IF46.9｜单细胞同时捕获染色质可及性与剪接揭示脑细胞状态与疾病失调

ScISOr-ATAC 在单个细胞中同时测量染色质可及性和剪接，发现同一细胞类型内不同细胞状态剪接模式不同。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

单细胞测序技术已经能够分别测量转录组、染色质可及性和剪接，但大多数方法只能捕获其中一种或两种模态，且难以在冷冻组织样本中同时获取高质量数据。在脑科学研究中，细胞类型多样，基因表达调控复杂，染色质状态与剪接之间的耦合关系对于理解细胞身份和疾病机制至关重要。已有研究提出“细胞状态”概念，即每个基因的转录组和染色质可及性在单细胞水平上可能耦合或解耦，但剪接是否也随细胞状态变化尚不清楚。此外，跨脑区、跨物种以及疾病状态下的染色质-剪接相关性也缺乏系统研究。本文开发了 ScISOr-ATAC 技术，能够在单个细胞中同时捕获染色质可及性和全长 isoform 信息，为探索这些多模态关系提供了工具。

科学问题

卡在哪里： 此前缺乏在冷冻组织中同时测量单细胞染色质可及性和剪接的技术，导致无法在单细胞水平上研究染色质状态与剪接之间的相关性，也无法比较同一细胞类型内不同细胞状态下的剪接差异，以及跨脑区、物种和疾病状态下的多模态变化。

本文要回答： 开发一种能在冷冻组织中同时测量单细胞染色质可及性和剪接的技术，并利用该技术探究脑细胞类型、脑区、物种和阿尔茨海默病中染色质与剪接的相关性。

技术路线

作者主要用了：ScISOr-ATAC、单细胞 ATAC-seq、单细胞全长 isoform RNA-seq、细胞状态分析。

作者开发了 ScISOr-ATAC 技术，将单细胞 ATAC-seq 与基于 10x Genomics 平台的全长 isoform RNA-seq 相结合，在同一个细胞内同时捕获染色质可及性和转录组剪接信息。首先在人类和猕猴冷冻皮层组织样本上验证了该技术的可行性和数据质量。然后，利用先前定义的四种细胞状态（转录组和染色质可及性耦合或解耦）对每个基因进行分类，并比较同一细胞类型内不同细胞状态下的剪接模式。接着，将该技术应用于跨脑区、跨物种（猕猴和人类）以及阿尔茨海默病样本，系统分析染色质可及性与剪接的相关性变化。

核心亮点

亮点 1｜同一细胞类型内不同细胞状态剪接模式不同

作者将每个基因根据其转录组和染色质可及性在单细胞水平上的耦合或解耦关系分为四种细胞状态。在人类和猕猴的皮层细胞中，他们发现同一细胞类型内，处于不同细胞状态的基因其剪接模式存在显著差异。例如，某些基因在染色质开放但转录未激活的状态下，可能产生不同的 isoform 比例。这一发现表明，剪接调控与染色质状态和转录活性之间存在复杂的相互作用，且这种关系在单细胞水平上具有异质性。该结果强调了在分析单细胞多组学数据时，需要考虑细胞状态对剪接的影响，而不能简单地将同一细胞类型的细胞视为同质群体。

亮点 2｜猕猴兴奋性神经元亚型具有脑区特异性剪接和染色质可及性

在猕猴大脑中，作者比较了不同皮层区域的兴奋性神经元亚型，发现某些亚型表现出脑区特异性的剪接模式和染色质可及性。例如，特定亚型在额叶皮层和视觉皮层中，某些基因的 isoform 使用和染色质开放区域存在显著差异。这表明即使在相同的细胞类型中，脑区微环境或功能需求也可能驱动不同的分子调控程序。该发现为理解脑区特化提供了新的分子层面证据，并提示在跨脑区比较研究中需要考虑剪接和染色质的区域异质性。

亮点 3｜人类与猕猴前额叶皮层中多模态进化分歧不一致

作者比较了人类和猕猴前额叶皮层中同源细胞类型的染色质可及性和剪接差异。他们发现，某些基因在染色质可及性上表现出强烈的物种间差异，但在剪接上却相对保守；反之亦然。例如，一些基因的启动子或增强子区域在人类中获得了新的开放位点，但其 isoform 比例与猕猴相似。这种“模态特异性”的进化分歧表明，染色质和剪接在进化过程中可能受到不同的选择压力，且单一模态的比较可能无法全面反映物种间的分子差异。该结果强调了多组学数据在进化研究中的重要性。

亮点 4｜阿尔茨海默病中少突胶质细胞染色质与剪接高度失调

在阿尔茨海默病（AD）患者的前额叶皮层样本中，作者发现少突胶质细胞在染色质可及性和剪接两个层面均表现出高度失调。具体而言，与对照组相比，AD 少突胶质细胞中大量基因的染色质开放状态发生改变，同时伴随广泛的剪接异常，包括外显子跳跃和内含子保留等事件。这种双重失调可能影响髓鞘形成相关基因的表达，进而参与 AD 的病理过程。该发现将 AD 的病理机制从神经元扩展到胶质细胞，并提示少突胶质细胞的功能障碍可能是疾病进展的重要因素。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： ScISOr-ATAC、单细胞 ATAC-seq、单细胞全长 isoform RNA-seq、细胞状态分析
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 做单细胞多组学、神经科学或疾病机制研究，想同时看染色质和剪接的人。

带走一句

做单细胞多组学分析时，别把同一细胞类型当成铁板一块；染色质状态和剪接可能在不同细胞状态下独立变化，跨物种或疾病比较时要分开看每个模态。