多组学数据整合更精确，川大团队借助迁移学习揭示细胞异质性可用于改善数据整合

©作者 | 李云帆单位 | 四川大学

单细胞多组学数据整合旨在减少组学差异，同时保持细胞类型差异。然而，由于细胞异质性，建模和区分这两种差异是一项艰巨的任务。即使是相同组学和类型的细胞也会具有不同的特征，从而使这两种差异变得不明显。在最新的研究中，四川大学的研究团队揭示了细胞异质性的两面性，尽管通常被视为数据整合的干扰，但若妥善利用，可以反之用来改善数据整合。据此，团队提出了一种以异质方式整合细胞的多组学数据整合方法，称为 scBridge。研究以「scBridge embraces cell heterogeneity in single-cell RNA-seq and ATAC-seq data integration」为题，于 2023 年 9 月 28 日发布在《Nature Communications》。

论文链接：

https://www.nature.com/articles/s41467-023-41795-5

背景

单细胞RNA测序技术（scRNA-seq）通过分析各个细胞的基因表达，揭示细胞多样性、疾病机制和药物响应等重要信息，在生物学和医学领域取得了广泛的应用。近年来，单细胞测序技术的发展提供了除RNA以外更多组学的单细胞分析，例如染色质可及性(scATAC-seq)、空间转录组(Stereo-seq)和蛋白质组(ScoPE-MS)。多组学数据有助于构建全面的分子调控网络，促进精准医学的发展。其中，scATAC-seq通过鉴定开放的染色质区域来研究染色质结构的动态重塑，有助于揭示转录的内在机制。因此，整合scRNA-seq和scATAC-seq让我们可以不仅从转录水平，还可以进一步从表观遗传学的角度揭示差异背后的原因。然而，由于不同组学测序方法的技术手段不同，所测得的数据在生物学信息之外还有测序技术、平台等带来的噪声，多组学数据整合方法旨在消除组学间的差异，保留生物学信息，使来自不同组学、相同类型的细胞聚合到一起，以便进行下游分析。

方法

本文提出的基于异质迁移学习的单细胞多组学整合方法，接受已注释的scRNA-seq细胞和未注释、待整合的scATAC-seq细胞作为输入，最终输出多组学细胞的整合结果，及对scATAC-seq细胞的类型预测。

如图1所示，本方法主要由以下四个步骤组成：

（1）利用已注释的细胞训练分类网络，得到细胞表征和类别预测；

（2）根据不同组学细胞表征间的相似性和预测的置信度，对scATAC-seq细胞进行可靠性建模；

（3）选取高可靠性的scATAC-seq细胞与scRNA-seq细胞在特征空间进行整合；

（4）选取高可靠性的scATAC-seq细胞，将其当前类型预测结果作为注释，重复以上步骤直到全部scATAC-seq细胞都被整合。

▲ 图1. scBridge 算法示意图（来源：论文）

创新性多组学数据整合的核心在于根据测序数据的特征分布，区分生物学信息和非生物学噪声。然而，由于细胞异质性的存在，即使来自相同组学、相同类型的细胞也会表现出不同的数据特征。此前的多组学数据整合方法未充分考虑细胞异质性，其对于生物学信息和非生物学噪声的区分受到细胞异质性的干扰，从而导致次优的整合效果。不同于此前的方法，本文提出细胞异质性不再是对数据整合的干扰，而是能被巧妙利用来帮助多组学数据整合。具体地，我们观察到部分 scATAC-seq 细胞的染色质可及性和 scRNA-seq 细胞的基因表达之间具有更高的相关性，这些细胞间的组学差异较小，更容易被整合。此外，整合这些细胞能够在整体上减小组学差异，进而帮助其他细胞的整合。

基于此，我们提出了一个基于异质迁移学习的单细胞多组学整合方法 scBridge，通过迭代式地选取并整合当前组学差异最小的细胞，逐步减小组学差异，最终实现对所有细胞的准确整合。

▲ 图2. scBridge在SNARE-seq、SHARE-seq、10X Multiome 数据上的整合结果。（来源：论文）

结果

本文在七个单细胞多组学数据集上对所提出的scBridge方法进行了验证，涵盖了不同的物种、器官、细胞数量、测序方法、组学类型等。

图 2 展示了其在 SNARE-seq、SHARE-seq、10X Multiome 数据上的实验结果，可以看到 scBridge 相较于现有的多组学数据整合方法表现出更好的整合结果和 scATAC-seq 细胞注释精度，尤其是对于细胞个数较少的细胞类型。另外，实验表明 scBridge 对注释的 scRNA-seq 数据量要求较小，在只提供 50% 注释数据的情况下仍能实现准确的数据整合。

▲ 图3. scBridge 在模拟 Dropout Corruption 的 Human Hematopoiesis 数据上的整合结果（来源：论文）

为了探究 scBridge 对于测序数据质量的稳健性，本文分别在 scRNA-seq 和 scATAC-seq 数据上通过手动调节 Dropout 的比率，模拟了测序深度较低的情况。图 3 的结果表明，scBridge 对于测序数据质量表现出良好的稳健性，尤其是在 scRNA-seq 端几乎不受 Dropout 事件的影响。这得益于 scBridge 所采用的迭代式整合策略，即便 scRNA-seq 数据的质量较差，但只要其能帮助模型选取出一部分可靠的 scATAC-seq 细胞，模型便可以利用这一部分细胞来进一步辅助其余细胞的整合。此外，本文还证实了 scBridge 对于 scRNA-seq 细胞注释精度、组学间细胞类型差异等具备良好的稳健性，且能扩展到蛋白等其他模态数据的整合，更多结果和分析详见原文。