The Question

Single-cell RNA sequencing revolutionised our understanding of cellular heterogeneity, but gene expression is only one layer of cellular identity. Chromatin accessibility (ATAC-seq), DNA methylation, histone modifications, and protein abundance all contribute to cell state. Single-cell multi-omics technologies now measure two or more of these layers simultaneously in the same individual cell, enabling direct interrogation of regulatory relationships: which chromatin changes drive which gene expression changes in which cell types? But the computational challenge is formidable — how do you integrate sparse, noisy measurements across modalities to extract biological insight?

Landscape

T. Wang et al. (2024) in Nature Cell Biology, applied single-cell multi-omics (transcriptome + chromatin accessibility + DNA methylation) to human preimplantation embryos, identifying cytoskeletal defects during embryonic arrest. This study demonstrated the power of multi-omics at the single-cell level: transcriptomic changes alone would not have revealed the epigenetic dysregulation underlying arrested development.

C. Huang et al. (2024) created scCancerExplorer — a pan-cancer database for interactively exploring single-cell multi-omics data across cancer types. By integrating genomic, epigenomic, and transcriptomic alterations at single-cell resolution, the database enables researchers to identify cancer-type-specific regulatory programmes and potential therapeutic targets.

Computationally, Mao et al. (2025) developed HALO — a hierarchical causal modelling framework that goes beyond correlation to infer causal relationships between chromatin accessibility and gene expression. Their key insight: open chromatin does not always predict active transcription; the relationship is modality-specific and context-dependent.

H. Li et al. (2025), published in Nature Methods, introduced scMultiSim — a simulation tool for benchmarking single-cell multi-omics integration methods. By generating realistic synthetic data with known ground truth, scMultiSim enables fair comparison of the rapidly growing number of computational integration methods.

Key Claims & Evidence

Open Questions

Referenced Papers

• [1] Huang, C. et al. (2024). scCancerExplorer: pan-cancer single-cell multi-omics database. bioRxiv. DOI: 10.1101/2024.06.24.600356
• [2] Wang, T. et al. (2024). Single-cell multi-omics of human preimplantation embryos. Nature Cell Biology. DOI: 10.1038/s41556-023-01328-0
• [3] Shi, Z. et al. (2025). MomicPred: Cell Cycle Prediction from Single-Cell Multi-Omics. IEEE J. Biomedical and Health Informatics. DOI: 10.1109/JBHI.2025.3595904
• [4] Li, H. et al. (2025). scMultiSim: simulation of single-cell multi-omics and spatial data. Nature Methods. DOI: 10.1038/s41592-025-02651-0
• [5] Mao, H. et al. (2025). HALO: hierarchical causal modeling for single-cell multi-omics. Nature Communications. DOI: 10.1038/s41467-025-63921-1

면책 조항: 이 게시물은 정보 제공 목적의 연구 동향 개요이다. 학술 연구에서 인용하기 전에 구체적인 연구 결과, 통계 및 주장은 원본 논문을 통해 확인해야 한다.

단일세포 멀티-오믹스: 하나의 세포에서 게놈, 에피게놈, 전사체의 통합

분야: 생물학 | 방법론: 계산-실험적

저자: Sean K.S. Shin | 날짜: 2026-03-17

연구 질문

단일세포 RNA 시퀀싱은 세포 이질성에 대한 이해를 혁신적으로 변화시켰으나, 유전자 발현은 세포 정체성의 한 층위에 불과하다. 크로마틴 접근성(ATAC-seq), DNA 메틸화, 히스톤 변형, 단백질 함량 모두 세포 상태에 기여한다. 단일세포 멀티-오믹스 기술은 이제 동일한 개별 세포에서 이러한 층위 중 두 가지 이상을 동시에 측정함으로써, 조절 관계를 직접적으로 규명할 수 있게 한다: 어떤 크로마틴 변화가 어떤 세포 유형에서 어떤 유전자 발현 변화를 유도하는가? 그러나 계산적 과제는 만만치 않다 — 생물학적 통찰을 도출하기 위해 여러 모달리티에 걸친 희박하고 잡음이 많은 측정값들을 어떻게 통합할 것인가?

연구 동향

T. Wang 등(2024)은 Nature Cell Biology에서 단일세포 멀티-오믹스(전사체 + 크로마틴 접근성 + DNA 메틸화)를 인간 착상 전 배아에 적용하여, 배아 발달 정지 중 세포골격 결함을 규명하였다. 이 연구는 단일세포 수준에서 멀티-오믹스의 강점을 입증하였다: 전사체 변화만으로는 발달 정지의 근간이 되는 후성유전학적 조절 이상을 밝혀낼 수 없었을 것이다.

C. Huang 등(2024)은 암 유형에 걸쳐 단일세포 멀티-오믹스 데이터를 대화형으로 탐색하기 위한 범암 데이터베이스인 scCancerExplorer를 구축하였다. 단일세포 해상도에서 게놈, 에피게놈, 전사체 변이를 통합함으로써, 이 데이터베이스는 연구자들이 암 유형 특이적 조절 프로그램과 잠재적 치료 표적을 규명할 수 있게 한다.

계산적 측면에서, Mao 등(2025)은 크로마틴 접근성과 유전자 발현 간의 인과 관계를 상관관계를 넘어 추론하는 계층적 인과 모델링 프레임워크인 HALO를 개발하였다. 그들의 핵심 통찰은 다음과 같다: 열린 크로마틴이 항상 활성 전사를 예측하지는 않으며, 그 관계는 모달리티 특이적이고 맥락 의존적이다.

H. Li 등(2025)은 Nature Methods에 단일세포 멀티-오믹스 통합 방법의 벤치마킹을 위한 시뮬레이션 도구인 scMultiSim을 발표하였다. 알려진 실측 자료(ground truth)를 갖는 현실적인 합성 데이터를 생성함으로써, scMultiSim은 빠르게 증가하는 계산적 통합 방법들의 공정한 비교를 가능하게 한다.

주요 주장 및 근거

미해결 질문