Tiefenkorrigierte multifaktorielle Analyse der Chromatinzugänglichkeit für scATAC-seq-Daten mit PACS

Experimentelle Designs für Single-Cell-ATAC-seq (scATAC-seq) sind zunehmend komplex geworden, mit mehreren Faktoren, die die Chromatinzugänglichkeit beeinflussen könnten, einschließlich Genotyp, Zelltyp, Gewebeursprung, Probenstandort, Batch usw., deren kombinierte Effekte mit bestehenden Methoden schwer zu testen sind. Darüber hinaus stellen aktuelle scATAC-seq-Daten aufgrund ihrer Sparsamkeit und Variationen in der individuellen Sequenzaufnahme statistische Herausforderungen dar. Um diese Probleme anzugehen, präsentieren wir ein null-adjustiertes statistisches Modell, das Wahrscheinlichkeitsmodell der zugänglichen Chromatin von Einzelzellen (PACS), das komplexe Hypothesentests von Faktoren, die die Zugänglichkeit modulieren, ermöglicht und gleichzeitig spärliche und unvollständige Daten berücksichtigt. Für die Analyse der differentiellen Zugänglichkeit kontrolliert PACS die falsch-positiven Raten und erzielt im Durchschnitt eine um 17 % bis 122 % höhere Teststärke als bestehende Werkzeuge. Wir demonstrieren die Wirksamkeit von PACS durch mehrere Analyseaufgaben, einschließlich überwachter Zelltypenannotation, kombinierter Hypothesentests, Korrektur von Batch-Effekten und spatiotemporaler Modellierung. Wir wenden PACS auf Datensätze aus verschiedenen Geweben an und zeigen seine Fähigkeit, zuvor unbekannte Einsichten in scATAC-seq-Daten zu enthüllen. scATAC-seq-Daten stellen statistische Herausforderungen aufgrund von Sparsamkeit und zellspezifischer Sequenzaufnahme dar. Hier präsentieren die Autoren PACS, ein null-adjustiertes statistisches Modell, das komplexe Hypothesentests von Faktoren, die die Zugänglichkeit modulieren, ermöglicht und gleichzeitig spärliche und unvollständige Daten berücksichtigt.