單細(xì)胞ATAC-seq（scATAC-seq）能夠測(cè)量單細(xì)胞水平的染色質(zhì)開(kāi)放信息饶唤，是用于研究基因調(diào)控和細(xì)胞異質(zhì)性的重要方法之一趾盐。細(xì)胞注釋是scATAC-seq數(shù)據(jù)分析中最重要的一步一疯，然而密末，scATAC-seq數(shù)據(jù)由于其高維度告希、高稀疏度樟凄、高噪音的特點(diǎn)，使得細(xì)胞注釋較為困難薄坏。大多數(shù)現(xiàn)有的注釋方法基于多模態(tài)整合趋厉，容易受到批次效應(yīng)的影響，并且可能會(huì)忽視稀有的細(xì)胞類型胶坠。

AtacAnnoR是近期發(fā)表在Briefings in Bioinformatics上的一種新穎的單細(xì)胞ATAC-seq的細(xì)胞注釋工具君账。AtacAnnoR可以利用已標(biāo)注的scRNA-seq數(shù)據(jù)作為參考，對(duì)scATAC-seq的細(xì)胞類型進(jìn)行注釋沈善。工具鏈接：https://github.com/TianLab-Bioinfo/AtacAnnoR

方法介紹

AtacAnnoR方法流程圖

簡(jiǎn)單來(lái)說(shuō)乡数，AtacAnnoR主要利用兩輪注釋的方法，從而避免批次效應(yīng)和跨模態(tài)細(xì)胞注釋闻牡。

• 首先净赴，scATAC-seq的peak計(jì)數(shù)矩陣被處理成兩個(gè)矩陣，一個(gè)是基因活性矩陣（代表基因?qū)用娴男畔ⅲ┱秩螅硪粋€(gè)是經(jīng)過(guò)NMF降維的meta-program矩陣（代表整個(gè)基因組開(kāi)放的信息）玖翅。
• 第一輪注釋主要是在基因?qū)用娴淖⑨尅Ｊ紫柔槍?duì)參考的scRNA-seq進(jìn)行差異分析，尋找標(biāo)記基因金度；然后应媚，scATAC-seq基因活性矩陣中的每個(gè)細(xì)胞首先與scRNA-seq中的細(xì)胞類型比較，確定細(xì)胞的初始標(biāo)簽（candidate cell labels）猜极。最后珍特，利用找出的標(biāo)記基因?qū)Τ跏紭?biāo)簽進(jìn)行驗(yàn)證，最后只保留高可信的部分細(xì)胞魔吐，稱為種子細(xì)胞候選（seed cell candidates）。這些種子細(xì)胞候選接下來(lái)再作為訓(xùn)練樣本莱找，進(jìn)入第二輪注釋酬姆。
• 第二輪注釋利用了整個(gè)基因組的信息。首先對(duì)種子細(xì)胞候選進(jìn)行進(jìn)一步的清洗奥溺，得到更高質(zhì)量的種子細(xì)胞（準(zhǔn)確率能達(dá)到95%左右）辞色。然后利用這些最終的種子細(xì)胞，使用WKNN（加權(quán)最近鄰）算法對(duì)剩下未標(biāo)注的細(xì)胞進(jìn)行標(biāo)注浮定。在第二輪注釋中相满，由于訓(xùn)練樣本本身就來(lái)自待注釋的細(xì)胞群，因此不會(huì)受到批次效應(yīng)的影響桦卒。

方法表現(xiàn)

