三维基因组反映了染色质在细胞核内的空间组织方式,与基因转录、DNA复制等重要生物过程密切相关。随着单细胞三维基因组(single-cell Hi-C, scHi-C)测序技术的发展,研究者得以在单细胞分辨率下分析细胞间的染色质空间组织差异。这类数据通常表示为染色质接触图的形式,其中不同基因组区域之间的接触反映了它们在细胞核中的空间邻近关系。然而,受测序覆盖度等因素限制,单细胞 Hi‑C 接触图通常高度稀疏;同时,染色质组织具有从局部区域到整条染色体的多尺度特征。因此,如何从有限的观测接触中提取多尺度组织信息,是单细胞三维基因组数据分析面临的关键问题。
为解决这一问题,复旦大学陈晓阳助理教授团队联合清华大学江瑞教授团队提出了单细胞三维基因组语言模型Hi-Cformer。Hi-Cformer通过构建多尺度的三维基因组“细胞语句”,利用Transformer学习不同尺度结构的关联信息,捕获细胞异质性。基于这一建模思路,Hi-Cformer可用于细胞表征、染色质接触图插补、三维基因组结构解析和细胞类型注释等多项下游任务。
Hi-Cformer的核心思想是将单个细胞内二维的染色质接触图转换为包含不同染色体、不同位置和不同尺度结构信息的“细胞语句”(图1)。Hi-Cformer首先分别将染色体级接触图和不同尺度的局部接触图块编码为嵌入,并将这些嵌入按预设顺序组成类词元序列,从而同时保留全局和局部的染色质结构信息。在序列词元中加入染色体、图块尺度和基因组位置嵌入后,模型将序列输入 Transformer,以建模不同区域和尺度之间的上下文依赖关系。模型通过多尺度自监督掩码重建任务进行训练,从而学习可用于下游任务的细胞和上下文化的词元表征。
![]()
图1|Hi-Cformer模型结构及应用。
Hi-Cformer有效表征单细胞三维基因组异质性。在人类细胞系、人类前额叶和小鼠脑发育等不同来源的数据中,Hi-Cformer取得了优于现有方法的细胞表征效果,模型性能相较于在NMI和ARI两个聚类指标上分别提升了6.41%和29.35%。Hi-Cformer能够准确区分出人类前额叶中结构差异较为细微的神经元亚型,也能够准确识别出人类不同细胞系数据中,数量较少的细胞群体,体现了模型对细粒度细胞异质性的刻画能力。
Hi-Cformer有效增强染色质接触信号,并支持多尺度三维基因组结构解析。与现有数据增强方法相比,Hi-Cformer增强后的接触图与高测序深度的细胞群(Bulk)数据具有更高的一致性,能够稳定恢复出与细胞类型异质性相关的局部接触图。进一步地分析发现,Hi-Cformer增强后的数据能够更好地解析A/B区室(A/B compartment)和拓扑关联结构域结构(Topologically Associating Domains),并能够为染色质环、增强子-启动子相互作用等更精细尺度的结构分析提供支持。
以K562和GM12878两种人类细胞系为例,原来的单细胞数据难以区分出ABL1基因附近的局部染色质结构差异,而Hi-Cformer增强后的接触图更加清晰地呈现了这一现象(图2)。ABL1是与慢性髓性白血病密切相关的经典致癌基因,K562细胞携带由9号和22号染色体易位形成的BCR-ABL融合基因,而GM12878细胞不携带该融合基因;同时,K562细胞在该区域具有更强的H3K27ac信号。Hi-Cformer有效地恢复出了这一局部差异,证明了其增强多尺度三维基因组结构的能力。
![]()
图2|Hi-Cformer恢复染色质接触并解析多尺度三维基因组结构。
Hi-Cformer实现准确、稳健的细胞类型注释。基于模型学习得到的细胞表征,Hi-Cformer通过可进一步做细胞类型注释。在5个基准数据集上,与现有的注释方法相比,Hi-Cformer在准确率、卡帕系数和宏F1分数三项指标上均取得更优表现,平均分别提高6.24%、8.03%和14.00%,尤其在存在数量较少的细胞类型和相近神经元亚型场景下优势更加明显。在跨数据集场景,Hi-Cformer同样可以不同来源和实验条件的小鼠脑数据间进行准确地细胞类型注释。
综合而言,Hi-Cformer通过构建多尺度三维基因组细胞语句,通过Transformer模型有效提取到细胞核内染色质的空间组织方式,并可支持可支持细胞表征、接触图插补、多尺度结构分析和细胞类型注释等任务,其类词元表示与自监督训练策略为从大规模单细胞三维基因组数据中学习可迁移表征提供了一种方法路径。
Hi-Cformer于2026年8月28日发表在《Science Advances》。论文第一作者是清华大学自动化系2024级硕士生吴晓晴,通信作者是复旦大学生物医学工程学院助理教授陈晓阳和清华大学自动化系长聘教授江瑞,其他作者包括清华大学自动化系2024级博士生王子安。论文得到了国家重点研发计划(2025YFC3409300、2023YFF1204802)、国家自然科学基金(32550616、62273194),以及北京市自然科学基金(L242026)的资助。
论文信息:
Wu, X., Wang, Z., Jiang, R. & Chen, X. Hi-Cformer enables multi-scale chromatin contact map modeling for single-cell Hi-C data analysis. Science Advances (2026). https://doi.org/10.1126/sciadv.aeg0134
01
02
03
04
05
快点亮"在看”吧!
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.