Integrierte Analyse multimodaler Einzelzell-Daten

Die gleichzeitige Messung mehrerer Modalitäten stellt eine spannende Grenze für die Einzelzell-Genomik dar und erfordert rechnergestützte Methoden, die Zellzustände basierend auf multimodalen Daten definieren können. Hier stellen wir die "weighted-nearest neighbor"-Analyse vor, ein unüberwachtes Framework, um den relativen Nutzen jedes Datentyps in jeder Zelle zu erlernen, was eine integrative Analyse mehrerer Modalitäten ermöglicht. Wir wenden unser Verfahren auf einen CITE-seq-Datensatz von 211.000 menschlichen peripheren mononukleären Blutzellen (PBMCs) mit Panels, die sich auf 228 Antikörper erstrecken, an, um einen multimodalen Referenzatlas des zirkulierenden Immunsystems zu erstellen. Die multimodale Analyse verbessert unsere Fähigkeit, Zellzustände deutlich zu differenzieren, was uns erlaubt, zuvor nicht berichtete lymphoide Subpopulationen zu identifizieren und zu validieren. Darüber hinaus zeigen wir, wie man diese Referenz nutzt, um neue Datensätze schnell zuzuordnen und Immunantworten auf Impfungen und die Coronavirus-Krankheit 2019 (COVID-19) zu interpretieren. Unser Ansatz stellt eine breit anwendbare Strategie dar, um Einzelzell-multimodale Datensätze zu analysieren und über das Transkriptom hinaus eine einheitliche und multimodale Definition der zellulären Identität zu ermöglichen.