文獻名：Chromatin and gene-regulatory dynamics of the developing human cerebral cortex at single-cell resolution
Part1:
發(fā)育中人類大腦皮層的單細胞調(diào)控圖譜
該部分主要內(nèi)容總結(jié)：
1.實驗平臺10X稀拐、實驗技術(shù)：scRNA scATAC肉康、研究的發(fā)育階段和區(qū)域凿试、該部位細胞類型特點狰住；
2.兩個平臺獲得的細胞數(shù)/染色質(zhì)可及性peak、對scRNA-seq數(shù)據(jù)中細胞類型及用的marker gene進行描述猬错、與其他人發(fā)表的數(shù)據(jù)進行映射歼秽，說明注釋的準確性
3.使用CCA將scRNA 和scATAC數(shù)據(jù)進行整合，將基因遠端CRE可及性與基因表達聯(lián)系起來看疗，確定代表enhancer與基因互作的對
4.局部單染色質(zhì)可及性中確定其表達可以很好預(yù)測的基因，找可以根據(jù)染色質(zhì)狀態(tài)預(yù)測基因表達的基因
5.利用單個細胞既做了scRNA睦授，又做了scATAC的數(shù)據(jù)去驗證第4點發(fā)現(xiàn)的基因两芳，表明大多數(shù)推斷的CRE-基因相互作用在該聯(lián)合數(shù)據(jù)集中觀察到
專有名詞介紹：
1.CREs cis-regulatory elements 是非編碼DNA的區(qū)域，可調(diào)節(jié)相鄰基因的轉(zhuǎn)錄睹逃。
2.CCA canonical correlation analysis 是最常用的挖掘數(shù)據(jù)關(guān)聯(lián)關(guān)系的算法之一 ,典型相關(guān)分析(Canonical Correlation Analysis)是對互協(xié)方差矩陣的一種理解盗扇。如果我們有兩個隨機變量向量 X = (X?, ..., X?) 和 Y = (Y?, ..., Y?) 并且它們是相關(guān)的祷肯，那么典型相關(guān)分析會找出 X? 和 Y? 的相互相關(guān)最大的線性組合沉填。
3.GPC genes with predictive chromatin
為了捕獲大腦皮層中的細胞異質(zhì)性，作者使用Chromium platform (10x Genomics)創(chuàng)建了一個基因調(diào)控圖譜佑笋，以通過測序（scATAC-seq）和單細胞RNA測序（scRNA-seq）從四個原始樣本中生成轉(zhuǎn)座酶可及染色質(zhì)的單細胞分析PCW16翼闹，PCW20、PCW21和PCW24（圖1A）蒋纬。
總的來說猎荠，經(jīng)過質(zhì)量控制和篩選坚弱，我們獲得了57868個單細胞轉(zhuǎn)錄組和31304個單細胞表觀基因組）。與之前的研究一致关摇，CTIP2+細胞存在于皮質(zhì)板（CP）荒叶；SOX9+細胞存在于VZ、SVZ和外SVZ（oSVZ）中输虱；
( VZ, ventricular zone; SVZ, subventricular zone; IFL, inner fiber layer; oSVZ, outer SVZ; OFL, outer fiber layer; SP, subplate; CP, cortical plate.)
