💻 生物信息学

Reconstructing donor genotypes from scRNA-seq for downstream eQTL and HLA-TCR analysis

该论文介绍了 scTAPAS，这是一个能够直接从单细胞 RNA 测序读取中重建供体基因型的生物信息学框架，即使在缺乏匹配的常规基因分型数据的情况下，也能实现准确的下游 eQTL 和 HLA-TCR 关联分析。

原作者： Kockelbergh, H., Astley, J., Kichula, K. M., Zhang, Z., Ng, E. S., COvid-19 Multi-omics Blood ATlas (COMBAT) Consortium,, Dendrou, C. A., Chong, A. Y., Watson, R. A., Fairfax, B. P., Knight, J. C., Ba

发布于 2026-10-05

📖 1 分钟阅读☕ 轻松阅读

CC0 1.0

原作者： Kockelbergh, H., Astley, J., Kichula, K. M., Zhang, Z., Ng, E. S., COvid-19 Multi-omics Blood ATlas (COMBAT) Consortium,, Dendrou, C. A., Chong, A. Y., Watson, R. A., Fairfax, B. P., Knight, J. C., Band, G., Norman, P. J., Carrington, M. N., Sansom, S. N., Mentzer, A. J., Jostins-Dean, L., Luo, Y.

原始论文根据 CC0 1.0（https://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

在每一滴血液中，数百万个微小的细胞都在忙碌地履行着它们的特定职责，从对抗感染到携带氧气。虽然科学家早已知晓我们的基因会影响这些细胞的行为，但要准确了解哪些基因在起什么作用一直非常困难，因为同一种类型的细胞根据其遗传构成，其表现也会有所不同。多年来，研究人员只能通过同时观察大量混合在一起的细胞群来研究这些遗传效应，而这往往掩盖了单个细胞类型的独特行为。单细胞测序技术的发明让科学家能够逐一观察每个细胞，从而揭示出更详细的生物学运作图景。然而，这一强大的工具却遇到了瓶颈：为了观察基因如何控制细胞行为，研究人员通常需要进行一项单独且昂贵的测试来读取一个人的 DNA 代码。如果没有这项单独的 DNA 测试，单细胞数据就像是一个缺失了关键碎片的拼图，限制了将遗传差异与细胞功能联系起来的能力。

一支研究团队现在发现了一种解决这个“缺失碎片”问题的方法，即利用单细胞数据本身来重建捐赠者的遗传代码。他们开发了一种名为 scTAPAS 的方法，该方法就像一名侦探，仅通过阅读细胞发送的信息就能拼凑出一个人的遗传身份。当一个细胞处于活跃状态时，它会读取其 DNA 并产生 RNA——一种携带制造蛋白质指令的分子副本。尽管这种 RNA 是完整遗传代码的一个部分且有时显得有些凌乱，但它仍然包含足够的独特遗传标记，足以识别出它所属的人。研究人员意识到，通过收集来自同一个人细胞的所有 RNA 信息，并将其与庞大的已知人类遗传模式库进行对比，他们就可以填补空白，并准确预测出该人的完整遗传谱系。这意味着科学家现在可以对现有的单细胞数据集合进行遗传研究，即使最初的研究人员从未采集过单独的 DNA 样本。

为了测试这个想法在实践中是否可行，该团队将他们的这种方法应用于在 COVID-19 大流行期间从人们身上采集的大规模血液细胞数据集。他们专注于一段被称为对免疫系统至关重要的遗传代码区域，这也是基因组中最复杂、最难读取的部分。通过汇总每个捐赠者的 RNA 读取信息，并使用统计工具推断缺失的遗传信息，他们成功为每个人生成了一套完整的遗传预测。当他们将这些预测结果与对同一批人进行的实际 DNA 测试进行对比时，发现匹配度非常高。尽管该方法只查看了标准 DNA 测试中可用总遗传变异的一小部分，但它成功恢复了近百分之七十的、在传统且更昂贵的方法中能发现的重要基因与细胞行为之间的遗传联系。这些预测如此准确，以至于还可以用于确定一个人的祖先背景，这是确保遗传研究不因人口历史差异而产生偏差的关键步骤。

