Numerous cell types can be identified within plant tissues and animal organs, and the epigenetic modifications underlying such enormous cellular heterogeneity are just beginning to be understood. It remains a challenge to infer cellular composition using DNA methylomes generated for mixed cell populations. Here, we propose a semi-reference-free procedure to perform virtual methylome dissection using the nonnegative matrix factorization (NMF) algorithm. In the pipeline that we implemented to predict cell-subtype percentages, putative cell-type-specific methylated (pCSM) loci were first determined according to their DNA methylation patterns in bulk methylomes and clustered into groups based on their correlations in methylation profiles. A representative set of pCSM loci was then chosen to decompose target methylomes into multiple latent DNA methylation components (LMCs). To test the performance of this pipeline, we made use of single-cell brain methylomes to create synthetic methylomes of known cell composition. Compared with highly variable CpG sites, pCSM loci achieved a higher prediction accuracy in the virtual methylome dissection of synthetic methylomes. In addition, pCSM loci were shown to be good predictors of the cell type of the sorted brain cells. The software package developed in this study is available in the GitHub repository (https://github.com/Gavin-Yinld). We anticipate that the pipeline implemented in this study will be an innovative and valuable tool for the decoding of cellular heterogeneity.

中文翻译：

---

通过单细胞分析促进虚拟甲基化清扫术。

可以在植物组织和动物器官中鉴定出多种细胞类型，而这种巨大的细胞异质性所基于的表观遗传修饰才刚刚被人们所理解。使用为混合细胞群体产生的DNA甲基化组来推断细胞组成仍然是一个挑战。在这里，我们提出了一种使用非负矩阵分解（NMF）算法执行虚拟甲基化组解剖的无参考程序。在我们用来预测细胞亚型百分比的管道中，首先根据其在批量甲基化组中的DNA甲基化模式确定推定的细胞类型特异性甲基化（pCSM）基因座，并根据它们在甲基化谱图中的相关性将其聚类。然后选择一组代表性的pCSM基因座，将目标甲基化组分解为多个潜在的DNA甲基化成分（LMC）。为了测试该管道的性能，我们利用单细胞脑部甲基化组来创建已知细胞组成的合成甲基化组。与高度可变的CpG位点相比，pCSM基因座在合成甲基化组的虚拟甲基化组解剖中获得了更高的预测准确性。另外，pCSM基因座被证明是分选的脑细胞的细胞类型的良好预测因子。该研究开发的软件包可在GitHub存储库（https://github.com/Gavin-Yinld）中找到。我们预计，在这项研究中实施的管道将是用于解码细胞异质性的创新和有价值的工具。我们利用单细胞脑部甲基化组来创建已知细胞组成的合成甲基化组。与高度可变的CpG位点相比，pCSM基因座在合成甲基化组的虚拟甲基化组解剖中获得了更高的预测准确性。另外，pCSM基因座被证明是分选的脑细胞的细胞类型的良好预测因子。该研究开发的软件包可在GitHub存储库（https://github.com/Gavin-Yinld）中找到。我们预计在这项研究中实施的管道将是一种创新的和有价值的工具，用于解码细胞异质性。我们利用单细胞脑部甲基化组来创建已知细胞组成的合成甲基化组。与高度可变的CpG位点相比，pCSM基因座在合成甲基化组的虚拟甲基化组解剖中获得了更高的预测准确性。另外，pCSM基因座被证明是分选的脑细胞的细胞类型的良好预测因子。该研究开发的软件包可在GitHub存储库（https://github.com/Gavin-Yinld）中找到。我们预计，在这项研究中实施的管道将是用于解码细胞异质性的创新和有价值的工具。另外，pCSM基因座被证明是分选的脑细胞的细胞类型的良好预测因子。该研究开发的软件包可在GitHub存储库（https://github.com/Gavin-Yinld）中找到。我们预计，在这项研究中实施的管道将是用于解码细胞异质性的创新和有价值的工具。另外，pCSM基因座被证明是分选的脑细胞的细胞类型的良好预测因子。该研究开发的软件包可在GitHub存储库（https://github.com/Gavin-Yinld）中找到。我们预计，在这项研究中实施的管道将是用于解码细胞异质性的创新和有价值的工具。