Mitigating genotype-driven bias improves atlas-scale single-cell DNA methylome profiling

在人体几乎每一个细胞的细胞核深处，都隐藏着一份用四种字母组成的化学指令手册。这段由 DNA 构成的代码，决定了构建和运行一个人的蓝图。然而，还存在着第二层信息，即一组位于 DNA 字母之上的化学标签，它们就像贴纸一样，告诉细胞哪些部分需要阅读，哪些部分需要忽略。这一层被称为 DNA 甲基化。它是决定一个细胞是变成跳动的心肌细胞、思考的大脑细胞，还是战斗的免疫细胞的开关。几十年来，科学家们通过观察混合在一起的大规模细胞群来研究这些标签，就像通过品尝一锅汤来猜测其中的成分。然而，这种方法往往会错过单个细胞独特的风味。现在，新技术允许研究人员逐个读取这些标签，实现单细胞水平的分析，这为以空前的细节绘制人类细胞类型的全景图提供了机会。

这项新技术的愿景是建立一份全面的生物学图谱，但它面临着一个隐藏的陷阱。当科学家读取 DNA 甲基化时，他们使用一种化学过程，将未甲基化的字母转化为另一种字母，而保持甲基化的字母不变。这种方法在 DNA 本身包含自然变异（即存在于人与人之间的微小遗传差异）时会表现得非常完美，直到问题出现。如果一个人的遗传变异导致某个字母自然不同，那么化学过程就无法区分这种变化究竟是真实的甲基化标签变化，还是仅仅是这个人的遗传代码差异。在一项涉及许多人的研究中，这些自然的遗传差异可能会看起来像虚假信号，使得不同人的细胞在表面上看起来具有不同的化学标签，而实际上并非如此。这种混乱威胁到了正在兴起的人类细胞类型图谱，将遗传多样性变成了看似生物学噪声的东西。

比利时鲁汶大学（KU Leuven）的一个研究小组致力于解决这个特定的问题。他们使用了一个包含来自十个具有不同遗传背景的健康个体血液中的超过 25,000 个单细胞的数据集。他们使用了一种名为 sciMET 的方法，该方法可以同时快速处理数千个细胞，从而生成了海量数据。当他们第一次观察结果时，细胞并没有按其类型（如 T 细胞或 B 细胞）进行分组。相反，它们严格按照来源的人进行聚类。一个人的 T 细胞与另一个人的 T 细胞之间的差异，竟然比同一个人体内的 T 细胞与 B 细胞之间的差异还要大。研究人员意识到，捐赠者之间的自然遗传差异压倒了真实的生物信号，创造了一张错误的地图，在这里，遗传代码被误认为是化学标签。

为了解决这个问题，该团队开发了一种新的计算策略，并将其命名为 DEBiaS。这个过程就像一位仔细审阅手稿的编辑。首先，研究人员识别了这十个人遗传代码不同的特定 DNA 位置。然后，他们创建了一个这些位置的列表，并在分析甲基化标签之前，直接忽略了来自这些位置的所有数据。通过遮蔽这些令人困惑的位点，他们消除了由遗传差异引起的噪声。当他们在应用此过滤器后重新分析数据时，结果立竿见影且令人震撼。细胞终于正确地进行了分类：来自十个捐赠者的 T 细胞聚集在一起，B 细胞也同样聚集在一起，揭示了隐藏在遗传噪声之下免疫系统的真实生物结构。

这一修正带来的影响远不止于让分组看起来更美观。研究人员发现，如果没有这种修复，他们的分析会识别出捐赠者之间成千上万个虚假的甲基化差异。这些并不是真实的生物学变化，而是由遗传变异产生的伪影。一旦屏蔽了这些遗传位点，这些虚假的差异就消失了，留下的只有真实的生物信号。研究还表明，这种方法有助于识别更可靠的新型细胞类型标记物。一些此前看似重要的化学标签被证明是不可靠的，因为它们受到遗传差异的影响；而另一些此前被忽视的标签则显现为细胞身份的强有力且一致的指标。

这项工作表明，要构建准确的人类生物学单细胞水平图谱，科学家必须考虑到每位研究对象的独特遗传代码。研究人员展示了通过简单地隐藏那些令人困惑的遗传位点，就可以恢复真实的生物学故事。他们的方法允许对来自许多不同人群的样本进行合并处理，这对于创建代表人类群体多样性的大规模图谱至关重要。如果没有这种修正，人类细胞类型的图谱将始终受到使我们变得独特的遗传多样性的扭曲。通过清除这些混乱，研究人员提供了一个实用的工具，确保单细胞表观遗传学的未来建立在生物学真相而非遗传误解的基础之上。