[Article] 현재 각광 받는 Single-cell multiomics

내용 구성

• Single-cell multiomics 분야가 각광받는 중이다: Single-cell과 관련된 다양한 종류의 정보를 함께 분석하는 것
• Single-cell과 관련된 정보에는 1) gene expression, 2) methylation, 3) genetic variation, 4) protein abundance, 5) chromatin accessibility, 6) spatial information 등이 있다.
• 이런 정보를 결합하여 분석하는 방법들이 많이 등장하는 추세이다: scNMT-seq (1+2+5), CITE-seq (1+4)
• Single-cell 연구에서는 일반적으로 visualization (t-SNE, UMAP plots)을 이용한다: 각각의 세포가 하나의 점으로 표시되어 어떤 생물학적 구조를 나타내는지 보여주는 시각화
• 정보를 합치는 과정은 세 가지로 구분될 수 있다: Horizontal integration (다른 세포에서 유래한 같은 종류의 데이터를 합침, Multiomics X), Vertical integration (같은 세포에서 유래한 다른 종류의 데이터를 합침, Multiomics O), Diagonal integration (다른 세포에서 유래한 다른 종류의 데이터를 합침, Multiomics O)
• 세포의 위치 정보는 유용하다: 1) 세포의 발생 과정에서 cell fate를 결정하는 데 physical location이 굉장히 중요, 2) 암 주변 immune cells의 분포는 치료 효과에 영향을 미침.
• 이러한 위치 정보를 연구하기 위한 대회가 개최되었다: 1) gene expression data를 바탕으로 spatial data에서 cell types를 판별, 2) gene expression data를 바탕으로 non-spatial data에서 위치를 판별, 3) protein abundance data를 바탕으로 non-spatial data에서 위치를 판별

 

참고

• Single-cell RNA sequenicng (RNA-seq)을 통해 특정 세포의 gene expression의 알 수 있다.
• 2020 atlas of human fetal gene expression: 4백만개의 세포에 대한 20,000개 유전자의 발현량을 측정한 데이터
• 분석을 할 때 여러가지 도구들이 중첩되어 사용될수록, 오류는 증가한다.
• 정보를 합칠 때 중요한 것은 어떤 common feature를 사용할지 정하는 것.
• 정보를 합치는 여러가지 도구들은 다음 페이지에서 확인할 수 있다: [링크1], [링크2].
• 1) gene expression과 5) chromatin accessibility를 바탕으로 gene-regulatory network를 만들 수 있다 (FIgR은 이에 대한 프로그램).

 

Reference

• Perkel, Jeffrey M. "Single-cell analysis enters the multiomics age." Nature 595.7868 (2021): 614-616.