基于单细胞转录组数据的APA位点建模与动态调控研究

Alternative polyadenylation (APA) of mRNA precursors affects the gene expression at tissue or organ level, and participates in single cell differentiation, tumorigenesis, and immune defenses etc. Despite the critical functions of APA, protocol for capturing poly(A) sites of expressed genes at single cell level is still not available yet, the heterogeneity and variation of APA site usages between different cells need to be unearthed. This project aims to design a mathematical statistical assessment framework based on the features of corresponding single cell RNA-seq data and annotated APA sites, which can be used for evaluating the preferences of different types of single cell RNA-seq data in representing APA site usage; to build an APA site model based on kernel density estimation and single cell RNA sequencing data to depict the APA site usages; to design an accurate and effective approach to quantify the differential APA usage between distinct conditions; and to study the genome-wide APA dynamics among different cell types and samples. This project will broaden the application of existing single-cell RNA sequencing technologies and data, provide a high-resolution atlas to navigate cellular mRNA processing landscapes of differentiated cells, as well as uncover the potential roles of APA in regulation of gene expression, cell differentiation and development, and disease development and progression.

信使RNA选择性多聚腺苷化(alternative polyadenylation, APA)影响组织、器官水平的基因表达并参与到单细胞分化、肿瘤发生和免疫防御等过程。目前尚无有效获取单细胞水平APA的测序方法，针对APA的细胞异质性和动态变化规律解析仍是研究难点。本项目拟根据已有的单细胞转录组数据和注释APA位点信息，构建数理统计评估框架以挖掘不同单细胞转录组数据表征APA位点的偏好性；基于核密度估计法设计APA位点表征模型，刻画单细胞转录组中APA位点的使用模式；进一步提出有效的差异量化方案，以精确地描绘不同状态下APA位点使用变化模式；从全基因组范围探究不同细胞类型间APA位点使用的动态变化规律及其样本关联性。本研究将拓宽已有单细胞测序技术和数据的应用前景，提供探索分化细胞中mRNA加工过程的高分辨率图谱，从而揭示APA调控在基因表达、细胞分化发育、疾病发生发展中的潜在功能和作用。

信使RNA的选择性多聚腺苷化（Alternative Polyadenylation, APA）是一种重要的转录后调控机制，参与到mRNA稳定性、核输出、细胞分化、增殖、癌症、疾病、植物开花、生长发育、逆境响应等许多生物过程中。单细胞转录组测序技术的出现使得从单细胞水平剖析转录调控的异质性成为可能。针对目前尚无有效获取单细胞水平APA的测序方法，本研究首先基于现有单细胞转录组测序数据的特征，构建了不同的模型和算法以表征APA位点的使用和变化，包括基于密度分布与Wilcoxon秩和检验模型的scDAPA和基于波峰识别与poly(A)读段锚定的scAPAtrap，能准确从单细胞水平解析APA的异质性。同时，针对poly(A)位点微观不一致性，设计了基于权重密度波峰的聚类方法QuantifyPoly(A)能够有效区分临近位点的使用；开发了多模型工具包movAPA，能够对APA进行统一建模和分析。其次，研究了急性髓系白血病、小鼠受损神经视网膜、拟南芥根系发育等相关单细胞组学数据，从单细胞水平刻画了APA在疾病发生、发展以及正常细胞分化、发育过程中的动态表达过程，揭示了APA调控参与疾病信号传导以及正常细胞发育的关键基因和通路，表明基因可能通过特异性使用poly(A)位点调控细胞的分化，从而决定细胞命运。总之，本研究拓宽了单细胞测序技术和数据的应用前景，提供探索分化细胞中mRNA加工过程的高分辨率图谱，揭示了APA调控在基因表达、细胞分化发育、疾病发生发展中的潜在功能和作用。本项目成功完成了计划任务，发表相关期刊论文16篇，提供相关分析软件5个、在线数据库平台1个，培养及协助培养硕士/博士研究生3人。