- 9 次围观
染色质结构与基因表达之间存在紧密关联，然而，表征二者如何协同变化一直具有挑战性，主要原因在于这两种模态很少在同一细胞中被同时测量。近年来，单细胞联合检测协议使得能够在同一细胞内同时描绘这两种模态，但此类实验仍然成本高昂且技术难度较大。为了更好地表征三维染色质构象与基因表达之间的关系，并实现基于单一模态测量的跨模态推断，我们开发了一种名为 scWeave 的模型，能够在单细胞分辨率下于基因表达（scRNA-seq）与三维染色质构象（scHi-C）之间进行双向转换。scWeave 模型采用双自编码器提取彼此独立的细胞水平潜在表征，并利用专门的转换模块学习这些表征之间的相互映射。 我们在六个公开可用的联合检测数据集上对 scWeave 进行了评估，这些数据集涵盖小鼠胚胎发育、小鼠大脑皮层、小鼠嗅上皮以及人骨髓。在留出的小鼠细胞上，scWeave 优于最近邻基线方法以及经适配至单细胞分辨率的现有方法：在根据染色质结构预测基因表达时，中位数 Spearman 相关性提高了 57%；在反向预测中，相较于次优基线，中位数 HiCRep 相似性提高了 18.8%。我们进一步表明，scWeave 能够在单细胞分辨率下学习跨模态对齐的潜在表征，从而使仅在一种模态下被测定的细胞能够与另一种模态中的对应细胞相匹配。 最后，scWeave 能够泛化至小鼠嗅上皮中完全留出的发育时间点，并且尽管人类训练数据有限，在留出的人骨髓细胞上仍表现良好。通过仅基于一种已测量模态来预测未测量的染色质构象或转录状态，scWeave 为将高成本联合检测的优势扩展到目前仅以单一模态进行描绘的众多细胞类型、发育阶段和物种提供了一条可行路径。
染色质结构与基因表达密切相关，然而，表征二者如何协变一直颇具挑战，主要原因在于这两种模态很少在同一细胞中被同时测量。近年来，单细胞联合检测方案使得能够在同一细胞内同时分析这两种模态，但此类实验仍然成本高昂且技术上具有挑战性。为更好地表征三维染色质构象与基因表达之间的关系，并实现基于单一模态测量的跨模态推断，我们开发了一种名为 scWeave 的模型，可在单细胞分辨率下在基因表达（scRNA-seq）与三维染色质构象（scHi-C）之间进行双向转换。scWeave 模型采用双自编码器提取彼此独立的细胞层面潜在表示，并利用专门的转换模块学习这些表示之间的转换关系。我们在六个公开可用的联合检测数据集上评估了 scWeave，这些数据集涵盖小鼠胚胎发育、小鼠大脑皮层、小鼠嗅上皮以及人类骨髓。在留出的小鼠细胞上，scWeave 优于最近邻基线方法以及经适配至单细胞分辨率的现有方法；在根据染色质结构预测基因表达时，其中位 Spearman 相关性较次优基线提高了 57\%；在反向预测时，其中位 HiCRep 相似性较次优基线提高了 18.8%。我们进一步表明，scWeave 在单细胞分辨率下学习到了跨模态对齐的潜在表示，从而能够将仅在一种模态下分析的细胞与其在另一种模态中的对应体进行匹配。最后，scWeave 可泛化至小鼠嗅上皮中完全留出的发育时间点，并且尽管人类训练数据有限，在留出的人类骨髓细胞上仍表现良好。通过仅依据一种已测量模态来预测未测量的染色质构象或转录状态，scWeave 为将高成本联合检测的优势扩展至当前仅以单一模态进行分析的众多细胞类型、发育阶段和物种提供了一条途径。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.13.738265v1?rss=1
🏷️ 单细胞多组学 跨模态预测 深度学习 染色质构象 基因表达 双自编码器