研究人员随后进一步推进了该方法，以观察它是否能够处理免疫系统中最专门化的遗传特征，即 HLA 类型。这些是高度多变的基因，负责教导免疫系统识别外来入侵者。由于这些基因非常复杂且在人与人之间差异巨大，它们经常在标准的遗传研究中被遗漏，但它们对于理解免疫系统如何与病毒和疫苗相互作用至关重要。利用重建的遗传数据，该团队能够高精度地预测这些 HLA 类型。随后，他们将这些信息与免疫细胞的受体（即细胞用来识别威胁的工具）数据相结合。通过这种方式，他们发现了特定 HLA 类型与免疫细胞所使用的特定受体之间的具体联系。例如，他们发现某些 HLA 类型与 CD4+ T 细胞（一种白细胞）排列其受体的方式有着强烈的关联。这些联系之所以能被观察到，是因为研究人员现在能够同时看到遗传代码和细胞行为。

这项研究表明，隐藏在单细胞 RNA 数据中的遗传信息足以解锁那些以往在没有单独 DNA 测试的情况下无法实现的强大分析。虽然该方法在分析大量细胞时效果最好，且对于常见遗传变异而非罕见变异更为准确，但它为重新审视成千上万个现有的单细胞研究开启了大门。研究人员现在可以回到这些数据集，探讨遗传学如何塑造细胞行为和免疫反应，而无需采集新的样本。这种方法并不取代在所有情况下对高质量 DNA 测试的需求，但它为那些从未采集过遗传数据的研究提供了一个实用且有效的替代方案，将过去研究中的局限性转化为了新的发现契机。通过从细胞信息本身中提取遗传故事，科学家们现在可以以前所未有的清晰度，探索我们的基因与免疫系统之间错综复杂的关系。

技术摘要：从 scRNA-seq 重建供体基因型以进行下游 eQTL 和 HLA–TCR 分析

问题陈述
单细胞 RNA 测序 (scRNA-seq) 能够识别特定细胞类型中的表达定量性状位点 (eQTL)，为在批量分析中被掩盖的遗传调节提供见解。然而，单细胞 eQTL (sc-eQTL) 研究的广泛应用受到缺乏匹配基因型数据的 scRNA-seq 队列的限制。虽然可以直接从 scRNA-seq 读取序列中检测遗传变异，但由于等位基因丢失（allelic dropout）和表达偏差，产生的信息往往是稀疏且分布不均的。因此，直接从 scRNA-seq 进行变异调用通常不足以支持稳健的遗传关联分析或 HLA 分型，这限制了利用现有数据集研究细胞类型特异性调节效应和免疫遗传相互作用的能力。

方法论：scTAPAS 框架
作者提出了 scTAPAS（单细胞转录组等位基因预测与关联研究），这是一个旨在直接从 scRNA-seq 读取序列中重建供体基因型的生物信息学框架。其工作流程如下：

读取聚合（Read Aggregation）： 将比对到 6 号染色体的测序读取序列整合到针对特定供体的比对文件中，从而聚合同一供体内所有细胞的稀疏遗传信息。
基于参考面板的填充（Reference-Based Imputation）： 使用 QUILT2 处理聚合后的读取序列。QUUTH2 是一种读取感知（read-aware）的填充方法，它利用稀疏的低覆盖度测序读取序列和大型单倍体参考面板（具体为 1000 Genomes Project 第三阶段）来推断全基因组基因型剂量。
质量控制 (QC)： 为确保准确性，推断出的变异经过严格过滤：
- 填充质量评分 (INFO_SCORE) > 0.8。
- 次要等位基因频率 (MAF) > 5%。
- 哈迪-温伯格平衡 (HWE) p 值 > 1×10⁻⁶。
下游扩展：
- eQTL 映射： 利用经过质量控制的变异，通过伪批量（pseudobulk）表达谱进行细胞类型解析的顺式 (cis) eQTL 映射。
- HLA 填充： 利用主要组织相容性复合体 (MHC) 区域内的变异，通过 Michigan Imputation Server（多民族 HLA v2 面板）和 EAGLE2 相位化技术来填充经典的 HLA 等位基因和氨基酸多态性。
- HLA-TCR 分析： 将填充的 HLA 类型与匹配的单细胞 T 细胞受体 (TCR) 测序数据相结合，以测试 HLA 变异与 TCR 谱特征之间的关联。

