É o scRNA-seq Suficiente? Um Guia Orientado por Questões Biológicas para Multiome de Célula Única

Intenção Meta: Ajudar investigadores principais e investigadores seniores que já utilizam sequenciação de RNA de célula única a determinar, com base na sua hipótese biológica específica, se a atualização para multioma de célula única (RNA + ATAC, RNA + proteína ou combinações de ordem superior) é cientificamente justificada - sem assumir por default que mais modalidades são sempre melhores.

A sequenciação de RNA de célula única (scRNA-seq) transformou a forma como descobrimos tipos celulares, mapeamos trajetórias de desenvolvimento e caracterizamos a heterogeneidade das doenças. Mas à medida que os projetos amadurecem e as questões biológicas se aprofundam, muitos investigadores enfrentam a mesma questão: Devo continuar a aumentar a escala do scRNA-seq ou é hora de adicionar outra modalidade?

A resposta não é "a multiómica é mais avançada." A resposta depende inteiramente do que precisa de ver. Cada camada de modalidade - acessibilidade da cromatina, abundância de proteínas, metilação do DNA - revela um aspecto distinto da biologia celular que o scRNA-seq sozinho não consegue acessar. A decisão de as adicionar deve ser guiada pela sua hipótese, não pelo impulso tecnológico.

Este guia fornece uma estrutura prática para essa decisão. Abordamos o que o scRNA-seq pode e não pode dizer, que informação biológica cada modalidade de multioma acrescenta, quatro cenários de decisão comuns, compromissos de design experimental ao fazer um upgrade e limitações a considerar antes de adicionar complexidade.

O que o scRNA-seq faz bem - e onde para

scRNA-seq mede o transcriptoma poliadenilado com resolução de célula única. Quando a sua questão biológica se centra na expressão génica - quais genes estão ativados, em quais células, e como esses padrões mudam em diferentes condições - o scRNA-seq é uma solução madura, bem suportada e custo-efetiva.

Perguntas scRNA-seq respondem diretamente:

• Quais tipos de células estão presentes na minha amostra de tecido e quais são as suas assinaturas transcricionais?
• Quais genes estão diferencialmente expressos entre condições e em quais tipos de células?
• Quais são as trajetórias de desenvolvimento ou transição que as células seguem?
• Como é que a heterogeneidade da expressão génica se relaciona com o estado da doença ou a resposta ao tratamento?

Estas são questões de transcrição, e para estas, o scRNA-seq fornece respostas de alta qualidade. A tecnologia beneficia-se de anos de otimização de protocolos (10x Genomics Chromium, Drop-seq, Smart-seq2), pipelines computacionais maduros (Seurat, Scanpy, Monocle) e um vasto conhecimento da comunidade sobre normalização, correção de lote e agrupamento.

O que é scRNA-seq não pode ver, no entanto, é igualmente importante. O transcriptoma não é a célula inteira. Várias dimensões biológicas críticas permanecem opacas à medição de RNA apenas:

• Acessibilidade da cromatina. A expressão génica é regulada pelo estado da cromatina, mas o scRNA-seq captura apenas o produto final de RNA. Os eventos regulatórios que precedem a transcrição - a ligação de fatores de transcrição, a ativação de potenciadores, o posicionamento de nucleossomas - são invisíveis.
• Abundância de proteínas. A correlação entre os níveis de mRNA e de proteína é modesta (r ≈ 0,3-0,5), devido à regulação pós-transcricional, taxas de tradução diferenciadas e rotatividade de proteínas. Uma alteração no RNA não garante uma alteração na proteína, e vice-versa.
• Contexto espacial. A scRNA-seq padrão requer dissociação do tecido, o que destrói as relações espaciais. A sinalização dependente de vizinhança, a arquitetura do tecido e as interações com o microambiente são perdidas.
• Arquitetura clonal. A similaridade transcricional não implica parentesco genético. Sem informações a nível genómico, a scRNA-seq não consegue distinguir populações clonais dentro de grupos celulares transcricionalmente semelhantes.

Reconhecer estas fronteiras não é uma fraqueza da scRNA-seq - é simplesmente a definição do que é o transcriptoma. A questão é saber se a sua hipótese ultrapassa estas fronteiras. Quando a resposta é que a sua questão permanece firmemente transcricional, uma execução bem feita RNA-Seq O experimento com números de células adequados e réplicas continua a ser o caminho mais eficiente para um resultado claro.

