マルチオミクス前処理の全体像 ─ RNA・ATAC を統合に載せるまで

Multiomics
2026.07.11
📚 この記事について
マルチオミクス・シリーズの前処理ハブです。RNA と ATAC を統合に載せるまでの前処理の全行程を1枚の地図として示し、各ステップの詳しい記事と、scRNA-seq・scATAC-seq の各シリーズへの入口になります。専門用語はその都度説明します。
🔙 前の記事：シングルセル・マルチオミクス解析の全体像（統合からGRNまで）
🔜 次の記事：「マルチオミクスのデータ構造 ─ AnnData から MuData / muon へ」
📌 前提：不要 ─ 各ステップの基礎はこの記事群で説明します（さらに詳しくは scRNA-seq・scATAC-seq の各シリーズへリンク）

シングルセル・マルチオミクス（single-cell multiomics／scRNA-seq と scATAC-seq の統合解析）は、統合の前に RNA と ATAC をそれぞれ整える前処理があって初めて成立します。前処理でつまずくと、その後の統合も GRN 推論も土台から崩れます。本記事は、RNA と ATAC を統合に載せるまでの前処理の全行程を1枚の地図として示すハブです。

1. なぜ「統合に向けた前処理」で捉え直すのか

RNA・ATAC それぞれに、単独解析でおなじみの前処理があります。ただしマルチオミクスでは、その前処理を「統合に載せる」という目的から捉え直す必要があります。単独解析のつもりで進めると、統合の段階で入力が合わない、という事態が起きます。肝は2つです。

💡 統合に向けた前処理の2つの肝
(1) 共通の土台に載せる：ペア（同一細胞計測）なら RNA と ATAC を同じ細胞軸にそろえ、非ペア（別々に計測）なら比較できる特徴（遺伝子とピークの対応）に落とし込みます。
(2) 生カウントを壊さない：MultiVI などの深層生成モデルは生カウントを入力に取り、正規化・バッチ補正まで内部で行う設計です（Lopez et al., Nat. Methods, 2018／Ashuach et al., Nat. Methods, 2023）。古典的な log 正規化・スケーリング・PCA を先に済ませてしまうと、モデルに渡すべき生カウントが失われます。正規化した値とは別に、生カウントを残しておきます。

この2点を意識すると、前処理は「単独解析の前処理」ではなく「統合に向けた前処理」になります。各モダリティの具体的な手順は次回以降の各記事で扱い、ここでは全体の地図を示します。

2. 前処理の全体像（地図）

前処理は、RNA と ATAC の2本のトラックを並行して進め、最後に「統合できる状態」で合流させる、という流れです。まず地図で全体をつかみます。

図：前処理の全体像。RNA トラックと ATAC トラックを並行して QC・ダブレット除去・特徴選択まで進め、生カウントを保持したまま「統合できる状態」に合流させる。
図：前処理の全体像。RNA トラックと ATAC トラックを並行して QC・ダブレット除去・特徴選択まで進め、生カウントを保持したまま「統合できる状態」に合流させる。

RNA も ATAC も、大きな流れ（行列を作る → QC → ダブレット除去 → 特徴選択）は共通です。違うのは各ステップの中身と、ATAC 特有の指標です。以下、共通の土台（データ構造）から順に見ていきます。

3. 共通の土台 ─ データ構造（AnnData → MuData / muon）

2つのモダリティを扱うには、まずそれらを1つのオブジェクトにまとめる入れ物が要ります。単独解析で使う AnnData（1モダリティ用）の上位として、MuData / muon（複数モダリティ用）があります。

💡 MuData / muon とは
MuData は、RNA と ATAC をそれぞれ AnnData として保持しつつ、細胞の対応や共通のメタデータを束ねる階層コンテナです（Bredikhin et al., Genome Biol., 2022）。ペアなら同じ細胞が両モダリティに並び、非ペアなら別々の細胞集団を並べて保持できます。以降の QC・統合・下流は、この入れ物の上で進めます。
図：MuData のデータ構造。RNA（cells × genes）と ATAC（cells × peaks）をそれぞれ AnnData として保持し、細胞メタデータ（obs）を共有して1つのコンテナに束ねる。
図：MuData のデータ構造。RNA（cells × genes）と ATAC（cells × peaks）をそれぞれ AnnData として保持し、細胞メタデータ（obs）を共有して1つのコンテナに束ねる。

