Incorporating cell states for mapping eQTLs in single-cell studies
该论文介绍了 scarf-QTL，这是一种能够绘制细胞状态依赖性 eQTL 的新方法，与伪体量（pseudobulk）方法相比，它具有更高的统计效能和更佳的误差控制，并成功在 OneK1K 数据集中识别出显著更多的细胞类型特异性 eGene，且揭示了独特的调控模式。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 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
基因是构建和运行生命体的指令手册，但它们并非在真空中运行。它们的活动不断受到 DNA 代码本身微小变化的调节，这些变化被称为遗传变异。科学家将这些变异影响基因活动的特定位置称为“表达定量性状位点”（eQTL）。几十年来，研究人员通过研究混合在一起的细胞群来绘制这些关系，就像是将组织制成“奶昔”并测量其平均风味一样。这种方法揭示了基因在不同器官和广泛细胞类型中的调节方式。然而，人体并不是奶昔；它是一个复杂的生态系统，同一组织内的单个细胞可以处于截然不同的活动状态、成熟度或对环境的反应状态。一个细胞可能正在休息、分裂或对抗感染，其遗传调节可以根据这种特定的状态而改变。
现代科学面临的挑战在于，这些微妙的、依赖于状态的变化在细胞混合在一起时往往会丢失。此外，从单个细胞收集的数据极其稀疏且充满噪声，这使得应用标准统计工具时极易出现错误。研究人员需要一种方法，不仅能观察跨细胞类型的基因遗传调节，还能观察跨连续细胞状态的遗传调节，同时还要处理单细胞数据的混乱现实。如果没有一种能够应对这种复杂性的方法，许多重要的遗传信号就会被隐藏起来，要么被平均化过程所掩盖，要么被当作统计噪声而忽略。
为了解决这个问题，来自清华大学、首都经济贸易大学和耶鲁大学的统计学家和生物学家团队开发了一个名为 scarf-QTL 的新框架。该方法旨在绘制随着细胞移动（例如在发育过程中或响应刺激时）时，遗传变异如何影响基因表达。研究人员没有将细胞分组为僵化的、预定义的“桶”，而是将细胞状态视为一个连续的坐标，类似于时间轴或光谱。他们将基因表达建模为沿着该坐标运动的平滑函数，从而能够捕捉到遗传效应在光谱的某一部分可能很强，而在另一部分可能很弱的情况。
scarf-QTL 的核心创新在于它如何处理关联的数学问题。传统方法通常假设基因表达遵循完美的正态分布（钟形曲线），但这种假设在充满零值和不规则峰值的单细胞数据面前经常失效。当这些假设错误时，标准测试可能会产生假警报或错过真实信号。新方法使用了一种“回顾性”方法。它不再询问给定特定基因型时基因表达如何变化，而是询问在观察到基因表达的情况下，基因型是如何分布的。这种视角的细微转变使测试能够对单细胞数据中典型的非正态分布具有鲁棒性。它允许研究人员使用计算效率高的模型，同时保持严格的假阳性控制，确保发现的信号是真实的。
研究人员在应用到真实数据之前，利用计算机模拟对该方法进行了广泛测试。他们创建了模拟各种生物场景的人工数据集，包括具有恒定遗传效应、效应随线性增加以及复杂的模式（如峰值或周期）的细胞。在这些模拟中，新方法成功控制了假警报率，即使数据是由不符合标准统计规则的分布生成的。相比之下，依赖严格数据分布假设的旧方法开始产生过多的假阳性。在寻找真实信号方面，新方法比标准的“伪体量”（pseudobulk）方法（即将细胞平均化）更具威力。它在检测集中在特定细胞状态或发生方向变化的遗传效应方面特别有效，而这种模式在平均化方法中往往会被抹平直至消失。
随后，团队将 scarf-QTL 应用于 OneK1K 数据集，这是一个包含来自 982 名健康个体、超过 120 万个血细胞（涵盖 14 种不同的免疫细胞类型）的单细胞 RNA 测序大规模数据集。在这项现实世界的测试中，该方法识别出的具有显著遗传调节作用的基因比之前的伪体量分析多出 30%。这种增加不仅仅是发现了更多的噪声；新方法揭示了一些被旧方法完全遗漏的特定基因。例如，在对于抗击感染至关重要的免疫细胞——树突状细胞中，该方法揭示了遗传调节通常取决于细胞的具体亚型。其中一个已知的树突状细胞特定亚型标记基因，仅在进展到特定状态的细胞中表现出强烈的遗传效应。旧方法由于将所有树突状细胞视为一个整体，在整个群体中进行平均后稀释了这种效应，因此未能检测到这种关联。
通过对这些新发现的遗传效应模式进行聚类，研究人员发现了随着细胞状态变化而表现不同的基因组。一些基因在细胞向常规树突状细胞状态移动时表现出递增的遗传影响，而另一些基因在向浆细胞样状态移动时则表现出递减的影响。这些模式与已知的生物学功能（如抗原提呈）相一致，证实了该方法捕捉到的是真实的生物学调节而非统计伪影。这种能够观察连续的、依赖于状态的变化的能力表明，许多遗传变异并不只是简单的“开/关”开关，而是根据细胞当前状况调节强度的“旋钮”。
该方法的计算效率也是一个关键发现。尽管建模数百万个单独细胞非常复杂，但该算法的扩展性良好，在分析典型数据集时，耗时与较简单的伪体量方法大致相当。这种效率是通过使用数学上的“捷径”实现的，这些捷径在不丢失单细胞数据细微差别的情况下降低了问题的维度。这意味着该方法可以应用于未来出现的更大、更多样化的数据集，而不会需要过高的计算能力。
研究结论指出，尽管新方法存在局限性，例如难以直接测试效应是否随状态变化，或者在定义细胞状态坐标时需要谨慎选择，但它代表了向前迈出的重要一步。它提供了一种严谨、可扩展的方法，用于揭示存在于动态单细胞景观中的隐藏遗传调节层。通过超越静态的细胞类型视角并拥抱细胞状态的连续性，研究人员现在可以以前所未有的细节水平来绘制免疫系统的遗传架构。研究结果表明，我们细胞的遗传调节比以往理解的更加流动且依赖于语境，这为理解遗传变异如何在最基本的层面影响健康和疾病开辟了新的途径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。