作者設(shè)計(jì)了三種情況立美，系統(tǒng)地對(duì)AtacAnnoR的表現(xiàn)進(jìn)行了測(cè)試。這三種情況分別是：

benchmark測(cè)試的三種情況

• 細(xì)胞層面的雙組學(xué)測(cè)序數(shù)據(jù)（cell-level dual omics sequencing）方灾。即在同一個(gè)細(xì)胞內(nèi)同時(shí)測(cè)量基因表達(dá)和染色質(zhì)開(kāi)放建蹄，這種情況可以作為金標(biāo)準(zhǔn)來(lái)驗(yàn)證scATAC-seq細(xì)胞注釋工具的準(zhǔn)確性。
• 樣本層面的雙組學(xué)測(cè)序數(shù)據(jù)（sample-level dual omics sequencing）裕偿。即同一份樣本分成兩份分別進(jìn)行scRNA-seq和scATAC-seq洞慎。這種數(shù)據(jù)通常是研究人員為了自己的研究目的從而進(jìn)行了特殊的實(shí)驗(yàn)設(shè)計(jì)，對(duì)雙組學(xué)分別進(jìn)行測(cè)序嘿棘。
• 僅有待注釋的scATAC-seq數(shù)據(jù)劲腿，使用其他來(lái)自公共數(shù)據(jù)庫(kù)的scRNA-seq作為參考來(lái)進(jìn)行細(xì)胞注釋。這種情況是最普遍鸟妙，同時(shí)也是難度最大的一種情況焦人。因?yàn)榇蠖鄶?shù)情況下并沒(méi)有配套的scRNA-seq作為參考，公共數(shù)據(jù)庫(kù)的scRNA-seq數(shù)據(jù)可能會(huì)與手上的scATAC-seq數(shù)據(jù)存在較大的批次效應(yīng)圆仔。

作者將AtacAnnoR和Seurat v3(2019, Cell)垃瞧，GLUE(2022, Nature biotechnology)，scJoint(2022, Nature biotechnology)坪郭，Conos(2019, Nature methods), MAESTRO(2020, Genome biology)和CellWalkR(2021, Genome biology)進(jìn)行了比較个从。

在第前兩種情況下，AtacAnnoR的注釋準(zhǔn)確率和GLUE幾乎處于并列第一的位置，而平衡準(zhǔn)確率（balanced accuracy）要遠(yuǎn)好于其他方法嗦锐，說(shuō)明AtacAnnoR不止能對(duì)數(shù)量多的細(xì)胞類型準(zhǔn)確注釋嫌松，同時(shí)也能關(guān)注到細(xì)胞數(shù)量較少的亞群。作者對(duì)稀有細(xì)胞類型的準(zhǔn)確率檢查也說(shuō)明可這一點(diǎn)：AtacAnnoR對(duì)稀有細(xì)胞注釋的平均準(zhǔn)確率達(dá)到了0.9奕污，而第二名的GLUE只有0.71萎羔。Seurat v3和scJoint是表現(xiàn)也還不錯(cuò)的方法，但Seurat在細(xì)胞比例極端不平衡的數(shù)據(jù)集上表現(xiàn)不佳碳默，而scJoint的問(wèn)題在于對(duì)稀有細(xì)胞類型的注釋效果不佳贾陷。

前兩種情況的AtacAnnoR與其他方法注釋結(jié)果比較

對(duì)于第三種情況，AtacAnnoR的優(yōu)勢(shì)更加明顯嘱根，達(dá)到了0.91左右的準(zhǔn)確率髓废，而第二名的Seurat v3僅有0.75。在前兩種情況表現(xiàn)很好的GLUE方法在地三種情況下僅達(dá)到了0.55的準(zhǔn)確率该抒。這說(shuō)明其他方法受批次效應(yīng)的影響較大慌洪，而AtacAnnoR幾乎不受影響。

第三種情況的AtacAnnoR與其他方法注釋結(jié)果比較

最后凑保，作者調(diào)查了其他方法失敗的可能原因冈爹。作者發(fā)現(xiàn)，GLUE注釋出的scATAC-seq的細(xì)胞比例與參考scRNA-seq的細(xì)胞比例有著非常高的相關(guān)性欧引，Seurat v3也有部分相關(guān)性频伤，這可能是因?yàn)樗麄兌际鞘紫葘?duì)兩個(gè)模態(tài)進(jìn)行數(shù)據(jù)整合，然后再利用近鄰細(xì)胞進(jìn)行細(xì)胞注釋维咸。如果參考數(shù)據(jù)和待注釋數(shù)據(jù)的細(xì)胞比例有較大差異剂买，整合可能失敗，從而導(dǎo)致細(xì)胞注釋結(jié)果不準(zhǔn)確癌蓖。

參考

原文鏈接：https://doi.org/10.1093/bib/bbad268
工具鏈接：https://github.com/TianLab-Bioinfo/AtacAnnoR