缓解基因型驱动偏倚提升图谱规模单细胞 DNA 甲基化组分析

单细胞DNA甲基化测序近年来快速走向规模化：从早期可高通量产出单细胞甲基化谱的sci-MET方法^[1]，到覆盖数十万细胞、构建全脑甲基化细胞分类的图谱级工作^[2]，细胞类型分辨的甲基化图谱已成为现实。这类技术的共同基础是亚硫酸氢盐处理——未甲基化的胞嘧啶被转换为尿嘧啶而在测序中读作T，以此与保留为C的甲基化胞嘧啶区分，这也是从RRBS到单细胞方法一脉相承的核心化学原理^[3][4]。但这一原理内嵌了一个隐患：基因组上真实存在的C到T遗传变异，在测序读段上与转换事件无法直接区分。过去多数分析聚焦于单个个体或参考基因组匹配度高的样本，问题不突出；而当图谱研究采用混池设计、把多个遗传背景不同的个体放在同一批里分析时，基因型差异就会被误读为甲基化差异。在单细胞亚硫酸氢盐数据本就稀疏的情况下，这种混淆会波及甲基化定量、特征选择、聚类乃至差异甲基化区域（DMR）检测等多个下游环节。

这项研究提出的应对策略并不复杂，却切中要害：在下游甲基化定量和特征选择之前，先把变异位点屏蔽掉。作者用一套来自10名遗传背景多样的健康个体、共计25,674个人血细胞核的sci-MET数据进行验证。结果显示，屏蔽供体基因型引入的偏差后，聚类中供体相关的混杂效应明显减弱；在同一种细胞类型内部，此前被判定为样本特异的假阳性DMR数量也减少了。基准测试进一步表明，与不做处理的流程相比，这一策略在改善批次混合的同时更好地保留了数据中的生物学变异。

相对已有认识，这项工作的推进在于把单细胞甲基化分析从"如何测得多、测得准"的技术竞赛^[1][2]，延伸到了"如何在多个体混池设计中测得不被基因型污染"的分析层问题。此前图谱级研究已经证明大规模甲基化细胞分类的可行性^[2]，而本研究指出了一个此前容易被忽视、却会系统性扭曲聚类和DMR结论的混杂来源，并给出了可在分析流程中直接落地的修正方案。这对以混池设计为常态的队列级、图谱级研究尤其具有实用价值。

当然，论文的验证目前集中在一套人血细胞核数据上，屏蔽变异也只能缓解而非彻底消除偏差，正如摘要标题中"mitigating"一词所示；这一策略在其他组织、其他甲基化测序平台以及更大规模、遗传背景更复杂队列中的表现，仍有待进一步检验。

（利益冲突声明见原文：B.T.持有10x Genomics股票。）