结合单细胞 ATAC 和 RNA 测序助力监督式细胞注释，解锁细胞奥秘

为解决细胞类型注释准确性问题，伦敦帝国理工学院的研究人员开展结合单细胞 ATAC 和 RNA 测序进行监督式细胞注释的研究，发现结合两种测序数据可提升 PBMC 数据注释质量，对神经元细胞无此效果，为单细胞研究提供重要参考。

　　在生命科学的微观世界里，细胞就像一个个神秘的 “小宇宙”，各自有着独特的 “身份” 和功能。单细胞测序技术的出现，让科学家们有机会深入探索这些 “小宇宙”，揭示细胞的秘密。然而，细胞类型注释这一关键步骤，却如同解谜过程中的一道难题，阻碍着研究的进展。传统的注释方法，有的如同 “大海捞针” 般低效，有的则因依赖单一数据类型而难以准确区分细胞类型。目前，虽然单细胞 RNA 测序在细胞注释中应用广泛，但它就像戴着有色眼镜看世界，无法全面捕捉细胞的特征。而单细胞 ATAC 测序虽能揭示染色质可及性的奥秘，却未被充分利用来提升细胞注释的准确性。此外，监督式注释方法的潜力也有待进一步挖掘。在这样的背景下，伦敦帝国理工学院等机构的研究人员决心攻克这一难题，开启了一场探索单细胞注释新方法的征程。

为了解决这些问题，来自伦敦帝国理工学院、阿斯利康等机构的 Jaidip Gill 等人开展了结合单细胞 ATAC 和 RNA 测序进行监督式细胞注释的研究。他们的研究成果为单细胞研究领域带来了新的曙光，让人们对细胞的认识更上一层楼。

研究人员在这项研究中用到了多个关键技术方法。他们采用 10x genomics 多组学技术，获取了人类外周血单个核细胞（PBMC）和神经元细胞的配对 ATAC 和 RNA 测量数据。通过加权最近邻（WNN）聚类和基于标记基因的注释，得到了用于监督分类模型的真实标签。运用主成分分析（PCA）和单细胞变分推理（scVI）自动编码器进行降维，同时利用随机森林（RF）、支持向量机（SVM）和逻辑回归（LR）等分类模型进行分析。此外，通过自助法（Bootstrapping）和袋外验证（Out-of-bag validation），有效控制了训练集和测试集数据划分的可变性。

研究结果如下：

• ATAC 增加细胞类型嵌入的分离度：通过对 PBMC 数据的分析，研究人员发现，在 PCA 和 scVI 嵌入中加入 ATAC 特征后，细胞类型的分离度显著提高。以 CD4 T 效应记忆细胞（CD4 TEM）、CD8 T 效应记忆细胞（CD8 TEM）和 CD8 初始细胞等细胞群体为例，它们与其他细胞群体的区分度明显增强。从定量分析来看，结合嵌入的轮廓系数得分显著高于仅使用 RNA 的情况，这表明 ATAC 特征在提升细胞类型分离度方面具有重要作用。
• ATAC 提高 scVI 嵌入的分类性能：研究发现，基于 PCA 的嵌入分类性能较弱，而 scVI 嵌入结合 RNA 和 ATAC 数据时，分类性能得到显著提升。具体来说，使用 scVI 嵌入和 RNA + ATAC 数据的 SVM 模型，其宏 F1 得分中位数达到 0.946，相较于仅使用 RNA 的模型有显著提高。这一结果表明，scVI 能够更好地捕捉 ATAC 特征中的信息，从而提升分类性能。
• T 细胞注释质量提升最为显著：在研究 ATAC 对不同细胞类型注释质量的影响时，研究人员发现 T 细胞亚型在使用 RNA + ATAC 特征后，F1 得分显著增加，其中 CD4 TEM 细胞的 F1 得分提升幅度最大，从仅使用 RNA 模型的 0.815 提升到了 0.926。同时，T 细胞的预测置信度也显著提高，PAP 得分大幅降低，这意味着 ATAC 特征能够更准确地识别 T 细胞亚型。
• ATAC 在注释细胞亚型时更具优势：当研究人员使用不同粒度的细胞亚型标签进行分析时发现，RNA + ATAC 特征仅在更细粒度的 WNN-L2 细胞亚型标签上，才能显著提高分类性能。对于较粗粒度的 WNN-L1 标签，虽然宏观精度有所提高，但整体分类性能并无显著提升。这说明 ATAC 的优势在注释细胞亚型时更为明显。
• ATAC 嵌入与 B 和 T 细胞亚型相关：通过计算 Pearson 相关系数和拟合多项 lasso 模型，研究人员发现 ATAC 组件与 RNA 组件的线性关联较弱。然而，T 细胞（除 CD8 TEM 外）与 ATAC 组件的关联相对较高，其中 CD4 T 中央记忆细胞（CD4 TCM）与 ATAC 组件的关联比例最高，达到 66.6%。这表明 ATAC 特征在区分 B 和 T 细胞亚型方面具有独特的作用。
• ATAC 对神经元细胞注释无优势：在对神经元细胞的研究中，尽管添加 ATAC 特征后，UMAP 聚类看起来更加清晰，但分类性能并未得到显著提升。对于 SVM 模型，添加 ATAC 特征后分类性能反而显著下降。即使是表现最佳的 scVI-LR 模型，在添加 ATAC 特征后，F1 和 PAP 得分也没有显著变化。这说明在神经元细胞注释中，ATAC 特征的作用不如在 PBMC 中明显。

研究结论和讨论部分表明，这项研究具有重要意义。在 PBMC 数据注释中，结合 ATAC 与 RNA 嵌入（特别是使用 scVI 自动编码器生成的嵌入），能够显著提升监督式注释的质量和预测置信度，尤其在区分 T 细胞亚型方面效果显著。然而，在神经元细胞中，ATAC 并未展现出类似的优势。这一发现揭示了 ATAC 在不同细胞类型和组织中的作用差异，为后续研究提供了重要的参考方向。此外，研究还发现，线性分类器在利用 ATAC 特征时，与非线性分类器性能相当，且具有更高的简约性和可解释性，这为研究人员在选择分类模型时提供了新的思路。同时，研究也指出了当前研究的局限性，如手动注释的不确定性和数据集的局限性等，为未来研究指明了改进的方向。这些成果为单细胞研究领域提供了新的方法和理论依据，有助于推动生命科学和健康医学领域的发展，让人们对细胞的奥秘有更深入的理解，为疾病的诊断和治疗提供更精准的支持。