Le scRNA-seq est-il suffisant ? Un guide axé sur les questions biologiques pour le multiome à cellule unique.

Intention de Meta : Aider les chercheurs principaux et les chercheurs seniors qui utilisent déjà le séquençage d'ARN à cellule unique à déterminer, en fonction de leur hypothèse biologique spécifique, si la mise à niveau vers le multiome à cellule unique (ARN + ATAC, ARN + protéine, ou combinaisons de niveaux supérieurs) est scientifiquement justifiée - sans supposer par défaut que plus de modalités sont toujours meilleures.

Le séquençage d'ARN à cellule unique (scRNA-seq) a transformé notre manière de découvrir les types cellulaires, de cartographier les trajectoires de développement et de caractériser l'hétérogénéité des maladies. Mais à mesure que les projets mûrissent et que les questions biologiques se complexifient, de nombreux chercheurs se posent la même question : Devrais-je continuer à augmenter l'échelle du scRNA-seq, ou est-il temps d'ajouter une autre modalité ?

La réponse n'est pas "la multiomique est plus avancée." La réponse dépend entièrement de ce que vous devez observer. Chaque couche de modalité - accessibilité de la chromatine, abondance des protéines, méthylation de l'ADN - révèle un aspect distinct de la biologie cellulaire auquel le scRNA-seq seul ne peut accéder. La décision de les ajouter devrait être guidée par votre hypothèse, et non par l'élan technologique.

Ce guide fournit un cadre pratique pour cette décision. Nous abordons ce que le scRNA-seq peut et ne peut pas vous dire, quelle information biologique chaque modalité de multiome apporte, quatre scénarios décisionnels courants, les compromis de conception expérimentale lors de la mise à niveau, et les limitations à considérer avant d'ajouter de la complexité.

Ce que fait bien le scRNA-seq - et où cela s'arrête

La scRNA-seq mesure le transcriptome polyadénylé à la résolution de cellule unique. Lorsque votre question biologique se concentre sur l'expression génique - quels gènes sont activés, dans quelles cellules, et comment ces schémas changent selon les conditions - la scRNA-seq est une solution mature, bien soutenue et rentable.

Questions scRNA-seq répondent directement :

• Quels types de cellules sont présents dans mon échantillon de tissu, et quelles sont leurs signatures transcriptionnelles ?
• Quels gènes sont exprimés de manière différentielle entre les conditions, et dans quels types de cellules ?
• Quelles trajectoires de développement ou de transition les cellules suivent-elles ?
• Comment l'hétérogénéité de l'expression génique est-elle liée à l'état de la maladie ou à la réponse au traitement ?

Ce sont des questions transcriptionnelles, et pour celles-ci, le scRNA-seq fournit des réponses de haute qualité. La technologie bénéficie de plusieurs années d'optimisation des protocoles (10x Genomics Chromium, Drop-seq, Smart-seq2), de pipelines informatiques matures (Seurat, Scanpy, Monocle) et d'une vaste connaissance communautaire sur la normalisation, la correction de lots et le clustering.

Qu'est-ce que le scRNA-seq ? ne peut pas voir, cependant, est tout aussi important. Le transcriptome n'est pas la cellule entière. Plusieurs dimensions biologiques critiques restent opaques à la mesure de l'ARN seule :

• Accessibilité de la chromatine. L'expression génique est régulée par l'état de la chromatine, mais le séquençage d'ARN unicellulaire (scRNA-seq) ne capture que le produit final d'ARN. Les événements régulateurs qui précèdent la transcription - liaison des facteurs de transcription, activation des enhancers, positionnement des nucléosomes - sont invisibles.
• Abondance des protéines. La corrélation entre les niveaux d'ARNm et de protéines est modeste (r ≈ 0,3-0,5), en raison de la régulation post-transcriptionnelle, des taux de traduction différentiels et du renouvellement des protéines. Un changement dans l'ARN ne garantit pas un changement dans la protéine, et vice versa.
• Contexte spatial. La scRNA-seq standard nécessite une dissociation des tissus, ce qui détruit les relations spatiales. La signalisation dépendante des voisins, l'architecture tissulaire et les interactions avec le microenvironnement sont perdues.
• Architecture clonale. La similarité transcriptionnelle n'implique pas de parenté génétique. Sans information au niveau du génome, le séquençage d'ARN unicellulaire (scRNA-seq) ne peut pas distinguer les populations clonales au sein de groupes cellulaires transcriptionnellement similaires.

