跳转到内容

单细胞 Multiome

快速概览

单细胞多模态数据(multiome)的技术原理与分析框架,涵盖 RNA+ATAC、CITE-seq 等联合测量方法。

所属板块 分析方向与案例

把基础对象与算法方法重新放回真实分析任务与工作流。

阅读目标 帮助建立阅读上下文

先判断这页与你当前问题的关系,再决定是否深入展开。

建议前置 先建立相关基础对象与方法直觉

建议先建立相关基础对象与方法直觉,再进入本页。

单细胞 Multiome 指在同一细胞层面同时测量两种或多种分子模态的技术,它与分别测量后再整合有本质区别:

维度 单细胞 Multiome 分别测量后整合
**细胞对应** 天然共享细胞索引 需要计算匹配或对齐
**数据质量** 同一细胞的同步测量 可能存在批次差异
**分析粒度** 真正的单细胞分辨率 可能是伪 bulk 或估算
**技术平台** 10x Genomics Multiome 等 独立实验平台
技术名称测量模态应用场景
10x MultiomeRNA + ATAC基因表达与染色质可及性联合分析
CITE-seqRNA + Protein表面蛋白与基因表达联合分析
REAP-seqRNA + Protein类似 CITE-seq 的替代方案
SHARE-seqRNA + ATAC基于分液的低成本方案
SCOPE-seqRNA + DNA单细胞基因表达与拷贝数

单细胞 Multiome 能够回答传统单模态无法回答的问题:

在同一细胞中直接观察调控元件(enhancer/promoter)与目标基因表达的关联:

Cor(ATACenhancer,RNAtarget) at single-cell level\text{Cor}(\text{ATAC}_{\text{enhancer}}, \text{RNA}_{\text{target}}) \text{ at single-cell level}

同时从转录组和表观组定义细胞状态,提高分型的稳健性。

观察细胞状态转换过程中,转录变化与染色质开放性的先后顺序。

  1. 细胞核分离:提取细胞核(因 ATAC 需要开放染色质)
  2. 转座酶处理:Tn5 转座酶切割开放染色质区域并添加测序接头
  3. 凝胶珠包被:细胞核与凝胶珠(Gel Bead)结合
  4. 分区与 barcoding:在微流控芯片中分区,添加细胞条形码
  5. 文库构建:分别构建 RNA-seq 和 ATAC-seq 文库
模态数据类型稀疏度典型特征数
RNA计数(UMI)高(~90% 零值)20,000-30,000 基因
ATAC二值(peak)极高(~95% 零值)100,000-200,000 peaks
Protein计数(ADT)中等100-200 抗体靶点

RNA 模态

  • QC:过滤低质量细胞、双细胞
  • 标准化:log1p、CPM
  • 特征选择:高变异基因

ATAC 模态

  • Peak 注释:与基因关联
  • 降维:LSI(Latent Semantic Indexing)
  • TF motif 富集:chromVAR

策略 1:早期整合(Weighted Nearest Neighbor)

Seurat 的 WNN 方法:

  1. 各模态独立降维
  2. 构建联合最近邻图
  3. 计算模态权重(RNA vs ATAC 贡献)
  4. 统一聚类与可视化

策略 2:深度生成模型

MultiVI 架构:

  • 编码器:分别编码 RNA 和 ATAC
  • 联合潜在空间:zq(zRNA,ATAC)z \sim q(z | \text{RNA}, \text{ATAC})
  • 解码器:分别重建 RNA 和 ATAC
  • 优势:可处理缺失模态,提供不确定性估计
分析任务方法输出
调控元件-基因关联SCENT、CiceroeQTL-like 关联
TF 活性推断chromVAR、SCENIC+TF 活性得分
轨迹推断联合 RNA + ATAC 的伪时间分化路径
细胞通讯整合表面蛋白(CITE-seq)配体-受体对活性
难点具体表现应对策略
噪声分布差异RNA(泊松/负二项)vs ATAC(二值)分别建模或使用深度生成模型
稀疏度差异ATAC 比 RNA 更稀疏特征选择、平滑处理、peak 聚合
模态异步转录变化可能滞后于调控变化时间序列分析、lag correlation
权重设置模态贡献度平衡WNN 权重自动学习、人工调参
用途推荐工具特点
预处理Cell Ranger ARC10x 官方流程
整合分析Seurat v4+WNN、统一可视化
深度模型scVI-tools、MultiVI不确定性估计
调控分析Signac、SCENIC+ATAC 专用工具
TF 活性chromVAR、MAESTROmotif 富集分析