Quantifying common and distinct information in single-cell multimodal data with Tilted Canonical Correlation Analysis

https://www.pnas.org/doi/abs/10.1073/pnas.2303647120

1. 本研究の学術的背景，研究課題の核心をなす学術的「問い」は？

• 単一細胞の多様な情報を同時に取得できるマルチモーダル技術が出現して以降、より包括的な生物学的システムの理解を得るために、これらの技術が急速にバイオメディカル研究に組み込まれています。このような問題に関する現存の多様性解析方法では、両方のモダリティの軸を集約することに焦点が置かれており、それぞれのモダリティに一意な軸と共有される軸を分離・量子化するための計算方法が欠けていることが問題点として挙げられます。

1. 本研究の目的及び学術的独自性と創造性は？

• 本研究は、異なるモダリティでprofileされたデータを分析する「Tilted-CCA」という行列分解法を提案し、様々な多様なバイオロジカルシステムにおいて、転写体とクロマチンのアクセシビリティの間に存在する関係性に基づいて、ターゲットサーフェス抗体パネルの選択、細胞の発展的状態の洞察を提供することを目指しています。

1. 本研究の着想に至った経緯や、関連する国内外の研究動向と本研究の位置づけは？

• 最近、異なるデータモダリティをプロファイリングすることで、単一細胞のデータ解析の難しさが解決されることが証明されました。このような背景から、本研究では、異なるモダリティのデータについてより詳細な解析を行い、より包括的で詳細な生物学的システムの理解を得ることを目指しました。

1. 本研究で何をどのように、どこまで明らかにした？

• 本研究では、マルチモーダルデータセットを解析する方法である"Tilted-CCA"を提案し、転写体とクロマチンのアクセシビリティの間の重要性を明らかにしました。この方法により、細胞の発展的状態の洞察や、ターゲットサーフェス抗体パネルの選択に役立つことが示されました。

1. 本研究の有効性はどのように検証した？

• 本研究では、主にTilted-CCAを使用して、異なるモダリティのデータから有用な情報を抽出することができることを示すために、いくつかの分析が行われました。詳細な検証に関する記述はありません。