Reconnaître ces limites n'est pas une faiblesse de la scRNA-seq - c'est simplement la définition de ce qu'est le transcriptome. La question est de savoir si votre hypothèse franchit ces limites. Lorsque la réponse est que votre question reste fermement transcriptionnelle, une exécution bien réalisée RNA-Seq L'expérimentation avec un nombre adéquat de cellules et de réplicats reste le chemin le plus efficace vers un résultat clair.

Figure 1 : La frontière d'information du scRNA-seq

Ce que le Multiome à cellule unique apporte réellement - Trois couches d'informations biologiques

Le multiome à cellule unique englobe plusieurs associations de modalités distinctes. Chaque association ajoute un type spécifique d'information biologique que l'ARN seul ne peut pas fournir. Comprendre ces différences est essentiel pour choisir le bon chemin de mise à niveau.

Couche 1 - ARN + ATAC (Accessibilité de la chromatine)

Le couplage multiome le plus largement adopté profile simultanément l'expression génique et l'accessibilité de la chromatine à partir du même noyau. Les technologies incluent la plateforme 10x Genomics Chromium Single Cell Multiome ATAC + Expression Génique et des alternatives émergentes à coût réduit telles que le Parallel-seq.Cell Reports Méthodes, 2025).

Cette association ajoute trois capacités biologiquement distinctes :

• Liaison des fonctionnalités. En mesurant les pics ATAC-seq et l'expression génique à partir du même noyau, les données multiome peuvent relier les régions de chromatine ouverte à leurs gènes cibles au sein de cellules individuelles. Cela révèle des paires activateur-promoteur, des éléments cis-régulateurs candidats et le paysage de chromatine qui façonne l'expression spécifique aux types cellulaires.
• Potentiel de la chromatine. L'accessibilité de la chromatine aux éléments régulateurs change souvent avant l'expression génique. Ce "potentiel de chromatine" peut prédire les décisions de destin cellulaire plus tôt que les changements du transcriptome - particulièrement précieux pour l'analyse des trajectoires de développement.
• Empreinte de motif de facteur de transcription. Les régions de chromatine ouverte contiennent des motifs de séquence pour les facteurs de transcription. En analysant quels motifs sont accessibles dans quelles cellules, les chercheurs peuvent déduire l'activité des facteurs de transcription à une résolution unicellulaire, fournissant des informations mécanistiques sur les régulateurs qui pilotent les programmes d'expression observés. Pour les projets où l'accessibilité de la chromatine seule est la question principale, autonome. ATAC-Seq reste une option éprouvée ; la mise à niveau multiome ajoute de la valeur spécifiquement en liant ces événements régulateurs à la production d'expression génique au sein de la même cellule.

Figure 2 : Couches d'information Multiome RNA + ATAC

Couche 2 - ARN + Protéine (CITE-seq / Méthodes Anticorps-Oligo)

CITE-seq (Indexation Cellulaire des Transcriptomes et des Épitopes par Séquençage) et des méthodes connexes (REAP-seq, ASAP-seq) utilisent des oligonucleotides conjugués à des anticorps pour mesurer simultanément l'abondance des protéines de surface cellulaire ainsi que le transcriptome.

Cette association aborde l'écart bien documenté entre les niveaux d'ARN et de protéines. Pour de nombreux marqueurs fonctionnels - en particulier les protéines de point de contrôle immunitaire, les récepteurs de cytokines et les molécules de signalisation - l'abondance des transcrits est un mauvais indicateur de l'expression des protéines de surface. Le CITE-seq permet une mesure directe des protéines sans nécessiter une expérience de cytométrie en flux séparée.

