生物資訊學
儘管多模態測序技術正在迅速發展，但大多數單細胞和空間數據集仍然只測量單一模態。針對分別測序的單細胞 RNA 測序（scRNA-seq）和 ATAC 測序（scATAC-seq）數據的整合計算方法，通常依賴這樣一個假設：基因表達與鄰近調控區域的染色質可及性相關。然而，這些相關性的強度和可靠性在不同基因之間存在顯著差異，而納入低置信度關聯可能會削弱整合的準確性。
在此，我們引入 CLIC（Cross-modality Link Confidence）評分，這是一種定量衡量基因表達與鄰近染色質可及性之間經驗一致性的指標，基於 ENCODE 項目中多樣化的單細胞 multiome 數據集推導而來。CLIC 評分為跨模態的基因-峰關聯提供了先驗置信度估計。在此基礎上，我們提出一種混合特徵選擇策略，將高變基因與高 CLIC 基因取交集，從而生成更符合跨模態整合方法假設的特徵集合。
在多種公開可用的單細胞和空間數據集，以及多個最先進的整合框架中，我們的方法均持續提升了基因表達與染色質可及性數據的整合效果，同時增強了穩健性和生物學可解釋性。
注意：要求提供您的電子電郵地址僅用於將您識別為本文的發送者。
📄 原文連結：https://www.biorxiv.org/content/10.64898/2026.05.07.723400v1?rss=1
🏷️ 單細胞多組學 scRNA-seq scATAC-seq 跨模態整合 基因-峰關聯 特徵選擇