，加上大量的噪声和数据的稀疏性，带来了计算上的挑战，而这些挑战还没有被调控推理算法充分解决。转录因子(TF)、可达基因组区域内的调控序列元件和靶基因是基因调控网络(GRN)的关键组成部分。通常，转座酶可接近的染色质测序(ATAC-seq)峰被用来表示可接近的区域。通过将特定染色质可接近峰或区域的“三联体”、推测的与之结合的TF和受调控的基因联系起来，我们可以提高GRN推断，更好地了解发育和疾病中的基因调控。然而，现有方法通常无法捕获这些组件之间的相互作用。大多数只利用两种特征类型分别估计区域-TF、区域-基因或TF-基因的成对关联。一些人进一步将成对关联组装成区域-TF-基因链接，而另一些人则在不构建三重链接的情况下推断GRN。由于成对关联也可能依赖于第三种特征类型，因此只考虑两种特征可能会丢失关键信息。最近的两种方法Pando和TRIPOD利用所有三种方式的信息来估计TF基因的峰值关联。Pando利用TF表达和可达性峰的乘积线性回归预测靶基因的表达。TRIPOD通过峰值可及性或TF表达匹配细胞聚集体来执行条件关联的两个测试。这两种方法都有很高的时间复杂度和有限的召回。

大多数单细胞多组学分析方法都是基于染色质可接近峰内的TF结合基序检测来建立峰-TF连接，主要取决于它们使用的基序收集和基序扫描算法。然而，这种方法有一些局限性。首先，许多TF具有相似的结合基序，这可能导致峰-TF链接假阳性，并可能破坏基序富集分析(通常用于识别TF调控因子)的有效性。其次，基序的存在可能不对应于活跃的TF结合事件。例如，TF可能不会在细胞中表达。为了解决这个问题，ChIP-seq库方法利用TF表达与假定的目标峰可达性之间的相关性来计算正则化TF结合评分。GRaNIE中也使用了类似的方法。然而，如果TF表达仅与峰值可及性弱相关，这两种方法都难以捕获TF结合位点(TFBSs)。有基于TF足迹的方法可以从大量ATAC-seq数据中预测TF绑定，这也依赖于基序检测，但这些并不能推断基因关联。基于基序方法的另一个挑战是基序扫描很大程度上依赖于序列，可能会错过许多基序。基序数据库不完整，并且TF不能连接到缺乏检测到的TF基序的可访问区域。缺失的峰-TF链接可能会限制基因表达的准确预测、组合TF调控的发现以及其他潜在链接的评估。

目前的单细胞多组学方法并没有冒险超越基序扫描，从缺乏已知基序的峰中恢复潜在的峰-TF连接。相比之下，已经开发了许多监督学习方法，利用DNA序列特征结合表观基因组数据来预测TF结合。这些方法通常需要ChIP-seq(染色质免疫沉淀测序)数据进行训练，这些数据获得成本很高，并且仅适用于有限生物学背景或细胞类型的少数TF。

在这里，Yang等人整合了单细胞多组学数据中的特征类型，以改进TF与基因组区域结合的预测，提出了REUNION方法（图1）。他们首先推断三重峰-TF基因关联，以确保在可访问区域内更准确地调用峰-TF，然后使用伪半监督学习来恢复潜在的遗漏峰-TF关联，特别是在缺乏已知基序的区域。REUNION方法比其他方法捕获更多的结合相互作用，具有更高的特异性。

图1 REUNION示意图概述。(a)基序扫描方法仅识别含有预测基序的染色质区域的峰-TF关联，通常仅依赖于序列。REUNION首先将Unify应用于单细胞多组数据，以推断具有预测基序的染色质可及性峰上的TF基因三联体。然后，它将来自Unify的峰-TF对作为重新发现的输入，重新发现使用伪半监督学习从所有可达性峰中恢复缺失的峰-TF关联，包括那些缺乏检测到的基元。(b) Unify包括三个连续的模块，分别用于(i)为基因分配可达性峰，(ii)标准TF基序扫描，以及(iii)使用互补评分函数评估可能的TF-基因三联体关联强度。使用三元组信息产生比单独的基序扫描更具体的峰-TF预测。(c-g)Rediscover模块。使用SVD对峰可达性和峰-基序矩阵进行分解，分别使用染色质可达性特征(c)和基于基序的序列特征(d)的低维嵌入来生成峰的表示，然后在每个特征空间中进行峰聚类(e)。在(e)中，深色点表示两组中都有隶属关系的峰。(f)配对组中峰的富集分析。(g)伪标记训练样本选择和预测模型训练

参考文献

[1] Yang Y, Pe'er D. REUNION: transcription factor binding prediction and regulatory association inference from single-cell multi-omics data. Bioinformatics. 2024;40(Supplement_1):i567-i575. doi:10.1093/bioinformatics/btae234

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC