作者，Evil Genius
疫情真的是严重啊，北京健康宝继续弹窗，但是，不影响大家好好看文献，做科研。
在上一篇文章单细胞多组学整合分析方法讨论中介绍了两种单细胞多组学情况的分析思路和方法，有粉丝就问，那么拿到单细胞RNA + ATAC的数据，是应该如何解读ATAC数据分析的部分。
这个问题其实问的人不多，因为做ATAC的科研人员本就不多，不过这个问题确实是值得深入思考。
先来讲几个案例，在文章DNA methylome and single-cell transcriptome analyses reveal CDA as a potential druggable target for ALK inhibitor–resistant lung cancer therapy中，采用了单细胞多组学的策略，
图片.png
分析的思路也很简单，单细胞RNA先进行分析注释，然后进行ATAC和RNA的联合，注意这里并没有采用一一匹配RNA和ATAC的原则，而是采用了类似Seurat WNN的联合分析原则，结果就是得到了LR亚细胞类型的转录谱和ATAC数据，在这个基础上，进行下游的分析。
其中为了计算基因表达和open chromatin regions (OCRs)的关系，interaction scores were calculated by comparing the expression level of each gene with the chromatin accessibility of each OCR located within ±250 kb of the transcription start site (TSS)。然后对OCRs进一步聚类分析得到4个子类，对子类的富集和motif进行分析，得到每个亚类主要的生物学功能和motif（分析软件HOMER），进一步识别关键基因的增强子，由此判断不同亚类的生物学变化。
在文章Multiomic analysis reveals cell-type-specific molecular determinants of COVID-19 severity中也是对多组学进行了联合分析，识别每种细胞类型富集的motif与生物学功能。
图片.png
但是注意，这里研究的是健康组织细胞类型的基础表达模式。而更为中重要的是，疾病组相对于normal的基因表达上下调的模式，而基因的这种变化，就与ATAC数据的变化密切相关。
图片.png
在文章LGR5 expressing skin fibroblasts define a major cellular hub perturbed in scleroderma中，多组学前面的分析方法是一致的，单细胞ATAC联合分析，但是在下游分析上需要注意
图片.png
下游分析作者分析的是间质细胞在疾病与normal条件下差异富集的motif，当然，具体到了细胞亚型。
在文章Single-cell multimodal analysis identifies common regulatory programs in synovial fibroblasts of rheumatoid arthritis patients and modeled TNF-driven arthritis中，也是分析不同条件下相同细胞类型染色体可及性的变化
图片.png
