Seurat项目中Multiome数据分析的基因组注释问题解析

基因组注释命名风格不一致问题

在Seurat项目中处理Multiome数据(ATACseq+RNAseq)时，经常会遇到基因组注释的命名风格不一致问题。这个问题源于不同基因组参考版本对染色体命名的差异：

• NCBI风格：使用"1, 2, 3,..., X, Y"格式
• UCSC风格：使用"chr1, chr2, chr3,..., chrX, chrY"格式

问题现象分析

当使用10x Genomics平台生成的Multiome数据时，即使原始数据是用GRCh38参考基因组处理的，在Seurat分析流程中仍可能出现以下问题：

1. 使用NCBI风格的GRCh38参考时，ClosestFeature函数会报错，提示"None of the supplied regions were found in the supplied annotation"
2. 警告信息显示查询区域中的seqlevels(如chr1, chr2等)在提供的基因注释中不存在
3. 切换为UCSC风格的hg38参考后，分析流程可以正常运行

解决方案

正确的基因组注释设置

# 获取Ensembl数据库的基因组注释
annotations <- GetGRangesFromEnsDb(ensdb = EnsDb.Hsapiens.v86)

# 设置染色体命名风格为UCSC
seqlevelsStyle(annotations) <- 'UCSC'

# 设置基因组版本为hg38
genome(annotations) <- "hg38"

# 创建染色质分析对象
chrom_assay1 <- CreateChromatinAssay(
  counts = atac_counts,
  sep = c(":", "-"),
  genome = 'hg38',
  fragments = frag.file,
  min.cells = 10,
  annotation = annotations
)

原因解析

10x Genomics的Cell Ranger ARC处理流程虽然使用GRCh38参考基因组，但其输出的peak区域和片段文件实际上采用了UCSC风格的染色体命名(chr1, chr2等)。因此：

1. 在Seurat分析中必须保持染色体命名风格的一致性
2. 使用UCSC风格的hg38参考可以确保peak区域与注释文件匹配
3. 这种命名风格不一致不会影响下游分析结果的准确性

最佳实践建议

1. 检查染色体命名风格：使用extractSeqlevels()函数检查数据的染色体命名风格
2. 保持一致性：确保所有输入数据(peak文件、片段文件和注释文件)使用相同的命名风格
3. 优先使用UCSC风格：对于10x Genomics数据，建议默认使用UCSC风格的hg38参考
4. 转换命名风格：必要时可以使用seqlevelsStyle()函数在不同命名风格间转换

通过遵循这些实践，可以避免Multiome数据分析中的基因组注释问题，确保分析流程的顺利运行。