Wang, C., Sun, D., Huang, X. et al. Integrative analyses of single-cell transcriptome and regulome using MAESTRO. Genome Biol 21, 198 (2020). https://doi.org/10.1186/s13059-020-02116-x
隨着單細胞技術的發展，在同一個細胞內同時測量多種模態數據逐漸成爲可能。我們知道在Seurat V4 提供了基於WNN的scRNA與scATAC的整合分析方法，其核心是兩種模態數據會在高維空間有一定的相似性，整合之後可以用來識別不同細胞類型和狀態的調節因子。
MAESTRO提供預處理、比對、質量控制、定量和染色質可及性量化、聚類、差異分析和註釋等功能。通過在單細胞水平上從染色質可及性解釋基因調控潛力，MAESTRO在整合scRNA-seq和scATAC-seq之間的細胞簇方面優於現有的方法。此外，MAESTRO支持使用預定義的細胞類型標記基因進行自動細胞類型註釋，並從不同的scRNA-seq基因和scATAC-seq峯中識別驅動調節因子。
爲了整合來自scRNA-seq和scATAC-seq的細胞，MAESTRO首先計算每個細胞中每個基因的調控潛力，從而測量基因附近的scATAC-seq reads量，以基因TSS讀取距離的指數衰減爲加權。然後，MAESTRO執行典型相關分析(CCA)，CCA捕獲兩個數據集之間的共同方差，並將其投影到相同的低維空間中，本質上是將兩個數據平臺視爲來自同一平臺的兩批數據。一對細胞，一個來自scRNA-seq，另一個來自scATAC-seq，可以在降維後使用相互最近鄰進行錨定。然後，MAESTRO使用錨定的細胞對將細胞類型標籤從scRNA-seq轉移到scATAC-seq。可以在整合後大致保留原有的聚類結構，允許在scRNA-seq和scATAC-seq聚類之間匹配細胞類型標籤。
MAESTRO和Seurat在思想上還是有些相似的。