AnnData 自体の構造（.X／.obs／.var／.layers など）は AnnData のデータ構造 に、MuData への拡張は「マルチオミクスのデータ構造」で詳しく扱います。

4. RNA 側の前処理 ─ 統合に向けて

RNA 側は、単独の scRNA-seq 前処理とほぼ同じ流れです。QC（ミトコンドリア遺伝子の割合・検出遺伝子数・総カウント数で低品質細胞を除く）、ダブレット除去（Scrublet など；Wolock et al., Cell Syst., 2019）、HVG（高変動遺伝子）選択まで進めます（Scanpy；Wolf et al., Genome Biol., 2018）。

⚠️ 注意点：生カウントを残す
統合に MultiVI／scVI を使うなら、生カウントを保持したまま渡します。log 正規化・スケーリングした行列をそのまま入力すると、モデルが前提とする生カウントが失われます。正規化した値は可視化・マーカー確認に使い、モデル入力用の生カウントは別レイヤー（.layers）に残す、という二本立てにします。
図：生カウントを別に残す。.X には可視化用の正規化値、.layers['counts'] にはモデル入力用の生カウントを保持し、正規化した .X はモデルに渡さない。
図：生カウントを別に残す。.X には可視化用の正規化値、.layers[‘counts’] にはモデル入力用の生カウントを保持し、正規化した .X はモデルに渡さない。

各手順の詳細（QC 閾値の決め方、正規化の考え方）は scRNA-seq 前処理の全体像 が詳しく、統合向けの具体的な手順は「scRNA-seq 側の前処理」で扱います。

5. ATAC 側の前処理 ─ 統合に向けて

ATAC 側は、RNA とは指標が異なります。ATAC-seq は開いたクロマチンを検出する手法で（Buenrostro et al., Nat. Methods, 2013）、QC では総フラグメント数に加え、TSS（転写開始点）濃縮やヌクレオソーム由来のフラグメント長パターンを見ます。特徴はピーク（もしくはゲノムを等間隔で区切ったタイル）で表し、ダブレットは ATAC 専用の手法（AMULET；Thibodeau et al., Genome Biol., 2021）で除きます。

図：ATAC の QC 指標。左＝TSS 濃縮プロファイル（TSS 付近でシグナルが高いほど良い）、右＝フラグメント長分布（ヌクレオソーム周期のバンドが見える）。
図：ATAC の QC 指標。左＝TSS 濃縮プロファイル（TSS 付近でシグナルが高いほど良い）、右＝フラグメント長分布（ヌクレオソーム周期のバンドが見える）。
💡 ツールと、古典 vs 深層の入力の違い
実装は Python の SnapATAC2（Zhang et al., Nat. Methods, 2024）、R の Signac（Stuart et al., Nat. Methods, 2021）や ArchR（Granja et al., Nat. Genet., 2021）が代表で、ピーク検出には MACS（Zhang et al., Genome Biol., 2008）を使います。次元削減は古典的には TF-IDF → LSI（Cusanovich et al., Science, 2015）ですが、深層生成モデル（PeakVI／MultiVI）に渡すなら、RNA と同じく生のピークカウントを保持します。
図：特徴の作り方。ピークはシグナルのある領域だけを可変長で切り出し、タイルはゲノムを等間隔（固定幅）で区切る。
図：特徴の作り方。ピークはシグナルのある領域だけを可変長で切り出し、タイルはゲノムを等間隔（固定幅）で区切る。

ATAC 単独の前処理・下流の詳細は scATAC-seq 解析の全体像 にまとまっています。統合向けの具体的な手順は「scATAC-seq 側の前処理」で扱います。

6. ペアと非ペアで前処理はどう変わるか

ここまでは RNA・ATAC を別々に見てきましたが、ペアか非ペアかで合流のさせ方が変わります。これはハブ記事で述べた最重要の軸（ペア／非ペア）が、前処理にも効いてくる場面です。

図：ペアと非ペアで前処理はどう変わるか。ペアは同じ細胞バーコードを共有するため合同 QC で細胞軸をそろえ、非ペアは各モダリティを独立に前処理して、特徴をリンクできる形に整える。
図：ペアと非ペアで前処理はどう変わるか。ペアは同じ細胞バーコードを共有するため合同 QC で細胞軸をそろえ、非ペアは各モダリティを独立に前処理して、特徴をリンクできる形に整える。

