社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

《Cell Genomics》|单细胞甲基化scMeFormer深度学习模型解析精神分裂症表观遗传改变

Biomamba 生信基地 • 9 月前 • 170 次点击  

一、写在前面

本次分享的是《Cell Genomics》(IF=9.0)“Deep learning imputes DNA methylation states insingle cells and enhances the detection ofepigenetic alterations in schizophrenia”
DOI:10.1016/j.xgen.2025.100774

DNA甲基化是一种基本的表观遗传机制,它在基因调控、哺乳动物发育以及多种人类疾病中起着关键作用。随着单细胞技术的发展,研究者们可以在单细胞分辨率下,分析DNA序列中胞嘧啶处的甲基化状态。但由于单个细胞中可用的DNA序列有限以及技术本身的限制,通常对CpG位点的覆盖度很低,这限制了它们在单细胞分辨率下揭示表观遗传景观的潜力。

这篇文章中,作者介绍了一种基于Transformer架构开发的深度学习模型——scMeFormer,它能够在多任务预测框架内高效地填补每个CpG位点的DNA甲基化(DNAm)状态。该模型能够利用来自局部DNA序列和细胞间DNAm谱的信息,覆盖了数千个单细胞,并且作者还将其应用于精神分裂疾病的研究中,从而增强对精神分裂症患者表观遗传改变的检测。


  如果需要数据分析 指导、生信热点全文复现、自测数据个性化分析辅导、常态化实验学习,欢迎联系客服微信[Biomamba_yunying]


二、主要结果

scMeFormer模型由两个主要模块组成: DNA模块和CpG模块(Fig. 1)。DNA模块用于学习DNA甲基化(DNAm)的模式(motifs),包含一个卷积神经网络(CNN)模块,用于提取局部DNA特征;随后是八层Transformer模块,用于检测可能协同影响DNAm的远端特征;CpG模块能够利用细胞内和细胞簇间相邻CpG位点的DNAm信息,包含一个CNN模块,用于提取每个细胞簇内相邻CpG位点的局部模式;随后是两个独立的Transformer模块,用于捕捉CpG位点之间以及细胞簇之间的DNAm关系。

Fig.1

之后作者在五个不同的单核DNAm数据集上进行了测试,使用精密度-召回曲线下的平均面积(AUPRC)评估模型性能。首先探讨每个模块对scMeFormer整体性能的贡献。单独使用CpG或DNA模块都会降低预测性能,说明这两个模块在整个模型中缺一不可(Fig. 2A),此外,与CNN和Cluster模型比较的结果显示,采用预训练-微调策略的scMeFormer 模型性能最佳(Fig. 2B)。

Fig.2

之后作者比较了两种模型(scMeFormer 和 cluster)在预测 CpG 位点甲基化状态或其他相关属性时的性能。结果显示即使在 CpG 覆盖率极低(1%)的情况下,两个模型都表现良好,但scMeFormer 的性能优于 cluster 模型(Fig. 3)。

Fig.3

接下来,作者定义了一个插补质量分数指标来评估单个CpG位点的插补质量。该指标计算目标CpG位点与其前后五个相邻CpG位点的预测结果的平均绝对差值。分别设置不同的分值阈值,并仅保留低于该阈值的CpG位点,结果显示严格的过滤阈值能够显著提升预测性能(Fig. 4)。

Fig.4

除此之外,作者比较了不同处理方法(无填补、cluster 模型填补、scMeFormer 填补以及带有过滤的 scMeFormer 填补)在恢复原始数据中细胞类型聚类方面的能力,使用调整 Rand 指数(Adjusted Rand Index, ARI)来衡量从原始数据中获得的细胞类型聚类与从处理后的数据(下采样、填补、过滤)中获得的聚类之间的相似性。结果显示 过滤方法(基于填补质量评分)有效提升了 scMeFormer 的性能,进一步证明了其在填补数据中的可靠性和准确性(Fig. 5)。

Fig.5

接下来使用填补后的 sn-m3C-seq 数据集,应用过滤评分(filtering score)为 0.3的过滤条件,分析特定细胞类型(神经元细胞类型和非神经元细胞类型)的 DMRs,同时对这些 DMRs 进行遗传力富集分析,评估它们与多种性状和疾病(包括大脑相关性状、疾病、身高和糖尿病)之间的关联。结果显示神经元细胞类型特异的 DMRs 与大脑相关性状和疾病(如神经退行性疾病、精神疾病等)有显著关联,但与身高或糖尿病等非大脑相关性状无关,这表明神经元细胞类型的 DNA 甲基化状态可能在大脑功能和疾病发生中起关键作用(Fig. 6)。

Fig.6

最后,作者关注了精神分裂症(Schizophrenia, SCZ)相关DMRs。在插补前,未检测到任何DMRs,而插补后,在五种细胞类型中均检测到DMRs,且上调DMRs数量远超下调DMRs(Fig. 7A-B),之后作者分析了DMRs 内或附近(5 kb 范围内)的单核苷酸多态性(SNPs)与 SCZ 全基因组关联研究(GWAS)信号之间的关联,使用MAGMA  软件进行基因集分析,以确定这些目标基因是否富集 SCZGWAS 信号(Fig. 7C),结果发现这些DMR相关基因富集于突触信号通路,主要集中在兴奋性神经元中,进一步证明了兴奋性神经元在SCZ发病机制中的核心作用(Fig. 7D-E)。

Fig.7


三、总结讨论

该研究开发了一种基于Transformer的深度学习模型——scMeFormer,能够填补单细胞 DNAm 数据中的缺失值,并在低覆盖率情况下保持高保真度。其模块化架构和迁移学习能力使其不仅适用于 DNAm 数据,还具有在其他单细胞组学数据中应用的潜力,有望成为单细胞组学研究中的一个通用工具。

图片

如何联系我们

图片
图片
留一个领取资料、开箱即用的单细胞分析镜像的微信号[Biomamba_zhushou],方便各位随时交流。同时我们也构建了交流群矩阵,欢迎大家入群讨论。

大家可以阅读完这几篇之后添加
给生信入门初学者的小贴士
没有检索,就没有发言权

已有生信基地联系方式的同学无需重复添加

图片
图片
您点的每个赞和在看,我都认真当成了喜欢



Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/193112