Figura 1: A Fronteira de Informação do scRNA-seq

O que o Multiome de Célula Única na Realidade Adiciona - Três Camadas de Informação Biológica

O multioma de célula única abrange várias combinações de modalidades distintas. Cada combinação adiciona um tipo específico de informação biológica que apenas o RNA não pode fornecer. Compreender essas diferenças é essencial para escolher o caminho de atualização correto.

Camada 1 - RNA + ATAC (Acessibilidade da Cromatina)

A abordagem de multioma mais amplamente adotada perfila simultaneamente a expressão génica e a acessibilidade da cromatina a partir do mesmo núcleo. As tecnologias incluem a plataforma 10x Genomics Chromium Single Cell Multiome ATAC + Expressão Génica e alternativas emergentes de menor custo, como o Parallel-seq.Cell Reports Métodos, 2025).

Esta combinação acrescenta três capacidades biologicamente distintas:

• Ligação de funcionalidades. Ao medir picos de ATAC-seq e a expressão génica a partir do mesmo núcleo, os dados multiome podem ligar regiões de cromatina aberta aos seus genes-alvo dentro de células individuais. Isto revela pares de potenciadores-promotores, elementos cis-regulatórios candidatos e a paisagem de cromatina que molda a expressão específica de tipo celular.
• Potencial da cromatina. A acessibilidade da cromatina em elementos reguladores muitas vezes muda antes da expressão génica. Este "potencial da cromatina" pode prever decisões sobre o destino celular mais cedo do que as alterações no transcriptoma - particularmente valioso para a análise de trajetórias de desenvolvimento.
• Pé da impressão do motivo do fator de transcrição. Regiões de cromatina aberta contêm motivos de sequência para fatores de transcrição. Ao analisar quais motivos estão acessíveis em quais células, os investigadores podem inferir a atividade dos fatores de transcrição com resolução a nível de célula única, proporcionando uma compreensão mecanística sobre quais reguladores impulsionam os programas de expressão observados. Para projetos em que a acessibilidade da cromatina é a única questão principal, de forma independente ATAC-Seq permanece uma opção comprovada; a atualização multiome adiciona valor especificamente ao ligar estes eventos regulatórios à expressão génica dentro da mesma célula.

Figura 2: Camadas de Informação Multiome de RNA + ATAC

Camada 2 - RNA + Proteína (CITE-seq / Métodos de Anticorpo-Oligo)

CITE-seq (Indexação Celular de Transcritos e Epítopos por Sequenciação) e métodos relacionados (REAP-seq, ASAP-seq) utilizam oligonucleotídeos conjugados a anticorpos para medir simultaneamente a abundância de proteínas na superfície celular juntamente com o transcriptoma.

Esta combinação aborda a lacuna bem documentada entre os níveis de RNA e proteína. Para muitos marcadores funcionais - particularmente proteínas de pontos de controlo imunitário, recetores de citocinas e moléculas de sinalização - a abundância de transcritos é um mau indicador da expressão de proteínas na superfície. O CITE-seq fornece uma medição direta de proteínas sem necessitar de um experimento separado de citometria de fluxo.

O CITE-seq é especialmente valioso para:

• Anotação do estado das células imunes. Os marcadores de proteínas na superfície celular definem subtipos de células imunes com maior resolução do que os dados do transcriptoma isoladamente. Distinguir células T naïve de células T de memória, identificar células T reguladoras ou caracterizar subpopulações mieloides é substancialmente mais preciso quando 100-200 marcadores de proteínas na superfície são medidos juntamente com o transcriptoma.
• Descoberta de biomarcadores acessíveis a anticorpos. Quando o objetivo é identificar marcadores que possam ser traduzidos para aplicações translacionais, medir proteínas de superfície liga diretamente a descoberta à aplicação.
• Multiplexação de amostras. Os conjugados de anticorpos-oligo também podem ser utilizados para a hashagem de amostras, permitindo que múltiplas amostras sejam agrupadas em uma única corrida de scRNA-seq, reduzindo os efeitos de lote e o custo por amostra.

Figura 3: Fluxo de Trabalho Multiome de RNA + Proteína (CITE-seq)

Camada 3 - Trimodal e Multioma de Ordem Superior Emergente

Métodos emergentes combinam três ou mais modalidades na mesma célula. O TEA-seq perfila simultaneamente RNA, ATAC e proteína da mesma célula. O scNMT-seq adiciona metilação de DNA ao transcriptoma.