CITE-seq est particulièrement précieux pour :

• Annotation de l'état des cellules immunitaires. Les marqueurs protéiques de surface cellulaire définissent les sous-ensembles de cellules immunitaires avec une résolution supérieure à celle des données de transcriptome seules. Distinguer les cellules T naïves des cellules T mémoire, identifier les cellules T régulatrices ou caractériser les sous-populations myéloïdes est considérablement plus précis lorsque 100 à 200 marqueurs protéiques de surface sont mesurés en parallèle avec le transcriptome.
• Découverte de biomarqueurs accessibles aux anticorps. Lorsque l'objectif est d'identifier des marqueurs pouvant être traduits en applications translationnelles, la mesure des protéines de surface comble directement le fossé entre la découverte et l'application.
• Échantillonnage par multiplexage. Les conjugués anticorps-oligo peuvent également être utilisés pour le hachage d'échantillons, permettant de regrouper plusieurs échantillons dans une seule course de scRNA-seq, réduisant ainsi les effets de lot et le coût par échantillon.

Figure 3 : Flux de travail Multiome RNA + Protéine (CITE-seq)

Couche 3 - Trimodal et Multiome de Haut Ordre Émergent

Les méthodes émergentes combinent trois modalités ou plus dans la même cellule. TEA-seq profile simultanément l'ARN, l'ATAC et les protéines de la même cellule. scNMT-seq ajoute la méthylation de l'ADN au transcriptome.

Pour la plupart des questions de recherche, deux modalités (ARN + ATAC ou ARN + protéine) offrent le meilleur équilibre entre le gain d'information et la faisabilité expérimentale. Les approches trimodales sont actuellement mieux réservées aux projets où des questions mécanistiques nécessitent spécifiquement de lier simultanément trois couches moléculaires.

Quand le scRNA-seq est toujours la bonne réponse

Avant d'envisager une mise à niveau, il est utile d'identifier les scénarios où le scRNA-seq seul reste le choix optimal.

• Votre question est purement transcriptionnelle. Si l'hypothèse principale implique l'expression génique différentielle, la découverte de types cellulaires ou la cartographie des trajectoires transcriptionnelles - et qu'aucun mécanisme régulateur ou validation au niveau protéique n'est nécessaire - le scRNA-seq est la solution éprouvée et rentable.
• Vous priorisez le débit cellulaire. Pour le même budget, le scRNA-seq fournit plus de cellules que toute approche multiome. Si votre expérience nécessite un échantillonnage approfondi de populations rares ou une découverte large des types cellulaires à travers de nombreux échantillons, le scRNA-seq maximise le pouvoir statistique par dollar.
• Vos échantillons sont des tissus frais ou congelés de haute qualité. Les protocoles de multiome nécessitent souvent l'isolement des noyaux plutôt que des cellules entières, ce qui ajoute des étapes de préparation et des risques potentiels pour la qualité. Si la qualité de l'ARN est marginale, l'ajout d'une seconde modalité augmente la probabilité de perte de données partielle ou complète.
• Votre pipeline de bioinformatique n'est pas prêt pour l'analyse multimodale. Les données multiome nécessitent des pipelines d'analyse spécialisés qui intègrent des modalités. Si votre environnement d'analyse actuel est optimisé pour le scRNA-seq et que l'équipe manque d'expérience en intégration multimodale, la courbe d'apprentissage peut l'emporter sur les avantages.

Comparaison Coût-Bénéfice : scRNA-seq vs Multiome

Figure 4 : Tableau de comparaison coûts-bénéfices

Quand ajouter l'ATAC (Accessibilité de la chromatine)

Ajouter l'accessibilité de la chromatine à votre flux de travail unicellulaire est scientifiquement justifié lorsque votre hypothèse va au-delà de "quels gènes sont exprimés" pour inclure "pourquoi et comment ils sont régulés."

