单细胞工具 | SCENT：从多模态单细胞数据中识别组织特异性增强子-基因图谱，找出致病等位基因

要将全基因组关联研究（GWAS）的基因位点转化为因果变异和基因，需要从疾病相关组织中获得准确的细胞类型特异性增强子基因图谱。绘制增强子基因图谱至关重要，但目前在原代人体组织中采用的实验方法却极具挑战性。2024年4月，《Nature Genetics》发表了一种非参数统计方法SCENT（单细胞增强子目标基因图谱），其能在scRNA-seq或snRNA-seq和scATAC-seq数据中模拟增强子染色质可及性与基因表达之间的关联。

SCENT是什么？

SCENT是一种统计方法，用于从单细胞多模式数据创建细胞类型特异性增强子基因图谱。其通过泊松回归和非参数引导，将增强子活性（即峰值可及性）与多模态单细胞中的基因表达联系起来，从而精确绘制增强子-基因对。

SCENT的性能测试

开发团队将SCENT应用于9个多模态数据集，其中包括大于120,000个单细胞或细胞核，并创建了23个细胞类型特异性增强子基因图谱。这些图谱高度富集了1,143种疾病和性状的表达定量位点和GWAS中的因果变异。开发团队确定了常见病和罕见病的可能致病基因，并将体细胞突变热点与目标基因联系起来，证明将 SCENT应用于与疾病相关的人体组织的多模态数据，能以可扩展的方式构建精确的细胞类型特异性增强子基因图谱，这对确定非编码变异的功能至关重要。

综上，尽管SCENT还存在一定局限性，但其优势在于在单细胞水平建模。SCENT模型的I型误差控制得很好，优于常用的统计模型；SCENT绘制的增强子对 eQTLs和GWAS中的假定因果变异具有高富集性，表现优于之前的方法。

与本文相关的计算脚本可在如下链接获取： https://github.com/immunogenomics/SCENT. 

参考文献：Sakaue, S., Weinand, K., Isaac, S. et al. Tissue-specific enhancer–gene maps from multimodal single-cell data identify causal disease alleles. Nat Genet (2024). https://doi.org/10.1038/s41588-024-01682-1