ペア（10x Multiome）は、同じ細胞から両モダリティを測るため、細胞バーコードが共有されます。ここで大切なのが合同 QCで、RNA と ATAC の両方で品質基準を満たした細胞だけを残すことで、両モダリティの細胞軸をきれいにそろえます。手順の詳細は「ペアデータの合同 QC」（近日公開）で扱います。

非ペアは、別々の実験でバーコードが共有されないため、各モダリティを独立に前処理します。その代わり、統合の段階で特徴どうしをリンクできる形（遺伝子とピークの対応）に整えておくことが要点で、この対応は非ペア統合（scGLUE など）の guidance graph に使われます。

7. 前処理のゴール ─ 「統合できる状態」

前処理のゴールは、次の「統合できる状態」に到達することです。ここに来たら、統合スポーク（ハブ記事の①ブロック）へ進みます。

💡 「統合できる状態」チェックリスト
共通の土台：ペアなら同じ細胞軸、非ペアなら比較できる特徴になっている。
QC 通過：低品質細胞・ダブレットを除いてある。
生カウント保持：深層生成モデル用に生カウントを残してある。
バッチ情報：サンプル・実験由来の情報を .obs に記録してある。
同じ入れ物：両モダリティが MuData など1つのコンテナに入っている。

この状態になれば、ペアなら MultiVI、非ペアなら scGLUE、というように統合ツールを選ぶだけです。次回以降は、この地図の各ステップを1本ずつ、具体的なコードとともに掘り下げます。

まとめ

  • 前処理は「単独解析の前処理」ではなく「統合に向けた前処理」として捉え直す。肝は共通の土台と生カウント保持。
  • 深層生成モデル（MultiVI／scVI）は生カウントを入力に取る。log 正規化・PCA を先に済ませず、生カウントを別に残す。
  • 入れ物は MuData / muon。RNA と ATAC を1つのコンテナに束ね、以降の解析を進める。
  • ペアは合同 QC で細胞軸をそろえ、非ペアは独立前処理＋特徴のリンク準備。
  • ゴールは「統合できる状態」。ここから統合スポークへ。

関連記事

参考文献

  • Bredikhin, D., Kats, I., & Stegle, O. (2022). MUON: multimodal omics analysis framework. Genome Biology, 23, 42. doi:10.1186/s13059-021-02577-8
  • Wolf, F. A., Angerer, P., & Theis, F. J. (2018). SCANPY: large-scale single-cell gene expression data analysis. Genome Biology, 19, 15. doi:10.1186/s13059-017-1382-0
  • Lopez, R., Regier, J., Cole, M. B., Jordan, M. I., & Yosef, N. (2018). Deep generative modeling for single-cell transcriptomics. Nature Methods, 15(12), 1053–1058. doi:10.1038/s41592-018-0229-2
  • Ashuach, T., Gabitto, M. I., Koodli, R. V., et al. (2023). MultiVI: deep generative model for the integration of multimodal data. Nature Methods, 20(8), 1222–1231. doi:10.1038/s41592-023-01909-9
  • Wolock, S. L., Lopez, R., & Klein, A. M. (2019). Scrublet: Computational Identification of Cell Doublets in Single-Cell Transcriptomic Data. Cell Systems, 8(4), 281–291. doi:10.1016/j.cels.2018.11.005
  • 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
  • Cusanovich, D. A., Daza, R., Adey, A., et al. (2015). Multiplex single-cell profiling of chromatin accessibility by combinatorial cellular indexing. Science, 348(6237), 910–914. doi:10.1126/science.aab1601
  • 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
  • Stuart, T., Srivastava, A., Madad, S., Lareau, C. A., & Satija, R. (2021). Single-cell chromatin state analysis with Signac. Nature Methods, 18(11), 1333–1341. doi:10.1038/s41592-021-01282-5
  • Granja, J. M., Corces, M. R., Pierce, S. E., et al. (2021). ArchR is a scalable software package for integrative single-cell chromatin accessibility analysis. Nature Genetics, 53(3), 403–411. doi:10.1038/s41588-021-00790-6
  • Zhang, Y., Liu, T., Meyer, C. A., et al. (2008). Model-based Analysis of ChIP-Seq (MACS). Genome Biology, 9(9), R137. doi:10.1186/gb-2008-9-9-r137
  • Thibodeau, A., Eroglu, A., McGinnis, C. S., et al. (2021). AMULET: a novel read count-based method for effective multiplet detection from single nucleus ATAC-seq data. Genome Biology, 22, 252. doi:10.1186/s13059-021-02469-x

コメント

タイトルとURLをコピーしました