• Votre hypothèse implique la régulation des gènes. Si la question centrale de votre étude est d'identifier quels facteurs de transcription pilotent un programme d'expression génique, ou quels enhancers contrôlent l'expression spécifique à un type cellulaire, les données multiome fournissent des preuves directes. Le lien des caractéristiques provenant des mesures conjointes d'ARN+ATAC peut relier les régions de chromatine ouverte à leurs gènes cibles.
• Vous devez identifier les paires amplificateur-promoteur. L'analyse de liaison des caractéristiques multiome corrèle l'accessibilité des pics ATAC avec l'expression génique à proximité dans différentes cellules. Cela permet l'identification à l'échelle du génome de paires candidate d'activateurs et de promoteurs opérant dans des types cellulaires spécifiques - une information cruciale pour interpréter les variantes génétiques non codantes.
• Vous étudiez les trajectoires de développement. L'accessibilité de la chromatine aux éléments régulateurs change souvent avant la transcription. Cette asynchronie signifie que le potentiel de la chromatine peut prédire le destin cellulaire plus tôt que les changements du transcriptome.
• Votre maladie implique une dysrégulation épigénétique. Dans le cancer, le paysage des enhancers est souvent réorganisé par des mutations dans les régions non codantes, des altérations du nombre de copies affectant les éléments régulateurs, et des changements dans l'expression des modificateurs de la chromatine. L'analyse multiome capture à la fois la réorganisation régulatrice et ses conséquences transcriptionnelles dans la même cellule.
• Vous avez besoin d'une meilleure résolution des sous-types. Certain populations cellulaires qui semblent transcriptionnellement homogènes présentent des paysages chromatinens distincts. La modalité ATAC permet souvent de résoudre des sous-types que l'ARN regroupe seul. Pour les études qui nécessitent également un contexte génétique - comme le lien entre les variants régulateurs non codants et les changements chromatinens - l'association du multiome avec Séquençage de l'exome complet sur les mêmes échantillons, il est possible d'ancrer les résultats réglementaires à des mutations de codage spécifiques.

Figure 5 : Quand ajouter l'ATAC - Diagramme de décision

Quand faire de l'ARN + Protéine (CITE-seq)

L'ajout de mesures au niveau des protéines est le plus précieux lorsque l'abondance des transcrits n'est pas un indicateur fiable de la fonction des protéines.

• La corrélation entre les transcrits et les protéines est faible pour vos marqueurs. La corrélation entre l'ARNm et la protéine est spécifique au gène. Les récepteurs de cytokines, les récepteurs de chimiokines et les molécules de points de contrôle immunitaire montrent souvent une mauvaise concordance entre l'ARN et la protéine. Si votre étude se concentre sur de tels marqueurs, le CITE-seq fournit une quantification directe des protéines.
• Les protéines de surface cellulaire définissent vos types de cellules. En immunologie, les marqueurs de surface cellulaire sont la référence pour définir les sous-ensembles cellulaires. CD4 et CD8 définissent les lignées de cellules T, CD45RA et CCR7 distinguent les états naïfs des états de mémoire, et CD25 et FOXP3 identifient les cellules T régulatrices.
• Vous avez besoin d'une annotation cellulaire à haute confiance. Ajouter 100 à 200 marqueurs protéiques à une expérience de scRNA-seq améliore considérablement la précision de l'annotation des types cellulaires. Pour les études où la qualité de l'annotation est cruciale, la dimension protéique ajoutée offre une confiance que l'annotation basée sur l'ARN ne peut égaler.
• Vous effectuez un multiplexage d'échantillons. Le hachage d'anticorps-oligo (Cell Hashing, MULTI-seq) utilise des oligonucleotides étiquetés par des lipides ou conjugués à des anticorps pour marquer des cellules provenant de différents échantillons avant le regroupement, réduisant ainsi les effets de lot et le coût par échantillon tout en ajoutant une mesure protéique en bonus.

Figure 6 : Guide de décision Multiome RNA + Protéine

Quand envisager un multiome d'ordre supérieur

Les essais trimodaux (ARN + ATAC + protéine) et les approches combinées épigénome-transcriptome (scNMT-seq) servent des cas d'utilisation spécialisés :

• Lorsque votre hypothèse nécessite de relier les trois couches - par exemple, en demandant si un changement de chromatine entraîne une transcription altérée, ce qui modifie à son tour l'expression des protéines - et en confirmant les trois dans la même cellule.
• Lors de la création d'un ensemble de données de référence qui capture la chromatine, l'ARN et les protéines des mêmes cellules en tant que ressource communautaire.
• Lorsque vous disposez de ressources suffisantes et d'une expertise technique pour la complexité et le coût nettement plus élevés.