Para a maioria das questões de investigação, duas modalidades (RNA + ATAC ou RNA + proteína) oferecem o melhor equilíbrio entre ganho de informação e viabilidade experimental. Abordagens trimodais são atualmente melhor reservadas para projetos onde questões mecanicistas exigem especificamente a ligação de três camadas moleculares simultaneamente.

Quando o scRNA-seq Ainda é a Resposta Certa

Antes de considerar uma atualização, vale a pena identificar os cenários em que o scRNA-seq por si só continua a ser a escolha ideal.

• A sua pergunta é puramente transcricional. Se a hipótese central envolve expressão diferencial de genes, descoberta de tipos celulares ou mapeamento de trajetórias transcricionais - e não é necessária qualquer validação a nível regulatório ou proteico - o scRNA-seq é a solução comprovada e rentável.
• Você prioriza a capacidade de transmissão celular. Para o mesmo orçamento, a scRNA-seq fornece mais células do que qualquer abordagem multioma. Se o seu experimento requer uma amostragem profunda de populações raras ou uma descoberta ampla de tipos celulares em muitas amostras, a scRNA-seq maximiza o poder estatístico por dólar.
• As suas amostras são tecido fresco ou tecido congelado de alta qualidade. Os protocolos de multioma frequentemente requerem a isolação de núcleos em vez de células inteiras, o que adiciona etapas de preparação e potenciais riscos de qualidade. Se a qualidade do RNA for marginal, adicionar uma segunda modalidade aumenta a probabilidade de perda de dados parcial ou completa.
• O seu pipeline de bioinformática não está preparado para análise multimodal. Os dados de Multiome requerem pipelines de análise especializados que integrem modalidades. Se o seu ambiente de análise atual estiver otimizado para scRNA-seq e a equipa não tiver experiência com integração multimodal, a curva de aprendizagem pode superar os benefícios.

Comparação Custo-Benefício: scRNA-seq vs Multiome

Figura 4: Tabela de Comparação de Custo-Benefício

Quando Adicionar ATAC (Acessibilidade da Cromatina)

Adicionar acessibilidade da cromatina ao seu fluxo de trabalho de célula única é cientificamente justificado quando a sua hipótese se estende além de "quais genes estão expressos" para "por que e como eles são regulados."

• A sua hipótese envolve a regulação genética. Se a questão central do seu estudo é identificar quais fatores de transcrição impulsionam um programa de expressão génica, ou quais potenciadores controlam a expressão específica de tipo celular, os dados de multioma fornecem a evidência direta. A ligação de características a partir de medições conjuntas de RNA+ATAC pode conectar regiões de cromatina aberta aos seus genes-alvo.
• Você precisa identificar pares de potenciadores e promotores. A análise de ligação de características do multiome correlaciona a acessibilidade dos picos de ATAC com a expressão gênica próxima em diferentes células. Isso permite a identificação em todo o genoma de pares candidatos de potenciadores-promotores que operam em tipos celulares específicos - informação crítica para a interpretação de variantes genéticas não codificantes.
• Você está a estudar trajetórias de desenvolvimento. A acessibilidade da cromatina em elementos regulatórios muitas vezes muda antes da transcrição. Esta assimetria significa que o potencial da cromatina pode prever o destino celular mais cedo do que as mudanças no transcriptoma.
• A sua doença envolve desregulação epigenética. No câncer, a paisagem dos potenciadores é frequentemente reconfigurada através de mutações em regiões não codificantes, alterações no número de cópias que afetam elementos regulatórios e mudanças na expressão de modificadores de cromatina. A análise multioma captura tanto a reconfiguração regulatória como as suas consequências transcricionais na mesma célula.
• Precisas de uma melhor resolução de subtipos. Algumas populações celulares que parecem homogeneamente transcricionais apresentam paisagens de cromatina distintas. A modalidade ATAC frequentemente resolve subtipos que o RNA agrupa apenas. Para estudos que requerem adicionalmente contexto genético - como ligar variantes regulatórias não codificantes a alterações na cromatina - a combinação de multiome com Sequenciação do Exoma Completo nos mesmos exemplos podem ancorar descobertas regulatórias a mutações de codificação específicas.

Figura 5: Quando Adicionar ATAC - Fluxograma de Decisão

Quando Fazer RNA + Proteína (CITE-seq)

Adicionar a medição a nível de proteína é mais valioso quando a abundância de transcritos não é um indicador fiável da função da proteína.

