scATAC-seq 解析の全体像 ─ 何を、どの順番で行うのか

scATAC-seq（single-cell ATAC-seq／核を使う場合は snATAC-seq）は、1細胞ごとに「ゲノムのどこが開いているか」を測る手法です。この記事では、解析の全体像を地図として示し、どの順番で何を行うのかを俯瞰します。

1. scATAC-seq とは何か

ATAC-seq は、開いたクロマチン（DNAが露出してアクセス可能になった領域）を検出する手法です。それを1細胞ごとに測るのが scATAC-seq。細胞ごとに「ゲノムのどこが開いているか」が分かります。

scRNA-seq が「どの遺伝子が働いているか（mRNA量）」を見るのに対し、scATAC は「どの遺伝子が働ける状態か」という制御の上流を見ます。両者は補い合う関係です。

2. 解析の全体マップ

scATAC 解析は大きく3ブロックです。前処理でデータを整え、アノテーションで細胞に名前を付け、下流解析で生物学的な問いに答えます。全体を1枚にまとめます。

各ブロックの中身（具体的なコードや手法）は、それぞれの記事に譲ります。この記事は地図に徹します。

3. 各ブロックの入口

前処理：生データ（フラグメント＝Tn5酵素がゲノムを切って生じるDNA断片）からピーク（開いた領域）を検出し、細胞×ピーク行列を作ります。ATAC特有の品質管理（QC）指標や、RNAとは異なる次元削減（TF-IDF/LSI）を経てクラスタリングまで進めます。
→ scATAC-seq 前処理の全体像

アノテーション：できたクラスタに細胞型（T細胞・B細胞など）を付けます。RNAが無いので、遺伝子活性スコア（開閉から発現を推定）、RNA参照からのラベル転移、モチーフ解析などを使います。
→ scATAC-seq のアノテーション全体像

下流解析：細胞型ごとに「どの領域が開いているか」の差（差次的アクセシビリティ）や、ピーク同士の連結を調べます。さらに発展として遺伝子制御ネットワークやマルチオミクスへ広がります。
→ scATAC-seq 下流解析の全体像

4. ツールの方針

本サイトは Python系の SnapATAC2 を主軸に進めます。前処理からアノテーションまで一貫して扱え、深層学習にも繋げやすいためです。選定の理由は、三強（Signac・ArchR・SnapATAC2）を比較した別記事で詳しく解説しています。
→ scATAC-seq 解析ツールの選び方

まとめ

• scATAC は「ゲノムのどこが開いているか」を1細胞ごとに測る手法。
• 解析は 前処理 → アノテーション → 下流解析 の3ブロック。
• 本サイトは SnapATAC2（Python系）で進める。

関連記事

• scATAC-seq 解析ツールの選び方 ─ Signac・ArchR・SnapATAC2 を比較する
• scATAC-seq 前処理の全体像
• scATAC-seq のアノテーション全体像
• scATAC-seq 下流解析の全体像

参考文献

• Buenrostro, J. D., Giresi, P. G., Zaba, L. C., Chang, H. Y., & Greenleaf, W. J. (2013). Transposition of native chromatin for fast and sensitive epigenomic profiling of open chromatin, DNA-binding proteins and nucleosome position. Nature Methods, 10(12), 1213–1218. doi:10.1038/nmeth.2688
• Zhang, K., Zemke, N. R., Armand, E. J., & Ren, B. (2024). A fast, scalable and versatile tool for analysis of single-cell omics data. Nature Methods, 21(2), 217–227. doi:10.1038/s41592-023-02139-9