Nat. Mach. Intell. | 正则化重心映射驱动的单细胞 ATAC-seq 数据整合

DRUGONE

单细胞 ATAC-seq 技术能够解析基因组范围内的染色质可及性，为理解基因调控机制提供了重要信息。然而，随着测序规模的扩大，不同条件下采集的样本会引入显著的批次效应，阻碍下游分析。现有方法多针对单细胞 RNA 测序，直接套用在 ATAC-seq 数据上容易破坏生物异质性，或仅在低维空间进行校正而失真。研究人员提出 Fountain，一种基于深度学习的整合框架，利用正则化重心映射实现批次对齐。该方法将最优传输与几何正则化结合，在保持生物异质性的同时进行精确对齐，并支持在线数据整合与增强型数据重建。大量实证结果表明，Fountain 在批次校正、过校正避免、生物学保真度和可扩展性上优于现有方法，并能生成增强型 ATAC 图谱，揭示细胞类型特异的生物学意义。

染色质可及性是基因调控的重要表征。单细胞 ATAC-seq 提供了前所未有的分辨率，但实际数据通常来自多个条件和批次，存在严重的技术差异。批次效应不仅影响细胞聚类与注释，还会误导对基因调控机制的解析。

虽然已有多种批次整合方法，如 Harmony、Signac、PeakVI、BAVARIA、SCALEX 和 scBasset 等，但它们普遍存在以下问题：

缺乏专门的机制保留生物学异质性，容易发生过校正；

多数仅在低维空间消除批次效应，无法在原始维度上生成校正后的图谱；

• 新数据加入时往往需要重新训练，增加计算负担并改变已有结果。

因此，亟需一种能够在保证生物学特征的前提下，有效去除批次效应并具备可扩展性的方法。

结果

Fountain 方法概览

Fountain 采用基于 VAE 的架构，在潜在空间中引入正则化重心映射实现批次对齐。通过引入几何信息和自适应正则化参数，模型能避免过校正并保持稳定性。同时，Fountain 支持在原始维度重建增强数据，并允许新批次的在线整合。

跨数据集整合性能

研究人员在七个真实的 scATAC-seq 数据集上进行评估，涵盖不同物种、测序技术和细胞类型。Fountain 在聚类准确度、批次混合度以及过校正避免方面均表现最佳。例如：

• 小鼠脑数据集：Fountain 能正确区分稀有细胞类型并保持最高聚类精度；
• 人类骨髓单核细胞数据集：在 13.6 万细胞上表现最优，显著优于其他方法；
• 人类肠道数据集：在高度不平衡条件下仍能保持稳健的聚类结果；
• 人类肺数据集：准确识别稀有淋巴内皮细胞，而其他方法将其混淆。

跨物种（猕猴与小鼠）、外周血数据集测试进一步验证了 Fountain 的通用性。整体评估显示，Fountain 在平衡聚类精度与批次校正方面表现最优。

处理不平衡数据的鲁棒性

研究人员模拟了三类不平衡场景：

• 批次大小不均：Fountain 在不同下采样比例下始终保持最佳聚类与校正性能；
• 细胞类型比例差异：在不同程度的不均衡下，Fountain 一直能有效避免过校正；
• 批次特异性细胞类型：即部分细胞类型仅存在于某些批次，Fountain 仍能保持稳健性能，而其他方法则表现不佳。

可扩展性

在人类胎儿图谱（72 万细胞，105 万峰）的大规模数据中，Fountain 显示出稳定且较低的运行时间和内存占用，显著优于 BAVARIA、Signac 等方法。

在线整合能力

通过在人类肺数据集上实验，研究人员展示了 Fountain 能将未见过的新批次数据准确投射到参考空间中，而无需重新训练。这一特性远超大多数现有方法。

原始维度的批次校正与增强

Fountain 不仅在潜在空间整合，还能在原始维度生成增强 ATAC 图谱：

• 有效消除了测序深度差异；
• 减少了缺失与噪声，改善了可及性模式；
• 提升了细胞异质性刻画和注释准确率（平均提升超过 50%）。

下游生物学应用

增强后的数据带来了更深的生物学洞察：

• 组织特异表达富集：更准确识别相关组织；
• 表型变异与疾病遗传力：显著提升多发性硬化相关细胞类型的遗传力富集信号；
• 生物学通路识别：揭示更多细胞类型特异的功能通路；
• 转录因子基序富集：更清晰地展示关键转录因子的作用模式。

讨论

研究人员提出的 Fountain 在理论上通过引入几何正则化和自适应参数，有效平衡了聚类精度、批次校正和过校正避免。实验表明，几何一致性是以往方法忽视的重要方面。

Fountain 的优势包括：

• 在不同数据集和条件下均优于现有方法；
• 可扩展至大规模数据；
• 支持在线整合和原始维度校正；
• 增强数据有助于揭示细胞功能与调控机制。

局限性在于需要指定参考批次，这可能带来偏倚；同时，增强数据可能引入虚假差异，需要在下游分析中严格控制统计阈值。未来，研究人员计划进一步改进训练过程，以减少参考批次依赖，并推广至其他组学数据和更复杂的生成模型框架。

整理 | DrugOne团队

参考资料

Zhu, S., Hua, H. & Chen, S. Rigorous integration of single-cell ATAC-seq data using regularized barycentric mapping. Nat Mach Intell (2025).

https://doi.org/10.1038/s42256-025-01099-3

内容为【DrugOne】公众号原创｜转载请注明来源