目前，大多数表观基因组数据产生于组织样本，这可能会混淆疾病的分子分类或影响细胞类型特异性表观遗传变化的识别。为了解决这些问题，研究者们已经提出了一些基于参考和无参考的细胞型反褶积算法，其中基于参考的细胞型反褶积算法方法最有可能识别细胞类型特异性DNA甲基化变化。但是这些算法存在一个主要限制，即要求DNA甲基化参考剖面代表给定组织中的主要细胞类型。事实上这样的DNA甲基化参考只存在于血液、唾液或颊拭子等组织中，因为这些组织只含有少量额外的细胞类型。
对于大多数人体组织和器官来说，由于目前对组织组成和细胞类型特异性标记的知识不完全了解，以及单细胞甲基组学数据的高成本和稀少性，生成所有潜在细胞类型的DNA甲基化参考剖面非常具有挑战性。为了解决这一问题，中国科学院计算生物学重点实验室Andrew E. Teschendorff团队联合伦敦大学学院癌症研究所Charles E. Breeze团队在一项针对肺和乳腺组织的原理证明研究中发现，可以利用单细胞RNA-seq数据的高分辨率特性来推测相应的组织特异性DNA甲基化参考图谱。但不清楚这种策略是否广泛适用于其他组织类型。
近日，该研究团队证明了这一策略的普适性，利用组织特异性单细胞RNA-seq数据集的高分辨率特性，构建了包括13种实体组织类型和40种细胞类型的泛组织DNA甲基化图谱。研究团队在癌症基因组图谱（TCGA）和其他公共数据库的数据中全面验证了DNA甲基化图谱，证明了与其他低分辨率方法的一致性。值得注意的是，该DNA甲基化图谱的高细胞分辨率允许在广泛的复杂疾病中进行新的生物学推断和临床注释。该研究结果已发表在Nature Methods上，文章题为“A pan-tissue DNA methylation atlas enables in silico decomposition of human tissue methylomes at cell-type resolution”。
研究团队为尽可能多的器官和组织建立了一个组织特异性DNA甲基化图谱（图1）。构建这个图谱的基础是EpiSCORE算法，可在DNA甲基化和信使RNA表达强抗相关的细胞类型特异性标记基因亚群的启动子上进行DNA甲基化的输入。最终研究团队确定了13种符合所有标准的组织类型，并在独立的scRNA-seq数据集中验证了组织特异性mRNA表达图谱，发现其具有相当高的准确性，并包括了所有基础细胞类型。
【 在 purplesoul 的大作中提到: 】
: DNA甲基化图谱在单细胞水平解析13种人体组织甲基化组
:
https://weibo.com/ttarticle/x/m/show/id/2309404755583558615553?_wb_client_=1 :
: 发自「今日水木 on Redmi K30」
: --
:
发自「今日水木 on Redmi K30」
--
FROM 59.41.66.*