Sci Adv：让"残缺拼图"变清晰，复旦大学陈晓阳等通过Hi-Cformer用Transformer破解单细胞三维基因组之谜

染色质的三维（3D）组织在调控基因组功能中发挥至关重要的作用。通过塑造调控元件与基因组位点之间的空间邻近性，3D基因组结构促进了转录调控。此外，染色质的3D组织与DNA复制时间密切相关，并有助于细胞核的功能区室化。3D基因组结构的破坏已被证明可重连调控架构并导致致病性基因表达，这强调了染色质组织在细胞背景中的功能相关性。

染色体构象捕获（3C）技术，如Hi-C，已显著推进了染色质构象的研究，使得A/B区室、拓扑关联结构域（TADs）和染色质环等3D基因组结构的鉴定成为可能。近年来，单细胞Hi-C（scHi-C）使得在单细胞水平上研究3D染色质组织成为可能，为与细胞异质性相关的染色质相互作用提供了宝贵见解。

然而，与其他通常表示为每个细胞一个特征向量的单细胞测序数据不同，scHi-C产生一系列稀疏接触矩阵，并带有显著的基因组距离依赖性偏差，导致强对角信号和复杂的多尺度局部模式，对下游分析构成了挑战。

图1.Hi-Cformer架构和应用概述（摘自

Science Advances

）

已有计算方法被开发出来以应对scHi-C数据带来的挑战并促进其分析。非深度学习方法通常采用基于图或统计模型作为分析框架。例如，带重启的随机游走（RWR）及其变体被广泛用于接触图谱的填补，scHiCluster是一个代表性示例。

主成分分析（PCA）和潜在狄利克雷分配（LDA）等统计方法也被应用于获取细胞的低维表征。深度学习的最新进展进一步推动了scHi-C表征学习、填补和去噪方法的发展。例如，Higashi使用自监督超图表示学习进行scHi-C数据的嵌入和填补。scVI-3D使用变分自编码器进行scHi-C数据的嵌入和去噪。

scDEC-Hi-C引入了一个基于生成对抗网络（GAN）的框架。Va3DE引入了一个用于scHi-C表征学习的变分深度嵌入框架。同时，针对scHi-C分析的其他下游任务，也已开发了若干方法。SnapHiC被提出用于从scHi-C数据中识别染色质环。

DeepLoop被开发用于从稀疏的等位基因分辨或scHi-C数据中增强千碱基分辨率的染色质相互作用信号。Si-C和Tensor-FLAMINGO专注于从稀疏的scHi-C数据中重建高分辨率3D染色质结构。scHiClassifier也被开发用于scHi-C数据的监督细胞类型注释。

然而，大多数现有的scHi-C表征学习和填补方法要么对整个染色体的接触图谱进行建模，要么以固定分辨率对配对相互作用进行建模，而未能明确捕获染色质接触矩阵中存在的复杂多尺度结构——这些大小各异的结构化模式携带着关于3D基因组组织的细胞异质性信息。

这一局限性阻碍了全局和局部多尺度染色质相互作用特征的同时分析，限制了这些方法捕获全面染色质相互作用模式的能力。

为应对这些挑战，作者提出了Hi-Cformer——一种基于Transformer的方法，该方法将细胞的染色质接触图谱表示为嵌入序列，类似于语言模型编码词序列的方式。该模型整合了从多尺度接触图谱区块中衍生的局部结构特征，以及来自整个染色体图谱的全局背景信息。

Hi-Cformer使用一种染色体感知的层级注意力机制，该机制捕获多尺度相互作用的染色体内依赖性，并能够有效整合染色体间背景。这种架构既保留了精细的，也保留了整体的染色质相互作用模式，使得对3D基因组组织的全面建模成为可能，类似于语言模型捕获序列内上下文关系的方式。

上述Hi-Cformer的建模设计支持其在多个下游任务上的强劲性能。Hi-Cformer能够从稀疏且复杂的scHi-C数据中生成信息丰富的细胞表征，捕获细胞异质性，并在不同测序方案、深度和细胞类型组成的跨数据集中实现准确的细胞类型区分。

除降维之外，与现有方法相比，Hi-Cformer在填补稀疏的scHi-C接触图谱方面也更为可靠，它在保留单细胞水平异质性的同时，捕获了细胞类型特异性的染色质模式。Hi-Cformer增强了对细胞类型特异性染色质特征（如TAD样结构域边界和A/B区室）的检测，并有助于分析染色质组织中的细胞类型异质性。

作为一个灵活且可扩展的框架，Hi-Cformer可适用于监督细胞类型注释，在数据集内部和跨数据集场景中均展现出强劲的性能。总之，这些能力使Hi-Cformer成为单细胞3D基因组分析中一个有效且多功能的工具。

参考消息：https://www.science.org/doi/10.1126/sciadv.aeg0134