Nature Genetics：新工具利用单细胞数据来预测增强子对基因的调控

　　

理解基因调控可能是解读人类疾病遗传学的关键。基因在部分程度上受到增强子调控，这些增强子决定了每个基因何时、何地以及以何种程度激活。

绘制特定细胞类型中的增强子图谱并了解其功能，对于了解基因调控以及与疾病相关的遗传变异至关重要。然而，增强子的位置和活性具有高度的细胞类型特异性，这使得人们很难准确预测增强子与基因之间的相互作用。

近年来，科学家们开发出多种计算模型，利用染色质状态和三维接触数据来预测增强子与基因的调控作用。这些模型已绘制出涵盖数百种细胞和组织的增强子-基因图谱。然而，这些方法仍存在局限性，且相关实验仅在少数几种细胞类型中开展，因此难以验证其准确性。

博德研究所和斯坦福大学等机构的研究人员近日开发出一种名为scE2G的模型来预测单细胞的增强子-基因调控，并将结果发表在《Nature Genetics》杂志上。

这种模型能够利用scATAC或多组学scATAC和scRNA-seq的数据来预测全基因组范围内的增强子相互作用。scE2G模型利用单细胞数据预测哪些DNA区域作为增强子，以及它们调控哪些基因。

研究人员利用CRISPR实验数据对模型进行训练。在这些实验中，他们直接测试了超过10,000对候选增强子-基因。训练完成后，这些模型可应用于其他细胞类型的数据。

由于单细胞数据可通过计算手段区分不同的细胞类型，scE2G能够为那些过于稀少或难以分离的细胞类型构建图谱，并展示不同细胞类型之间的基因调控差异。

这些模型在不同规模和测序深度的数据集上均表现良好，这意味着它们可应用于研究人员现已收集的大量单细胞数据集。

研究人员将这些模型应用在异质性组织上，并解读与复杂性状相关的非编码变异，进而将两个基因INPP4B和IL15与血液中的淋巴细胞数量联系起来，而仅凭非编码DNA很难建立这种关联。

随着单细胞数据集的不断扩展，这些模型最终有望绘制出人体内数千种细胞类型的增强子-基因调控图谱。