产品概述
表观遗传学调控主要由3大类调控模式组成:组蛋白修饰、DNA修饰和染色质构象,而前两者也会通过调控染色质构象实现其调控基因表达的功能。真核生物的染色体由染色质组成,染色质则是由核小体组成。核小体是一个组蛋白8聚体和缠绕在上面的DNA组成的。核小体与核小体之间通过一段linker DNA连接。这些核小体在染色体中处于不同的染色质构象中:
- 1.常染色质是结构比较松散的染色质,这种松散的结构使得DNA上的调控元件(启动子,增强子等)处于物理可接近的状态,从而可以被转录因子等蛋白结合,进而激活转录过程;
- 2.异染色质结构比较紧密,DNA被压缩折叠,处于不可接近的状态,从而无法被转录因子等蛋白结合,无法激活转录。

在复杂组织中(如肿瘤、发育中的胚胎、免疫细胞混合群),不同细胞类型或同一细胞在不同状态下的染色质构象存在显著异质性。传统bulk ATAC-seq只能提供所有细胞的平均信号,掩盖了这种细胞间的差异。scATAC-seq(单细胞ATAC-seq)则实现了单细胞分辨率的染色质开放性图谱绘制,帮助科学家解析细胞异质性、发育轨迹和疾病微环境中的调控机制。

技术原理
scATAC-seq(Single-cell Assay for Transposase-Accessible Chromatin sequencing)是bulk ATAC-seq的单细胞版本,其核心依然基于Tn5转座酶在细胞核内的染色质DNA上进行随机转座特性(如下图),同时结合微流控等技术实现了单细胞分辨率。

scATAC-seq主要流程如下:
- 1.细胞/细胞核制备:从组织或细胞悬液中分离细胞核(或直接使用全细胞),去除死细胞以提高质量。
- 2.Tn5转座反应(Tagmentation):在适宜条件下,超活性Tn5转座酶进入细胞核,在开放的染色质区域进行随机切割并同时插入预先加载的测序接头(含部分barcode)。紧密的异染色质区域因DNA被压缩,转座酶无法接近,几乎不发生转座。
- 3.单细胞分区与barcoding(区别于bulk的关键步骤):
-
1.常用10x Genomics Chromium平台:利用微流控技术将单个细胞核包裹进油滴(GEMs - Gel Bead-in-Emulsions),每个油滴内含带有独特细胞barcode的凝胶珠。
-
2.Tn5切割后的DNA片段在油滴内被加上完整的细胞特异性barcode。
-
- 4.文库构建与测序:打破油滴,PCR扩增带有barcode的片段,构建测序文库,进行高通量测序。
- 5.生物信息学分析:根据barcode将reads分配到单个细胞 → 比对基因组 → 峰(peak) calling → 生成稀疏的“峰×细胞”矩阵 → 降维、聚类、轨迹分析等。

结果解读:每个细胞的测序reads富集在该细胞的开放染色质区域。开放程度越高,信号越强。通过整合分析,可鉴定细胞类型特异性增强子、转录因子足迹(footprint)、基因调控网络等。
与bulk ATAC-seq的主要区别:
| Bulk ATAC-seq | scATAC-seq | 主要差异 | |
| 分辨率 | 群体水平(Bulk,所有细胞平均信号) | 单细胞水平(每个细胞独立信号) | scATAC 可揭示细胞异质性,Bulk 仅能看到平均效果 |
| 适用样本类型 | 同质性高的样本(如细胞系、纯化细胞群) | 异质性强的复杂样本(肿瘤组织、发育组织、免疫细胞混合等) | scATAC 更适合真实生物样本研究 |
| 检测细胞数量 | 数十万至数百万细胞混合 | 通常约1万左右细胞 | scATAC 能同时分析大量单个细胞 |
| 数据特征 | 信号连续、峰较平滑、数据相对完整 | 数据稀疏(每个细胞仅检测数千个峰)、高维度、高噪声 | scATAC 需要更复杂的生物信息学分析 |
| 开放区域检测灵敏度 | 较高(平均信号强) | 相对较低(单个细胞捕获效率有限) | Bulk 更适合定量比较,sc 更适合定性异质性分析 |
| 主要优势 | 成本低、信号强、易于定量比较 | 揭示细胞亚群特异性染色质开放模式、发育轨迹、异质性 | scATAC 提供更高分辨率的生物学洞 |
| 主要局限 | 掩盖细胞异质性,无法区分不同细胞状态 | 数据稀疏、分析复杂、实验成本较高 | 两者互补使用效果最佳 |
应用场景
染色质构象在几乎所有生物学过程中都动态变化,scATAC-seq将这一研究推向单细胞水平,应用场景极其广泛,尤其适用于异质性强的样本。
常见应用包括:
- 1.发育生物学:追踪胚胎发育、干细胞分化过程中染色质重编程和细胞命运决定轨迹。
- 2.肿瘤异质性研究:揭示肿瘤微环境中癌细胞亚群、免疫细胞浸润的表观遗传特征,鉴定耐药亚群和新型治疗靶点。
- 3.疾病机制:比较正常 vs 病变(如癌变、神经退行性疾病、自身免疫病)前后特定细胞类型的染色质构象变化及其介导的基因表达改变。
- 4.药物筛选与响应:评估药物处理前后不同细胞亚群的表观遗传响应,助力精准医学。
- 5.免疫学:解析免疫细胞(如T细胞耗竭状态)的染色质动态,指导免疫治疗开发。
- 6.转录因子与增强子鉴定:在单细胞水平鉴定主效调控转录因子、新型细胞类型特异性增强子及非编码调控元件。
- 7.多组学整合:与scRNA-seq等多组学联合,构建“染色质开放性-转录-基因型”多维度全景图谱。
scATAC-seq作为研究表观遗传三大要素之一的关键技术,通常与组蛋白修饰(ChIP-seq/CUT&Tag)、DNA甲基化以及转录组数据联合使用,提供更全面的调控网络洞见。

服务流程

代表性结果展示
插入片段长度分布图

UMAP按cluster分布图

UMAP按细胞类型分布图