Pour la plupart des laboratoires, une approche trimodale ne devrait être envisagée qu'après avoir confirmé que la question biologique ne peut pas être résolue uniquement avec l'ARN + ATAC ou l'ARN + protéine.

Un cadre décisionnel pratique - 4 questions

Le cadre de quatre questions suivant traduit les scénarios ci-dessus en une décision actionable.

• Q1 : Mon hypothèse principale teste-t-elle uniquement des différences transcriptionnelles (types cellulaires, expression différentielle, trajectoire) ? Si oui : le scRNA-seq est probablement suffisant. Augmenter le nombre de cellules ou les réplicats biologiques apportera souvent plus de valeur que d'ajouter une modalité.
• Q2 : Dois-je savoir pourquoi les expressions changent - quel facteur de transcription, quel amplificateur, quel élément régulateur ? Si oui : ajoutez l'ATAC (accessibilité de la chromatine). Le Multiome RNA + ATAC fournit les données de liaison des caractéristiques et de traçage des facteurs de transcription nécessaires à l'analyse mécaniste de la régulation génique.
• T3 : La confirmation au niveau des protéines ou une annotation cellulaire améliorée est-elle cruciale pour mes conclusions ? Si oui : ajoutez la protéine (CITE-seq). Cela est particulièrement pertinent pour les études en immunologie, le travail sur les biomarqueurs translationnels et tout projet où le phénotype de surface définit les états cellulaires.
• T4 : Mon projet nécessite-t-il la capture simultanée de données réglementaires, transcriptionnelles et au niveau des protéines dans la même cellule ? Si oui : envisagez des approches trimodales, en confirmant que la complexité ajoutée est justifiée par une question mécaniste spécifique. Service Multi-Omique qui intègre le soutien à la conception expérimentale avec une bioinformatique adaptée à la modalité peut aider à déterminer si la dimension ajoutée justifie le coût et la complexité pour votre projet spécifique.

Figure 7 : Arbre de décision à 4 questions

Considérations de conception expérimentale lors de la mise à niveau vers Multiome

Passer de la scRNA-seq au multiome nécessite des ajustements dans le flux de travail expérimental.

• Les exigences d'échantillonnage diffèrent. L'RNA + ATAC multiome nécessite des noyaux, pas des cellules entières. Le protocole d'isolement des noyaux doit préserver à la fois la chromatine accessible (pour l'ATAC) et l'ARN nucléaire (pour l'expression génique). L'ARN + protéine (CITE-seq) utilise des cellules entières et est plus similaire à la préparation d'échantillons standard de scRNA-seq.
• Le débit est généralement plus faible. La plateforme 10x Chromium Multiome capture 5 000 à 10 000 noyaux par canal - environ la moitié du débit du scRNA-seq standard à coût équivalent. Des technologies émergentes comme le Parallel-seq revendiquent un débit plus élevé (plus de 200 000 cellules) mais ne sont pas encore largement adoptées.
• Les exigences en matière de profondeur de séquençage varient selon la bibliothèque. Les expériences de multiome nécessitent le séquençage à la fois de la bibliothèque ATAC et de la bibliothèque d'expression génique de chaque partition. Les recommandations typiques sont de 25 000 à 50 000 paires de lectures par noyau pour l'ATAC et de 20 000 à 50 000 lectures par cellule pour la bibliothèque d'ARN.
• Les pipelines de bioinformatique sont spécifiques à chaque modalité. Cell Ranger ARC est le pipeline de traitement standard pour les données Multiome de 10x. Les outils d'intégration en aval incluent le cadre multimodal de Seurat, MOFA+, MultiVI, multiDGD et scMODAL.
• L'analyse de puissance doit tenir compte des deux modalités. Le package scPower R fournit un cadre pour optimiser les paramètres à travers les modalités. Des expériences pilotes avec 2 000 à 5 000 noyaux par condition aident à estimer les tailles d'effet avant de passer à une échelle supérieure. Les chercheurs étudiant les modifications des histones ou la liaison des facteurs de transcription à une résolution plus élevée peuvent également envisager Service de séquençage CUT&Tag comme un essai épigénomique complémentaire qui nécessite moins de cellules que le ChIP-seq conventionnel, le rendant pratique aux côtés des expériences multiome avec un matériel d'échantillon limité.