• A correlação entre transcritos e proteínas é fraca para os seus marcadores. A correlação entre mRNA e proteína é específica para cada gene. Os recetores de citocinas, recetores de quimiocinas e moléculas de pontos de verificação imunológicos frequentemente apresentam uma baixa concordância entre RNA e proteína. Se o seu estudo se concentra em tais marcadores, o CITE-seq fornece quantificação direta de proteínas.
• As proteínas da superfície celular definem os tipos de células. Na imunologia, os marcadores de superfície celular são o padrão ouro para definir subtipos celulares. CD4 e CD8 definem linhagens de células T, CD45RA e CCR7 distinguem estados naïve de memória, e CD25 e FOXP3 identificam células T reguladoras.
• Você precisa de anotação celular de alta confiança. Adicionar 100-200 marcadores de proteína a um experimento de scRNA-seq melhora dramaticamente a precisão da anotação dos tipos celulares. Para estudos onde a qualidade da anotação é crítica, a dimensão proteica adicional oferece confiança que a anotação baseada apenas em RNA não consegue igualar.
• Você está multiplexando amostras. A marcação de anticorpos-oligo (Cell Hashing, MULTI-seq) utiliza oligonucleotídeos com etiquetas lipídicas ou conjugados a anticorpos para rotular células de diferentes amostras antes da mistura, reduzindo os efeitos de lote e o custo por amostra, ao mesmo tempo que adiciona a medição de proteínas como um bónus.

Figura 6: Guia de Decisão para Multiome de RNA + Proteína

Quando Considerar Multioma de Ordem Superior

Ensaios trimodais (RNA + ATAC + proteína) e abordagens combinadas de epigenoma-transcriptoma (scNMT-seq) servem casos de uso especializados:

• Quando a sua hipótese requer a ligação das três camadas - por exemplo, perguntar se uma alteração na cromatina leva a uma transcrição alterada, que por sua vez muda a expressão proteica - e confirmar as três na mesma célula.
• Ao construir um conjunto de dados de referência que capture a cromatina, RNA e proteína das mesmas células como um recurso comunitário.
• Quando tiver recursos suficientes e experiência técnica para a complexidade e custo substancialmente mais elevados.

Para a maioria dos laboratórios, uma abordagem trimodal deve ser considerada apenas após confirmar que a questão biológica não pode ser respondida apenas com RNA + ATAC ou RNA + proteína.

Um Quadro de Decisão Prático - 4 Perguntas

O seguinte quadro de quatro perguntas traduz os cenários acima em uma decisão acionável.

• Q1: O meu teste de hipótese principal analisa apenas diferenças transcricionais (tipos celulares, expressão diferencial, trajetória)? Se sim: o scRNA-seq é provavelmente suficiente. Aumentar o número de células ou réplicas biológicas muitas vezes proporcionará mais valor do que adicionar uma modalidade.
• Q2: Preciso saber por que a expressão muda - qual fator de transcrição, qual potenciador, qual elemento regulador? Se sim: adicione ATAC (acessibilidade da cromatina). O Multiome RNA + ATAC fornece a ligação de características e dados de impressão digital de TF necessários para a análise mecanicista da regulação gênica.
• Q3: A confirmação ao nível da proteína ou uma melhor anotação celular é crítica para as minhas conclusões? Se sim: adicionar proteína (CITE-seq). Isto é particularmente relevante para estudos de imunologia, trabalho com biomarcadores translacionais e qualquer projeto onde o fenótipo de superfície define estados celulares.
• Q4: O meu projeto requer a captura simultânea de dados regulatórios, transcricionais e a nível de proteínas na mesma célula? Se sim: considere abordagens trimodais, confirmando que a complexidade adicional é justificada por uma questão mecanicista específica. A Serviço de Multi-Ómicas que integra o suporte de design experimental com bioinformática compatível com a modalidade pode ajudar a determinar se a dimensão adicional justifica o custo e a complexidade para o seu projeto específico.

Figura 7: Árvore de Decisão de 4 Perguntas

Considerações de Design Experimental ao Atualizar para Multiome

A transição de scRNA-seq para multiome requer ajustes em todo o fluxo de trabalho experimental.

