- 13 次围观
背景。单细胞多组学中对RNA表达和染色质可及性的联合谱分析现已成为解析单细胞调控状态的标准工具，但现有分析工具链的发展相对滞后。专有的多组学流程 Cell Ranger ARC 使用自定义的宽峰调用器，而非ATAC领域已趋于统一采用的 MACS3 窄峰；同时，其严格的终端用户许可协议禁止重新分发包含该工具的分析流程。一个完全开源、宽松许可、并以社区标准方法为基础的替代方案——以 Chromap 用于 ATAC 比对、MACS3 用于窄峰调用——由于两套代码库使用不同编程语言且运行时不兼容，一直难以组装实现，导致实践者只能借助临时编写的脚本将其串联起来。 结果。我们提出了 Chromap Suite，它是一个开源多组学技术栈中面向染色质可及性分析的一部分，旨在支持 NIH“细胞中空等位基因的分子表型”（Molecular Phenotypes of Null Alleles in Cells, MorPhiC）联盟的多组学生产流程。我们对 Chromap 进行了扩展，增加了原生 BAM 输出与坐标排序、进程内窄峰调用、可选的 Y 染色体过滤，以及除 FASTQ 外对压缩二进制测序格式 CBQ 的原生输入支持；同时，通过一个回归测试矩阵对结果进行了加固，该矩阵可自动验证 Chromap 上游的四种预设模式（bulk ATAC、scATAC、ChIP-seq、Hi-C）。我们以可移植的 C++ 重新实现了 MACS3 的窄峰调用器，命名为 libMACS3，与 MACS3 v3.0.3 在字节级完全一致，且不依赖任何 Python 解释器。最后，我们将 Chromap 的比对与片段生成路径提取为一个可调用的 C++ 库（libchromap），并将 libchromap 与 libMACS3 一并嵌入 STAR Suite，从而通过一次 STAR 调用即可并行完成 RNA 和 ATAC 两种模态的比对、峰调用与细胞调用。据我们所知，这是首个真正意义上的单一二进制 RNA + ATAC 多组学实现。在公开的 3K PBMC Multiome 数据集上、使用 32 线程时，该平台完成分析的总墙钟时间为 18 分 55 秒，峰值常驻内存为 44.6 GB；相比之下，Cell Ranger ARC v2.2.0 需要 40 分 4 秒和 79.1 GB 常驻内存（墙钟速度提升 2.12 倍，峰值内存降低至原来的 1/1.8）。此外，该平台生成 50,274 个峰，与 MACS3 v3.0.3 在字节级完全一致。为支持研究科学家以及在生物信息学分析中日益广泛使用的 AI 代理部署本平台，Chromap Suite 提供了一个模型上下文协议（Model Context Protocol, MCP）服务器和一个基于浏览器的 Launchpad，二者由一组共享的、可组合的 YAML 配方驱动，使人类与代理能够以相同方式使用该系统。 结论。Chromap Suite 提供了一个统一的、可自由再分发的多组学流程，能够生成下游 ATAC 分析已广泛依赖的 MACS3 窄峰，同时相较于专有替代方案显著降低了墙钟时间和内存占用。其采用 MIT 和 BSD-3 许可证的代码不附带任何再分发限制，组成其中的各个库也可独立嵌入其他开源工具中；此外，MCP 服务器与 Launchpad 配方使该平台无论对人类用户还是 AI 代理而言都易于驱动。
背景。单细胞多组学分析对RNA表达与染色质可及性的联合测定，现已成为解析单细胞调控状态的标准工具，但现有分析工具链的发展相对滞后。专有的多组学流程 Cell Ranger ARC 使用的是自定义的宽峰调用器，而非ATAC领域已普遍采用的 MACS3 窄峰；同时，其限制性的终端用户许可协议禁止再分发包含该软件的分析流程。尽管以社区标准方法为基础的、完全开源且宽松许可的替代方案具有明显价值——例如 ATAC 比对采用 Chromap、窄峰调用采用 MACS3——但由于这两个代码库使用不同编程语言且运行时环境不兼容，实际组装一直并不现实，研究人员往往只能借助临时拼接的脚本将其串联起来。
结果。我们提出 Chromap Suite，这是一个开源多组学技术栈中面向染色质可及性分析的一部分，构建该系统是为了支持 NIH“细胞中空等位基因的分子表型”（Molecular Phenotypes of Null Alleles in Cells, MorPhiC）联盟的多组学生产流程。我们对 Chromap 进行了扩展，增加了原生 BAM 输出与坐标排序、进程内窄峰调用、可选的 Y 染色体过滤，以及除 FASTQ 外对压缩二进制测序格式 CBQ 的原生输入支持；同时通过一个回归测试矩阵强化了系统稳健性，该矩阵可自动验证上游 Chromap 的四种预设（bulk ATAC、scATAC、ChIP-seq、Hi-C）。我们以可移植的 C++ 重新实现了 MACS3 的窄峰调用器，形成 libMACS3；其输出与 MACS3 v3.0.3 字节级完全一致，且不依赖任何 Python 解释器。最后，我们将 Chromap 的比对与片段生成路径提取为可调用的 C++ 库（libchromap），并将 libchromap 与 libMACS3 一并嵌入 STAR Suite，使得一次 STAR 调用即可并行完成 RNA 与 ATAC 两种模态的比对、峰调用和细胞识别。据我们所知，这是首个真正意义上的单二进制 RNA + ATAC 多组学实现。在公开的 3K PBMC Multiome 数据集上、使用 32 个线程时，该平台完成分析的总耗时为 18 分 55 秒，峰值常驻内存为 44.6 GB；相比之下，Cell Ranger ARC v2.2.0 分别为 40 分 4 秒和 79.1 GB 常驻内存（总耗时加速 2.12 倍，峰值内存降低至 1/1.8），并产生了 50,274 个与 MACS3 v3.0.3 字节级完全一致的峰。为支持科研人员以及在生物信息学分析中日益广泛使用的 AI 智能体部署该平台，Chromap Suite 还提供了一个模型上下文协议（MCP）服务器和一个基于浏览器的 Launchpad，二者由一组共享的、可组合的 YAML 配方驱动，从而使人类与智能体能够以相同方式操作系统。
结论。Chromap Suite 提供了一个统一的、可自由再分发的多组学流程，能够产出下游 ATAC 分析已广泛依赖的 MACS3 窄峰，同时在总耗时和内存占用方面均显著优于专有替代方案。其采用 MIT 和 BSD-3 许可的代码不存在再分发限制，组成其中的各个库也都可以独立嵌入其他开源工具中；此外，MCP 服务器与 Launchpad 配方进一步使该平台既便于人工使用，也便于 AI 智能体驱动。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.02.729736v1?rss=1
🏷️ 单细胞多组学 RNA+ATAC分析 染色质可及性 峰调用 开源生物信息平台 高性能计算流程