单细胞分析工具 | ScSmOP：用于单细胞多组学数据分析的通用

单细胞多组学技术为阐明单个细胞的基因组、表观基因组和转录组异质性的特征提供了见解。然而，它们给数据处理带来了新的计算挑战。2023年10月，《Briefings in Bioinformatics》发表了一种用于条形码索引的单细胞-单分子多组学数据分析的通用流程——ScSmOP，用于多模态数据分析。

ScSmOP是什么？

ScSmOP是一个用于条形码索引单细胞单分子多组学数据分析的通用流程。ScSmOP的本质是利用C语言，根据基于连接的条形码数据和基于合成的条形码数据，建立基于间隔种子哈希表的条形码识别算法，然后进行数据映射和去卷积。

ScSmOP安装方便，一键完成，运行速度快，广泛适用于处理各种单细胞、单分子、多组学技术和不同物种产生的数据。此外，ScSmOP为用户提供了一个接口，以便随后处理他们定制的条形码并执行自动数据处理。

ScSmOP的条码策略和条码识别算法

开发团队开发了基于间隔种子哈希表的条形码识别算法，这些算法被封装在C语言编码的程序barcode Processing（BARP）中。为单细胞或单分子染色质复合物条形码设计的核苷酸通常长度固定，在测序文库结构中的位置也固定；因此，开发团队应用间隔种子算法将白名单条形码转换为n个不匹配的哈希表，并将其存储在计算机内存中，以便一次性进行条形码匹配。得益于这种策略和C语言的特点，BARP可以加快条形码识别的进程。通过使用BARP，开发团队建立了一个用于多模式数据分析流程——ScSmOP。

ScSmOP执行接口

ScSmOP的性能测试

开发团队在对单细胞组学数据（scRNA-seq、scATAC-seq、scARC-seq）、单分子染色质相互作用数据（ChIA-Drop、SPRITE、RD-SPRITE）、单细胞单分子染色质相互作用数据（scSPRITE）以及来自各种细胞类型和物种的空间转录组学数据的综合分析中，证明了：

ScSmOP与已发表流程之间数据处理的高重现性。此外，ScSmOP表现出更快的性能，是用于单细胞单分子多组学数据分析的多功能、高效、易用和稳健的管道。

ScSmOP的性能 ScSmOP的可视化和统计结果

综上，ScSmOP是一种多功能、高效、易于使用且强大的流程，用于单细胞单分子多组学数据分析。

ScSmOP代码可在如下链接获取：

👉 https://github.com/ZhengmzLab/ScSmOP.

参考文献

Kai Jing, Yewen Xu, Yang Yang, Pengfei Yin, Duo Ning, Guangyu Huang, Yuqing Deng, Gengzhan Chen, Guoliang Li, Simon Zhongyuan Tian, Meizhen Zheng, ScSmOP: a universal computational pipeline for single-cell single-molecule multiomics data analysis, Briefings in Bioinformatics, Volume 24, Issue 6, November 2023,bbad343.

首发公号：深圳国家基因库大数据平台