《Nucleic Acids Research》：Exploring DNA movement through the application of droplet-based high-efficiency chromatin conformation capture (DropHiChew) and loop velocity
编辑推荐：
染色质构象（chromatin conformation）在调控基因表达与细胞进程中具有核心作用，其异常与肿瘤及遗传性疾病密切相关。当前单细胞染色质构象捕获技术仍受限于成本、操作门槛及对动态基因组架构的捕捉能力。为此，研究人员开发了DropHiChew，一种基
染色质构象（chromatin conformation）在调控基因表达与细胞进程中具有核心作用，其异常与肿瘤及遗传性疾病密切相关。当前单细胞染色质构象捕获技术仍受限于成本、操作门槛及对动态基因组架构的捕捉能力。为此，研究人员开发了DropHiChew，一种基于微滴（droplet-based）的高效率染色质构象捕获方法，依托10× Genomics单细胞系统实现易用且低成本的技术路径；并配套提出loop velocity算法，通过量化染色质环（loop）运动的速度与方向来推断细胞发育轨迹。该策略即便在浅测序深度（每细胞5×10?个互作接触）下，仍可准确刻画DNA空间运动特征与细胞状态。研究人员在HEK293T、精子发生（spermiogenesis）及胚胎发育等系统中验证了其适用性。DropHiChew与loop velocity的整合为染色质捕获研究提供了动态化、可扩展的新范式，在疾病建模、细胞分化与发育生物学中具有广泛应用潜力。
研究背景与问题提出
染色质在细胞核内并非静态存在，而是以层级化方式折叠为A/B区室（compartment）、拓扑关联结构域（TAD，topologically associating domain）与染色质环（chromatin loop）。CTCF与cohesin驱动的环挤出（loop extrusion）模型虽已建立，但传统Hi-C与单细胞Hi-C（scHi-C）多提供静态、群体平均图像。现有单细胞三维基因组技术如Dip-C、snHi-C、snHiChew存在有效数据率低、建库复杂、通量有限或依赖自建条形码体系等瓶颈；多数检测手段缺乏时间维度，难以直接估计DNA空间运动速度。研究人员旨在构建一种兼容商业化微流控平台、低成本、高通量且支持动态推断的单细胞染色质构象捕获与分析框架。
论文发表于《Nucleic Acids Research》，核心贡献是方法学DropHiChew与算法学loop velocity的协同：前者解决“看得清、看得便宜、看得通量高”，后者解决“看得动、看得出生涯方向”。
主要关键技术方法
研究人员以HEK293T与NIH 3T3混合细胞、小鼠睾丸精子发生细胞及多阶段胚胎干细胞为样本队列；采用10× Genomics Chromium微流控封装实现单细胞水平条形码标记，结合DpnII酶切与近端连接（ligation）后的连接痕（ligation scar，GATC模式）m6A甲基化标记与免疫富集，提升有效互作对比例；生物信息端使用HiC-Pro、cooler、Cooltools与Higashi进行矩阵平衡、TAD边界识别与降维聚类；核心算法loop velocity基于环挤出模型，以起始边界（I boundary）与稳定边界（S boundary）互作计数构建常微分方程稳态/动态求解，输出α（环生成速率）、γ（TAD解离速率）及速度向量，并在UMAP空间可视化。
研究结果
Experimental design of DropHiChew
研究人员设计在液滴生成前完成酶切与连接，利用Tn5转座适配后由10×平台分配条形码；通过链选择性外切酶处理与dam甲基转移酶仅修饰双链连接痕，避免条形码中GATC被误富集。混合种属实验显示细胞识别准确、双胞率符合平台预期，GATC条形码偏倚可控，有效对比例（valid pair ratio）达约30.3%，高于非富集Dip-C类流程。
Evaluation of the DropHiChew
研究人员将DropHiChew聚合成伪批量（pseudo-bulk）后与常规HiC比较，距离衰减曲线、区室特征与TAD绝缘分数高度相关；在浅测序下每反应可获数千细胞、每细胞数万级有效接触。相比snHiC与snHiChew，其在通量与单次成本上更具群体动力学研究优势。
The loop velocity development and the TAD dynamic model
基于loop extrusion，研究人员建立I/S边界互作变化的微分方程：dS/dt=α?βS(t)，dI/dt=βS(t)?γI(t)。稳态下可解γ与速度方向。HEK293T中多数TAD呈纺锤形（spindle-like）I–S分布，loop velocity预测的复制时序方向与实际复制评分显著一致；α在A区室与高可及性区域更高，γ与边界强度及CTCF信号负相关。
Perform the loop velocity on the HEK293T cells from DropHiChew
研究人员在HEK293T中识别出驱动型TAD动态参数，α反映环建立速度且可换算为物理挤出速度（如约0.8 kbp/s），γ反映TAD解体速度；速度场在UMAP上指向早期至晚期复制状态演进方向，超60%预测方向与复制时程一致，且参数在浅测序下稳定。
Perform DropHiChew for spermiogenesis cell in testis
研究人员对成年小鼠睾丸单细胞建库，约5618细胞、平均7.4×10?接触/细胞。仅凭二倍体评分即可区分精母细胞与单倍体精子细胞；loop velocity箭头由 diploid 向 haploid 阶段演进。
The loop velocity accurately predicts the development direction of the spermiogenesis
在精子发生中，约242个driver TAD（纺锤似然高）富集精子发生相关基因与GO条目；driver TAD更小、更多位于A/B过渡区，γ振幅更大。loop velocity预测方向准确率超70%，优于传统RNA velocity短读长估算。
The loop velocity accurately predicts the development direction of the embryonic stem cells
利用HiRES同细胞RNA+HiC胚胎数据（E7.0–E11.5），研究人员显示loop velocity在时序分离区域可预测胚胎日推进方向；与RNA velocity并列比较时并未劣势，且在混合时序区提供更稳定的结构动态信号。
讨论与结论翻译
讨论指出，单细胞染色质观测长期缺时间轴，RNA velocity间接且受短读长内含子低估；loop velocity直接以空间接触变化建模DNA运动，可在浅测序下给出可解释的动力学参数。driver TAD通过边界重排影响内部基因表达，是细胞分化的结构驱动单元。
结论：研究人员建立了DropHiChew——一种兼容商品化10×平台、通过m6A富集连接痕的微滴单细胞Hi-C流程，并以loop velocity算法将TAD边界动力学转化为速度场。该组合在HEK293T、精子发生与胚胎体系中均以低测序成本还原细胞发育方向，证明染色质环运动本身携带可量化时序信息。此方法为疾病建模、分化与发育三维基因组研究提供了动态、高通量、可复现的分析范式。
现有解读已覆盖方法、算法与主要结论，接下来可以选择一个方向继续深化：
评估loop velocity的局限与改进方向 设计DropHiChew复现实验与质控方案 评估loop velocity的局限与改进方向 设计DropHiChew复现实验与质控方案