而GFAP+scaffolding 在PCW17和PCW21時期的跨越新皮質(zhì)區(qū)些楣。proliferation marker KI67與SVZ和oSVZ中的GFAP+細胞和PPP1R17+中間祖細胞（IPCs）共定位（圖1C）。
為了評估單個細胞之間的整體相似性和差異性宪睹，我們進行了unsupervised分析愁茁，包括使用uniform manifold approximation and projection （UMAP）進行降維和聚類。對于scATAC-seq亭病，我們采用迭代方法獲得低維embedding, cell clustering和一組657930個代表潛在順式調(diào)節(jié)元件cis-regulatory elements（CREs）的accessible peaks鹅很。RNA和染色質(zhì)的結(jié)構(gòu)相似，其變化與妊娠時間（圖1D）和細胞類型有關(guān)罪帖。
在同一樣本上進行這兩項（scRNA+scATAC）分析促煮，使我們能夠剖析基因調(diào)控的復雜方面，包括基因表達（scRNA-seq）和基于染色質(zhì)可及性的基因活性得分（scATAC-seq）之間的關(guān)系整袁，scATAC-seq is a metric defined by the aggregate local chromatin accessibility of genes狗准，以及aggregate TF motif activity scores蔼囊。皮質(zhì)生成TF，如SOX9、EOMES椿胯、NEUROD2和DLX2在這三個指標中表現(xiàn)出強烈的簇特異性富集（圖1E），與它們分別在RG仑扑、IPCs放航、皮質(zhì)谷氨酸能神經(jīng)元（GluN）和GABA能神經(jīng)元（中間神經(jīng)元；IN）中的作用一致嚷量。
接下來陋桂，作者在這兩個數(shù)據(jù)集聚類（圖1F），
并使用已知marker的基因表達和基因活性對這些聚類進行注釋（圖1G–H）蝶溶。
在scRNA-seq嗜历，我們觀察到一簇表達TOP2A和KI67的循環(huán)細胞（cycling cells Cyc）。我們還發(fā)現(xiàn)抖所，表達SOX9和HES1的RG包括心室徑向膠質(zhì)細胞（ ventricular radial glia vRG:FBXO32梨州，CTGF）和外徑向膠質(zhì)細胞（outer radial glia oRG:MOXD1，HOPX）田轧，并且這些細胞根據(jù)時間而分離（early RG暴匠，PCW16:NPY，F(xiàn)GFR3傻粘；late RG每窖，PCW20-24:CD9帮掉，GPX3）。一個scRNA序列簇中的細胞表達truncated RG（tRG）和ependymal cells（tRG:CRYAB窒典，NR4A1蟆炊，F(xiàn)OXJ1）的marker。我們還發(fā)現(xiàn)了一個與RGs和oligodendrocyte lineage precursors（ASCL1瀑志、OLIG2盅称、PDGFRA、EGFR）相關(guān)的簇表達基因后室。我們稱之為multipotent glial progenitor cells（mGPC）的該簇不同于表達SOX10缩膝、NKX2.2和MBP的OPC和少突膠質(zhì)細胞（OPC/LIGO）簇。在mGPC簇和late RG簇中觀察到與星形膠質(zhì)細胞特性（AQP4岸霹，APOE）相關(guān)的基因疾层。一個大的結(jié)構(gòu)域由神經(jīng)元IPC（EOMES、PPP1R17贡避、NEUROG1）和GluN（BCL11B/CTIP2痛黎、SATB2和SLC17A7/VGLUT1）組成。在GluN簇中刮吧，我們發(fā)現(xiàn)細胞表達subplate markers（SP:NR4A2湖饱，CRYM）。我們還發(fā)現(xiàn)了不同的表達DLX2和GAD2的基因簇杀捻，其中一個表達標記與內(nèi)側(cè)神經(jīng)節(jié)隆起（medial ganglionic eminence MGE:LHX6井厌，SST）相關(guān)，另一個表達標記與尾側(cè)神經(jīng)節(jié)隆起和大腦皮層下邊界（caudal ganglionic eminence CGE:SP8致讥，NR2F2仅仆；pallial-subpallial boundary PSB:MEIS2，ETV1）相關(guān)垢袱。此外墓拜，我們還觀察到小膠質(zhì)細胞簇（MG:AIF1，CCL3）请契、內(nèi)皮細胞簇（EC:CLDN5咳榜，PECAM1）、周細胞簇（Peric:FOXC2爽锥，PDGFRB）涌韩、軟腦膜細胞簇（leptomeningeal cells VLMC:COL1A1，LUM）和紅細胞簇（RBC:HEMGN）救恨。