Figure 8 : Comparaison des paramètres clés de conception expérimentale

Limitations et pièges des approches multiomes

Les méthodes multiomes sont puissantes, mais elles introduisent des limitations qu'il est important d'évaluer honnêtement.

• Biais de l'ARN nucléaire. L'RNA + ATAC multiome ne capture que l'ARN nucléaire, qui représente un sous-ensemble du transcriptome total. Les transcrits cytoplasmiques - en particulier ceux codant pour des protéines sécrétées, des molécules synaptiques dans les neurones et des ARNm à longue durée de vie - sont systématiquement sous-représentés. Des outils informatiques comme GENESIS (Riva et al., 2025) comblent cette lacune, mais la limitation est inhérente à la méthode.
• Sparsité des données cumulée. Chaque modalité a son propre schéma d'abandon : ATAC ne détecte qu'environ 10-20 % des pics accessibles par cellule, et les données protéiques ont un nombre de caractéristiques limité. L'union des schémas de sparsité crée des défis d'analyse.
• Les effets de lot se propagent à travers les modalités. Un effet de lot dans une modalité peut fausser l'intégration intermodalités. Un design d'échantillon équilibré, des échantillons de transition et une analyse tenant compte des lots sont essentiels.
• Un coût par cellule plus élevé signifie moins de cellules. Pour un budget fixe, le multiome capture moins de cellules que le scRNA-seq, réduisant ainsi le pouvoir de découverte des populations rares.
• Écart de maturité des outils. Les outils d'analyse multiome évoluent activement mais sont moins matures que leurs équivalents en scRNA-seq. Les meilleures pratiques ne sont pas encore aussi stables. Pour les chercheurs qui ont besoin de validation épigénomique des liaisons de facteurs de transcription prédites par le multiome ou des modèles de modification des histones, ChIP-Seq fournit une méthode orthogonale et bien établie pour confirmer les prédictions réglementaires générées à partir des données d'accessibilité de la chromatine à cellule unique.

Figure 9 : Résumé des limitations du Multiome

Comment évaluer si votre laboratoire doit être modernisé

• Auditez vos projets récents de scRNA-seq. Quelles questions ont émergé que vous n'avez pas pu répondre uniquement avec des données d'expression ? Si le schéma est systématiquement "nous aurions souhaité avoir des données de chromatine" ou "une confirmation au niveau des protéines aurait changé nos conclusions", c'est un signal clair pour une mise à niveau.
• Réalisez une comparaison pilote. Une petite expérience pilote comparant le scRNA-seq et le multiome à partir du même échantillon - même 1 000 à 5 000 cellules par modalité - révélera le gain d'information, les défis techniques et les exigences d'analyse spécifiques à votre tissu et à votre question.
• Considérez le paysage de la publication. Pour les études mécanistiques dans des revues à fort impact, les attentes des examinateurs incluent de plus en plus des preuves à plusieurs niveaux omiques. Démontrer le remodelage de la chromatine au niveau de l'activateur pertinent, en parallèle avec un changement transcriptionnel, peut considérablement renforcer un manuscrit.
• Évaluer le support du fournisseur de services. Le fournisseur propose-t-il une analyse bioinformatique intégrée qui gère les deux modalités ? La complexité de l'intégration des données multimodales rend le support de service de bout en bout un facteur significatif dans le succès du projet.

Figure 10 : Cadre d'évaluation de la mise à niveau du laboratoire

FAQ

Q : Puis-je intégrer des données scRNA-seq existantes avec de nouvelles données multiome ?
A : Oui, grâce aux méthodes d'intégration computationnelle. Des outils comme l'intégration par pont de Seurat et scSHEFT peuvent ancrer des données de référence multi-modales à des ensembles de données scRNA-seq existants. Cependant, des données multiome appariées provenant du même échantillon offrent toujours une puissance supérieure.