• Os requisitos da amostra diferem. RNA + ATAC multiome requer núcleos, não células inteiras. O protocolo de isolamento de núcleos deve preservar tanto a cromatina acessível (para ATAC) como o RNA nuclear (para expressão génica). RNA + proteína (CITE-seq) utiliza células inteiras e é mais semelhante à preparação de amostras padrão de scRNA-seq.
• A taxa de transferência é tipicamente mais baixa. A plataforma 10x Chromium Multiome captura 5.000-10.000 núcleos por canal - aproximadamente metade da capacidade de processamento do scRNA-seq padrão a um custo equivalente. Tecnologias emergentes como o Parallel-seq afirmam ter uma capacidade de processamento superior (mais de 200.000 células), mas ainda não são amplamente adotadas.
• Os requisitos de profundidade de sequenciamento variam conforme a biblioteca. Experimentos de multioma requerem sequenciação tanto da biblioteca ATAC como da biblioteca de expressão génica de cada partição. As recomendações típicas são de 25.000 a 50.000 pares de leituras por núcleo para ATAC e de 20.000 a 50.000 leituras por célula para a biblioteca de RNA.
• Os pipelines de bioinformática são específicos para cada modalidade. O Cell Ranger ARC é o pipeline de processamento padrão para dados Multiome da 10x. As ferramentas de integração a jusante incluem a estrutura multimodal do Seurat, MOFA+, MultiVI, multiDGD e scMODAL.
• A análise de poder deve considerar ambas as modalidades. O pacote scPower R fornece uma estrutura para otimizar parâmetros entre modalidades. Experimentos piloto com 2.000-5.000 núcleos por condição ajudam a estimar tamanhos de efeito antes de aumentar a escala. Pesquisadores que estudam modificações de histonas ou a ligação de fatores de transcrição em maior resolução também podem considerar Serviço de Sequenciação CUT&Tag como um ensaio epigenómico complementar que requer menos células do que o ChIP-seq convencional, tornando-o prático em conjunto com experimentos de multioma com material de amostra limitado.

Figura 8: Comparação dos Principais Parâmetros de Design Experimental

Limitações e Armadilhas das Abordagens Multioma

Os métodos Multiome são poderosos, mas introduzem limitações que é importante avaliar de forma honesta.

• Viés de RNA nuclear. O multiome RNA + ATAC captura apenas RNA nuclear, que representa um subconjunto do transcriptoma total. Os transcritos citoplasmáticos - particularmente aqueles que codificam proteínas secretadas, moléculas sinápticas em neurônios e mRNAs de longa duração - estão sistematicamente sub-representados. Ferramentas computacionais como o GENESIS (Riva et al., 2025) abordam esta lacuna, mas a limitação é inerente ao método.
• Escassez de dados acumulada. Cada modalidade tem o seu próprio padrão de desistência: o ATAC detecta apenas ~10-20% dos picos acessíveis por célula, e os dados proteicos têm um número limitado de características. A união dos padrões de esparsidade cria desafios de análise.
• Os efeitos de lote propagam-se através das modalidades. Um efeito de lote numa modalidade pode confundir a integração entre modalidades. Um design de amostra equilibrado, amostras de ligação e análise consciente do lote são essenciais.
• Um custo por célula mais elevado significa menos células. Para um orçamento fixo, o multiome captura menos células do que o scRNA-seq, reduzindo o poder para a descoberta de populações raras.
• Lacuna de maturidade da ferramenta. As ferramentas de análise de multioma estão a evoluir ativamente, mas são menos maduras do que os equivalentes de scRNA-seq. As melhores práticas ainda não são tão estáveis. Para os investigadores que necessitam de validação epigenómica da ligação de TF prevista por multioma ou padrões de modificação de histonas, ChIP-Seq fornece um método ortogonal e bem estabelecido para confirmar previsões regulatórias geradas a partir de dados de acessibilidade de cromatina em células únicas.

Figura 9: Resumo das Limitações do Multiome

Como Avaliar se o Seu Laboratório Deve Fazer um Upgrade

• Audite os seus projetos recentes de scRNA-seq. Que questões surgiram que não pudeste responder apenas com dados de expressão? Se o padrão for consistentemente "desejávamos ter dados de cromatina" ou "a confirmação a nível de proteína teria mudado as nossas conclusões", isso é um sinal claro para uma atualização.
• Realize uma comparação piloto. Um pequeno experimento piloto comparando scRNA-seq e multiome a partir da mesma amostra - mesmo 1.000-5.000 células por modalidade - revelará o ganho de informação, os desafios técnicos e os requisitos de análise específicos para o seu tecido e questão.
• Considere o panorama da publicação. Para estudos mecanicistas em revistas de alto impacto, as expectativas dos revisores incluem cada vez mais evidências em múltiplos níveis ômicos. Demonstrar remodelação da cromatina no potenciador relevante juntamente com alterações transcricionais pode fortalecer substancialmente um manuscrito.
• Avaliar o suporte do prestador de serviços. O fornecedor oferece análise bioinformática integrada que lida com ambas as modalidades? A complexidade da integração de dados multimodais torna o suporte de serviço de ponta a ponta um fator significativo no sucesso do projeto.