关键结果
该框架使用 COVID-19 多组学血液图谱 (COMBAT) 数据集进行了基准测试，该数据集包含来自 124 名供体的 140 个样本，并配有基于芯片的基因分型、HLA 测序和单细胞 TCR 测序数据。

基因型一致性： scTAPAS 推导的基因型剂量与参考数据集显示出强一致性。在应用 INFO_SCORE > 0.8 和 MAF > 5% 的过滤条件后，scTAPAS 与基于芯片的基因型之间的中位 Pearson $R^2$ 分别为 0.797（Global Screening Array）和 0.799（TOPMed-imputed）。一致性与每个样本的细胞数量以及变异的转录背景呈正相关。
eQTL 发现： 尽管仅测试了传统芯片基因分型可用变异的 18.0%，scTAPAS 仍恢复了基于芯片基因型识别出的 68.6% 的细胞类型-eGene 对。对于共享的细胞类型-eGene 对，其效应量表现出高度一致性 ( $R^2 = 0.936$ )。此外，scTAPAS 特有的 eGene 与独立研究 OneK1K 的发现高度重叠 (80.0%)，表明所恢复的信号具有可重复性。
HLA 推断： scTAPAS 成功填充了经典的 HLA 等位基因。在两场分辨率（two-field resolution）下，它与金标准 HLA 测序显示出适度的相关性 ( $R^2 = 0.586$ )，对于常见等位基因，相关性提升至 $R^2 = 0.664$ 。值得注意的是，scTAPAS 在 HLA Class I 基因方面的表现优于直接基于转录本的方法 arcasHLA（中值 $R^2 = 0.659$ vs. 0.317），而 arcasHLA 在 Class II 基因方面表现更好。
HLA-TCR 关联： 利用 scTAPAS 推导的 HLA 类型，研究发现了 HLA Class II 等位基因与 CD4+ T 细胞中 TCR V 基因片段使用情况之间的显著关联（例如，HLA-DRB1*03 与 TRAV12-2）。这些关联与基于传统基因型填充的结果一致。在 CD8+ T 细胞中未检测到显著关联，这可能是由于数据集中的细胞计数较低所致。

意义与主张
论文声称 scTAPAS 为缺乏匹配基因分型或 HLA 分型的 scRNA-seq 队列扩展遗传学和免疫遗传学分析提供了实用的工作流。通过从转录组数据中重建供体基因型，该方法：

扩展了发现潜力： 它使得在无法获得常规基因分型的场景下也能进行细胞类型解析的 eQTL 映射，尽管变异密度有所降低，但仍能恢复大量的调控架构。
实现了免疫遗传学分析： 它允许进行 HLA 感知的分析，例如在单细胞分辨率下将 HLA 变异与 TCR 谱联系起来，这对于理解免疫反应和 T 细胞发育至关重要。
补充现有工具： scTAPAS 和 arcasHLA 在不同 HLA 类型间表现出的差异化性能表明，它们捕捉到了互补的信息，其中 scTAPAS 为 5' scRNA-seq 数据中的 Class I 推断提供了稳健的替代方案。

作者强调，尽管该方法功能强大，但受限于罕见变异检测、对参考面板多样性的依赖以及对细胞数量和测序深度的要求。他们总结道，只要在进行遗传分析时遵循适当的知情同意和管理规定，scTAPAS 为利用现有的单细胞队列进行遗传调节和免疫遗传学研究提供了一条可行路径。

类似论文