Q : Dois-je modifier mon protocole de collecte d'échantillons pour le multiome ?
A : Pour le multiome RNA + ATAC, oui - vous avez besoin de noyaux, pas de cellules entières. Les tissus flash congelés fonctionnent, mais le protocole d'isolement des noyaux doit être optimisé pour votre type de tissu. Pour le CITE-seq, la préparation d'échantillons scRNA-seq standard est compatible.

Q : Combien de cellules ai-je besoin pour une expérience multiome utile ?
A : Un minimum de 2 000 à 5 000 noyaux par condition pour le multiome RNA + ATAC. Pour les populations cellulaires rares, un nombre plus élevé peut être nécessaire. La modalité ATAC est plus sparse que l'ARN, donc un nombre de cellules plus élevé améliore la résolution.

Q : Les données multiome sont-elles compatibles avec les outils d'analyse scRNA-seq standard ?
A : Partiellement. Les outils de normalisation et de regroupement standard s'appliquent à la composante ARN. Cependant, l'intégration multimodale, l'appel de pics, le lien des caractéristiques et le marquage des facteurs de transcription nécessitent des outils spécialisés (Cell Ranger ARC, Signac, MOFA+, MultiVI).

Q : Puis-je ajouter de l'ATAC à des échantillons congelés archivés ?
A : Oui, avec des réserves. Les échantillons congelés peuvent être utilisés pour l'isolement des noyaux s'ils sont préservés correctement. Les cycles de congélation-dégel dégradent à la fois l'intégrité de la chromatine et la qualité de l'ARN.

Q : Combien de temps l'analyse des données multiome prend-elle par rapport à celle du scRNA-seq ?
A : Attendez-vous à un temps d'analyse total 2 à 3 fois plus long. Le composant ATAC ajoute l'appel de pics, le filtrage de qualité, l'analyse de liaison des caractéristiques et les étapes d'intégration.

Q : Quelle est la principale raison pour laquelle les expériences de multiome échouent ?
A : La mauvaise qualité des noyaux est le point de défaillance le plus courant. Si l'isolement des noyaux endommage la membrane nucléaire, l'ARN s'échappe et le signal ATAC est perdu. L'optimisation du protocole d'isolement pour chaque type de tissu est l'étape la plus importante.

Références :

1. Wu X, Yang X, Dai Y, et al. Séquençage unicellulaire à multi-omiques : technologies et applications. Recherche sur les biomarqueurs2024;12:110. DOI : 10.1186/s40364-024-00643-4
2. Treppner M, et al. La performance des modèles génératifs profonds pour l'apprentissage d'embeddings conjoints de données multi-omiques à cellule unique. Frontières en biosciences moléculaires. 2022;9:962644. DOI : 10.3389/fmolb.2022.962644
3. Schuster V, et al. multiDGD : Un modèle génératif profond polyvalent pour les données multi-omiques. Communications Nature2024;15:10031. DOI : 10.1038/s41467-024-53340-z
4. Wang G, Zhao J, Lin Y, et al. scMODAL : un cadre général d'apprentissage profond pour l'alignement complet des données multi-omiques à cellule unique avec des liens de caractéristiques. Communications Nature2025 ; 16 : 4994. DOI : 10.1038/s41467-025-60333-z
5. Wan C, Ji Z. Intégration de plusieurs échantillons multi-omiques à cellule unique avec Smmit. bioRxiv. 2025. DOI : 10.1101/2023.04.06.535857
6. Riva SG, et al. GENESIS : Génération de données scRNA-Seq à partir de l'expression génique Multiome. bioRxiv. 2025. DOI : 10.1101/2025.05.06.652399
7. Zhang S, Xiao Y, Mo X, et al. Profilage simultané des isoformes d'ARN et de l'accessibilité de la chromatine des cellules uniques des organoïdes rétiniens humains. Communications Nature2024;15:8022. DOI : 10.1038/s41467-024-52335-0

Services connexes

Ce document est destiné à un usage de recherche uniquement. Ne pas utiliser dans des procédures de diagnostic.