上述許多marker 在scATAC序列空間的相應(yīng)簇中顯示出動態(tài)基因活性得分（圖1H）贸辈。
雖然大多數(shù)聚類都有代表所有時間點的細胞释树，但一些聚類對早期或后期有強烈的biased（例如MGPC和TRG）肠槽。為了進一步證實細胞類型特征和妊娠時間擎淤，我們將兩個先前公布的人類皮層scRNA-seq數(shù)據(jù)集預(yù)測到我們的scRNA-seq manifold中。我們計算了Jaccard對應(yīng)指數(shù)秸仙，并在我們的數(shù)據(jù)和計算匹配的獨立注釋中觀察到細胞類型嘴拢、cell-cycle phase和妊娠時間之間的高度一致性。
我們使用典型相關(guān)分析（CCA）將衍生的基因活性分數(shù)與基因表達水平進行整合寂纪，以將每種模式的細胞數(shù)據(jù)與其他數(shù)據(jù)表示中的最近鄰進行匹配（圖2A）席吴。
匹配細胞的簇注釋是一致的，除了scRNA序列中的循環(huán)祖細胞簇捞蛋，它沒有直接映射到chromatin landscape中的細胞（圖2B）孝冒。
利用這些匹配注釋的pseudo-bulk aggregates，作者應(yīng)用了一種基于相關(guān)性的方法拟杉，將基因遠端CRE可及性與基因表達聯(lián)系起來庄涡，確定了代表潛在增強子-基因相互作用的64878個CRE基因?qū)ΑＴ谠摲治鲋邪嵘瑁粋€基因與5個CREs(中位數(shù))相連穴店，并且linkded的CREs比unlinkded的元件更保守，并且更可能由最近發(fā)布的以啟動子為中心的染色體構(gòu)象捕獲數(shù)據(jù)集的細胞類型特異性三維（cell-type-specific three-dimensional 3D）相互作用支持拿穴。CRE可及性和基因表達的Co-variation區(qū)分了scRNA-seq和scATAC-seq中確定的細胞類型（圖2C）泣洞。
聚類相關(guān)CRE可及性揭示了與神經(jīng)膠質(zhì)細胞群相對應(yīng)的cluster間的高度可變性，證實了cluster內(nèi)的差異性默色，并表明了GluNcluster間基因調(diào)控的動態(tài)模式球凰。
然后，我們通過對基因活性-表達相關(guān)性進行排序腿宰，從局部單染色質(zhì)可及性中確定其表達可以很好預(yù)測的基因弟蚀。相關(guān)性最高的基因包括SOX2和HES1，這些基因與更多的putative增強子相關(guān)酗失。我們假設(shè)這些基因包括一類高度調(diào)控的基因义钉，這些基因在發(fā)育中的皮層中起著建立細胞身份的驅(qū)動作用，并定義了一組185個具有預(yù)測性染色質(zhì)的基因（GPC规肴；genes in the top decile of gene activity-expression correlations捶闸，與>10個CRE相關(guān)）（圖2D）。該基因集在轉(zhuǎn)錄調(diào)節(jié)活性和DNA結(jié)合TF活性方面高度富集（圖2E）拖刃。
為了驗證這些推論删壮，我們分析了來自PCW21人類皮層（multiome）相同細胞的scATAC-seq和scRNA-seq數(shù)據(jù)（圖2F）。
通過對兩種數(shù)據(jù)模式的篩選兑牡，得到8981個具有高質(zhì)量轉(zhuǎn)錄組和表觀基因組圖譜的細胞（央碟。我們將多組scATAC-seq和scRNA-seq圖譜投影到相應(yīng)的單獨生成的landscapes中，并確認我們的細胞類型注釋在聯(lián)合數(shù)據(jù)中得到了很好的表示（圖2G）均函。
將我們的CRE基因連接方法應(yīng)用于真正的細胞對細胞匹配亿虽，我們發(fā)現(xiàn)從單時間點測量中觀察到40181個推斷的峰值基因linkages（53%）菱涤，并確定了額外的23849個（圖2H；表S2）洛勉，
表明大多數(shù)推斷的CRE-基因相互作用在該聯(lián)合數(shù)據(jù)集中觀察到粘秆。同樣，我們將CCA應(yīng)用于多組數(shù)據(jù)收毫，其中正確的細胞分配是已知的攻走。這些推論通常由真實的簇進行驗證，并且通過基于CCA空間中的50個最近鄰而不是單個最近鄰分配簇來增加這種一致性此再。此外昔搂，我們發(fā)現(xiàn)silico-linked的單組細胞與多組細胞的GPC活性表達相關(guān)性具有很強的一致性（圖2I）。
因此输拇，GPC在這個聯(lián)合數(shù)據(jù)集中也很明顯巩趁，強調(diào)了它們的本地可訪問性和它們在同一細胞內(nèi)的轉(zhuǎn)錄之間的對應(yīng)關(guān)系。