Figura 10: Quadro de Avaliação de Atualização do Laboratório

Perguntas Frequentes

P: Posso integrar dados de scRNA-seq existentes com novos dados de multiome?
A: Sim, através de métodos de integração computacional. Ferramentas como a integração de ponte do Seurat e o scSHEFT podem ancorar dados de referência multimodais a conjuntos de dados existentes de scRNA-seq. No entanto, dados de multioma correspondentes da mesma amostra sempre oferecem maior poder.

Q: Preciso alterar o meu protocolo de recolha de amostras para multiome?
A: Para multioma de RNA + ATAC, sim - você precisa de núcleos, não de células inteiras. Tecidos congelados rapidamente funcionam, mas o protocolo de isolamento de núcleos deve ser otimizado para o seu tipo de tecido. Para CITE-seq, a preparação padrão de amostras de scRNA-seq é compatível.

Q: Quantas células preciso para um experimento multiome útil?
A: Um mínimo de 2.000-5.000 núcleos por condição para multioma de RNA + ATAC. Para populações celulares raras, pode ser necessário mais. A modalidade ATAC é mais escassa do que a RNA, por isso, contagens celulares mais altas melhoram a resolução.

Q: Os dados de multiome são compatíveis com as ferramentas de análise padrão de scRNA-seq?
A: Parcialmente. Ferramentas padrão de normalização e agrupamento aplicam-se ao componente de RNA. No entanto, a integração multimodal, a chamada de picos, a ligação de características e a identificação de pegadas de TF requerem ferramentas especializadas (Cell Ranger ARC, Signac, MOFA+, MultiVI).

P: Posso adicionar ATAC a amostras congeladas arquivadas?
A: Sim, com ressalvas. Amostras congeladas podem ser usadas para isolamento de núcleos se preservadas corretamente. Ciclos de congelamento e descongelamento degradam tanto a integridade da cromatina como a qualidade do RNA.

Q: Quanto tempo leva a análise de dados multiome em comparação com scRNA-seq?
A: Espere um tempo total de análise 2-3 vezes mais longo. O componente ATAC adiciona chamada de picos, filtragem de qualidade, análise de ligação de características e etapas de integração.

Q: Qual é a principal razão pela qual os experimentos de multioma falham?
A: A má qualidade dos núcleos é o ponto de falha mais comum. Se a isolação dos núcleos danificar a membrana nuclear, o RNA vaza e o sinal ATAC é perdido. Otimizar o protocolo de isolação para cada tipo de tecido é o passo mais importante.

Referências:

1. Wu X, Yang X, Dai Y, et al. Sequenciação de célula única para multi-ópticas: tecnologias e aplicações. Pesquisa de Biomarcadores2024;12:110. DOI: 10.1186/s40364-024-00643-4
2. Treppner M, et al. O desempenho de modelos generativos profundos para aprender incorporações conjuntas de dados multi-ómicos de células únicas. Fronteiras em Biosciências Moleculares. 2022;9:962644. DOI: 10.3389/fmolb.2022.962644
3. Schuster V, et al. multiDGD: Um modelo gerador profundo versátil para dados multi-ômicos. Comunicações da Natureza2024;15:10031. DOI: 10.1038/s41467-024-53340-z
4. Wang G, Zhao J, Lin Y, et al. scMODAL: uma estrutura geral de aprendizagem profunda para o alinhamento abrangente de dados multi-ómicos de células únicas com ligações de características. Comunicações da Natureza. 2025;16:4994. DOI: 10.1038/s41467-025-60333-z
5. Wan C, Ji Z. Integração de múltiplas amostras de multi-ómica de célula única com Smmit. bioRxiv. 2025. DOI: 10.1101/2023.04.06.535857
6. Riva SG, et al. GENESIS: Geração de dados de scRNA-Seq a partir da expressão genética Multiome. bioRxiv. 2025. DOI: 10.1101/2025.05.06.652399
7. Zhang S, Xiao Y, Mo X, et al. Perfis simultâneos de isoformas de RNA e acessibilidade da cromatina de células individuais de organoides retinais humanos. Comunicações da Natureza. 2024;15:8022. DOI: 10.1038/s41467-024-52335-0

Serviços Relacionados

Este documento é apenas para uso em investigação. Não é para uso em procedimentos de diagnóstico.