Nature Commun | 清華大學張學工/魏磊團隊構建cPeaks通用參考，助力單細胞ATAC-seq數據分析

染色質可及性是指染色質DNA與調控分子相互作用的開放程度，其開放區域常與啟動子、增強子等調控元件相關，對理解基因調控、細胞分化及疾病發生至關重要。隨著單細胞ATAC-seq技術快速發展，研究者能夠在單細胞分辨率下探索染色質開放圖譜。然而，與RNA-seq擁有成熟的轉錄組參考不同，ATAC-seq領域一直缺乏標準化的特征參考集，導致數據分析時需依賴數據集特異性峰調用或固定窗口劃分，難以實現跨數據集的整合與比較，也限制了稀有細胞類型的識別。

近日，清華大學自動化系張學工團隊與魏磊團隊在《Nature Communications》上發表題為《A generic reference defined by consensus peaks for single-cell ATAC-seq data analysis》的研究論文。該研究通過整合624個高質量bulk ATAC-seq數據集，構建了約140萬個共識峰作為染色質可及性分析的通用參考集cPeaks，并結合深度學習模型擴展了約28萬個預測峰，為單細胞ATAC-seq數據分析提供了標準化特征參考。清華大學張學工教授與魏磊博士為本文的共同通訊作者；孟秋辰博士與碩士生吳鑫澤為該論文的共同第一作者。

研究團隊首先整合ENCODE和ATACdb數據庫中健康成人樣本的624個bulk ATAC-seq數據集，通過迭代合并重疊峰，獲得約120萬個合并峰。這些峰呈現出高度一致的形態特征，無論組織類型、測序技術或峰調用方法如何變化，其形態相關性均保持穩定。進一步分析發現，部分合并峰呈現多峰形態，團隊將其分解為多個單峰單元，最終獲得約140萬個觀察cPeaks，其中多數長度小于2000 bp，中位長度為525 bp。

為擴展cPeaks對未見細胞類型的覆蓋能力，研究團隊基于scBasset架構開發了一維卷積神經網絡模型。該模型以cPeaks序列為正樣本、背景區域為負樣本進行訓練，在測試集上AUC達94.72%。通過留一組織類型的交叉驗證，模型能有效預測被排除的組織特異性cPeaks，平均AUC達91.67%。團隊利用訓練好的模型以500 bp滑動窗口掃描全基因組，篩選出約28萬個預測cPeaks，在獨立的789個bulk ATAC-seq數據集中驗證顯示，加入預測cPeaks后覆蓋度顯著提升。

通過整合ChIP-seq、組蛋白修飾等多組學數據，研究團隊對cPeaks進行了功能注釋。約13%的cPeaks位于啟動子區域，其余分布于外顯子或遠端基因間區。基于可及比例定義出24，538個管家cPeaks，其中77.4%與已知管家基因啟動子重疊。團隊還基于cPeaks形態特征將其分為“精確定位”、“不對稱定位”和“弱定位”三類，發現精確定位cPeaks邊界附近富集了CTCF、Fosl2等轉錄因子結合基序，且與先鋒轉錄因子顯著相關。

在細胞類型注釋任務中，研究團隊以造血分化數據集為測試對象，比較cPeaks與基因組窗口、偽批量峰、聯合峰、cDHS和CATLAS cCREs等五種特征集的表現。cPeaks在調整蘭德指數、調整互信息和同質性等指標上均表現最佳，尤其在特征選擇后優勢更為明顯。在ArchR分析流程中，cPeaks經過一輪迭代即可優于其他特征集多輪迭代的結果，在PBMC-DOGMA數據集上也驗證了這一優勢。

針對稀有細胞類型識別這一難點，研究團隊在PBMC-8k數據集上比較了不同特征集對漿細胞樣樹突狀細胞的識別能力。cPeaks的預測分數顯著高于其他參考集，差異可及區域分析發現，cPeaks鑒定出更多pDC特異性開放區域，包括PTCRA基因啟動子區，其表達在scRNA-seq數據中也呈現pDC特異性。在包含48，487個細胞的PBMC-48k數據集和CATLAS胃腸上皮細胞亞型分析中，cPeaks均展現出優異的稀有亞型分辨能力。

在發育生物學應用中，團隊利用cPeaks分析人胎兒視網膜發育數據集，成功重現了從多能祖細胞到水平細胞、視錐細胞和視網膜神經節細胞的發育軌跡。通過計算精確定位cPeaks在總開放cPeaks中的比例，發現該比值在細胞狀態轉變期顯著升高，后期發育階段下降。在人胎兒細胞圖譜和CATLAS成人數據集的對比分析中，大多數共享細胞類型的胎兒樣本精確定位cPeaks比例高于成人樣本。

在腫瘤研究應用中，團隊利用cPeaks分析婦科惡性腫瘤單細胞ATAC-seq數據，成功區分了GIST、子宮內膜癌和卵巢癌細胞與正常細胞。在8號樣本的卵巢癌細胞中發現兩個具有不同CNV特征和染色質可及性特征的亞克隆。分析精確定位cPeaks比例在腫瘤進展中的動態變化，發現從早期到中期上升、后期略有下降的非單調趨勢，并在獨立肝細胞癌數據集中驗證了這一現象。

研究團隊已將cPeaks資源整合至SnapATAC和ArchR等主流分析平臺，并提供獨立Python腳本支持自定義分析流程。完整的cPeaks列表包含ID、來源、基因組坐標、管家狀態、形態模式、調控元件推斷及與cDHS、CATLAS cCREs、ReMap的對應關系等信息，為單細胞ATAC-seq數據標準化分析提供了重要基礎。

READING

BioPeers

歡迎關注本公眾號，所有內容歡迎點贊，推薦??，評論，轉發~

如有錯誤、遺漏、侵權或商務合作請私信小編~~

歡迎大家投稿課題組 研究進展 、招聘及招生宣傳~

所有文章只為科普、科研服務，無商業目的~