从JASPAR数据库到细胞图谱：用Signac+chromVAR完整解析小鼠脑神经元亚型的转录因子调控网络

从JASPAR数据库到细胞图谱：构建小鼠脑神经元亚型的转录因子调控网络

在单细胞ATAC-seq数据分析中，转录因子调控网络的解析一直是生物信息学研究的核心挑战之一。传统方法往往停留在技术流程的复现层面，而忽略了数据背后丰富的生物学意义。本文将聚焦小鼠脑Pvalb和Sst神经元亚型，通过Signac和chromVAR工具链，展示如何从原始测序数据出发，逐步构建具有生物学解释力的转录因子调控网络。

1. 数据准备与JASPAR数据库的深度整合

1.1 数据库选择与TF motif获取

JASPAR数据库作为最权威的转录因子结合位点资源，其CORE集合包含了脊椎动物中经过实验验证的TF motif信息。在实际分析中，我们需要特别关注数据库版本的选择：

# 获取JASPAR2020核心脊椎动物motif集合 pfm <- getMatrixSet( x = JASPAR2020, opts = list( collection = "CORE", tax_group = 'vertebrates', all_versions = FALSE ) )

注意：不同版本的JASPAR数据库可能包含不同数量和质量的motif信息，建议在项目开始时就确定版本并保持一致性。

1.2 数据质量控制与预处理

在加载单细胞ATAC-seq数据后，需要进行严格的质量控制：

# 典型的质量控制代码示例 mouse_brain <- subset( mouse_brain, subset = nCount_peaks > 2000 & TSS.enrichment > 3 & nucleosome_signal < 2 & blacklist_ratio < 0.0005 )

2. 差异可及性区域与motif富集分析

2.1 神经元亚型特异性开放染色质识别

Pvalb和Sst神经元作为大脑皮层主要的抑制性神经元亚型，其转录调控网络存在显著差异。通过FindMarkers函数识别差异可及性峰时，参数设置尤为关键：

• min.pct：建议设置为0.05-0.1，适应scATAC-seq数据的稀疏特性
• latent.vars：必须包含nCount_peaks以校正测序深度差异
• test.use：推荐使用LR（似然比检验）或LR_peaks方法

da_peaks <- FindMarkers( object = mouse_brain, ident.1 = 'Pvalb', ident.2 = 'Sst', only.pos = TRUE, test.use = 'LR', min.pct = 0.05, latent.vars = 'nCount_peaks' )

2.2 motif富集的生物学解读

FindMotifs函数生成的富集结果需要结合TF的生物学功能进行深度解读。以Pvalb神经元中富集的MA0497.1（MEF2C）为例：

• MEF2家族：已知参与神经元分化与突触可塑性调控
• 功能关联：与Pvalb神经元的快速放电特性相关
• 靶基因预测：结合差异可及性峰的位置信息（如启动子区），可推测其可能调控的基因

enriched.motifs <- FindMotifs( object = mouse_brain, features = rownames(da_peaks[da_peaks$p_val < 0.005, ]) ) # 可视化top motif MotifPlot( object = mouse_brain, motifs = head(rownames(enriched.motifs)) )

3. chromVAR计算的TF活性与细胞状态关联

3.1 计算流程优化与资源管理

RunChromVAR是计算密集型的步骤，在实际操作中需要特别注意：

1. 内存需求：建议≥80GB内存
2. 并行计算：可利用future包实现并行化
3. 结果保存：及时保存中间结果避免重复计算

library(future) plan("multicore", workers = 4) mouse_brain <- RunChromVAR( object = mouse_brain, genome = BSgenome.Mmusculus.UCSC.mm10 )

3.2 TF活性差异的生物学意义

通过比较Pvalb和Sst神经元的TF活性差异，我们可以发现：

• Pvalb神经元：高活性TF包括MEF2C、NR2F1，与其快速放电特性一致
• Sst神经元：高活性TF包括LHX6、SOX6，参与中间神经元分化

differential.activity <- FindMarkers( object = mouse_brain, ident.1 = 'Pvalb', ident.2 = 'Sst', only.pos = TRUE, mean.fxn = rowMeans, fc.name = "avg_diff" )

4. 构建细胞类型-TF-靶基因调控网络

4.1 多组学数据整合策略

当同时具有scATAC-seq和scRNA-seq数据时，可通过以下方法增强网络预测：

1. 基因活性评分：利用Signac的GeneActivity函数
2. 共表达分析：识别TF与潜在靶基因的表达相关性
3. 调控潜力评分：结合motif位置与基因表达数据

# 计算基因活性并添加到Seurat对象 gene.activities <- GeneActivity(mouse_brain) mouse_brain[['RNA']] <- CreateAssayObject(counts = gene.activities)

4.2 网络可视化与生物学验证

最终的调控网络应包含三个层次的信息：

1. 节点属性：

   • 细胞类型：Pvalb、Sst
   • TF：活性差异显著的转录因子
   • 靶基因：差异表达且附近有差异可及性峰的基因

2. 边属性：

   • TF→靶基因：motif存在且表达相关
   • TF→细胞类型：活性差异

3. 可视化参数：

   • 节点大小：代表生物学重要性
   • 边宽度：代表调控强度
   • 颜色：代表上调/下调

在实际项目中，我们发现MEF2C在Pvalb神经元中不仅活性更高，而且其靶基因多与离子通道和突触功能相关，这与Pvalb神经元的生理特性高度一致。这种多层次的生物学验证是确保分析结果可靠性的关键。