scRNA数据处理与建模周报 2026-04-25 — 2026年4月25日

自动化报告· 当前专题

scRNA数据处理与建模周报 2026-04-25 — 2026年4月25日

scRNA数据处理与建模周报 2026-04-25

报告周期：2026年4月16日 — 2026年4月25日 数据来源：bioRxiv、arXiv、GitHub、Nature Methods、Genome Biology 编写日期：2026-04-25

🧬 1. 预处理与质控

本周未有重大新方法发布。 以下为综述性总结与现有工具状态：

  • Cell Ranger / STARsolo：本周无版本更新。10x Genomics Cell Ranger 最新版仍为 v9.0.0（2026年初发布）；STARsolo（alexdobin/STAR）最新为 2.7.11b，未检测到 solo 模块更新。
  • 双细胞检测：DoubletFinder（v2.0.3）、scrublet（v0.2.3）、DoubletDetection 均无新版本发布。
  • 数据归一化：sctransform v0.4.3（最新发布于2026-01-10），未检测到 SCTransform v2 进一步更新。
  • 批次校正：Harmony（最新release v0.1，2020年）、scVI（scvi-tools v1.4.2，2026-02-26）均无本周更新。
  • CellBender（BroadInstitute/CellBender）：最新版本仍为 v0.3.2（2024-06-24），无新发布。
  • 环境RNA去除：SoupX 等工具无新版本。

总结：预处理与质控方向进入工具稳定期，未有突破性新方法发表。

🔬 2. 降维与聚类

本周在聚类稳定性和新聚类方法方面有几个值得关注的预印本：

新方法 / 预印本

  1. Finding stable clusterings of single-cell RNA-seq data
    • DOI: 10.1101/2025.09.17.672302
    • 发表于 bioRxiv（2026-04-01更新），提出了一种寻找稳定且可复现的 scRNA-seq 聚类结果的方法论框架。
  2. Adaptive Cluster-Count Autoencoders with Dirichlet Process Priors for Geometry-Aware Single-Cell Representation Learning
    • DOI: 10.64898/2026.03.26.714611
    • 发表于 bioRxiv（2026-04-01）。使用 Dirichlet Process 先验的自适应聚类数自编码器，实现几何感知的单细胞表示学习，无需预先指定聚类数。
  3. Nested Atoms Model with Application to Clustering Big Population-Scale Single-Cell Data
    • arXiv: 2604.11731
    • 发表于 arXiv（2026-04-13）。嵌套原子模型用于大规模单细胞数据聚类，可扩展到百万级细胞。
  4. ZINBGT: Exploratory Data Analysis of Single-Cell Transcriptomic Expression Using Mixture Models
    • arXiv: 2604.09319
    • 发表于 arXiv（2026-04-10）。基于零膨胀负二项混合模型的单细胞转录组探索性数据分析工具。

工具更新

  • Scanpy v1.12.1（2026-04-10 发布）：最新版本，包含性能改进和 bug 修复。
  • Seurat v5.5.0（2026-04-21 发布）：本周最新更新，包含新的分析功能和改进。

趋势：深度学习和贝叶斯方法在聚类中的应用持续增长，尤其是自动确定聚类数和几何保持的嵌入学习。

🧪 3. 差异表达分析与标记基因

新进展

  1. Cell-Type-Resolved Pseudobulk Classification Across Independent Cohorts Identifies Microglial PTPRG as a Transcriptional Hub in Alzheimer’s Disease
    • DOI: 10.64898/2026.04.07.717029
    • 发表于 bioRxiv（2026-04-10）。利用细胞类型分辨的 pseudobulk 方法，跨独立队列识别小胶质细胞 PTPRG 作为阿尔茨海默病的转录枢纽。

方法比较

  • 本周未有 MAST、edgeR、limma-voom 等核心差异分析工具的新版本发布。
  • Pseudobulk 方法在大型队列 scRNA-seq DE 分析中继续获得关注，尤其在疾病队列整合分析中的应用。

arXiv 新方法

  • CountsDiff: A Diffusion Model on the Natural Numbers for Generation and Imputation of Count-Based Data
    • arXiv: 2604.03779
    • 发表于 arXiv（2026-04-04）。基于扩散模型的计数数据生成与插补方法，可应用于 scRNA-seq 的缺失值填充和差异分析前的数据增强。

总结：伪批量（pseudobulk）方法在临床队列分析中的应用持续扩展；扩散模型开始进入数据生成与增强领域。

🔗 4. 轨迹推断与发育分析

本周有多个轨迹推断相关预印本发布：

新方法 / 预印本

  1. Quantifying stability via count splitting to guide model selection in RNA velocity analyses
    • DOI: 10.1101/2024.11.23.625009
    • 发表于 bioRxiv（2026-04-01）。提出通过计数分裂（count splitting）量化 RNA velocity 分析的稳定性，用于指导模型选择——对 scVelo/CellRank 用户具有重要参考价值。
  2. VeloTree: Inferring single-cell trajectories from RNA velocity fields with varifold distances
    • arXiv: 2604.02380
    • 发表于 arXiv（2026-04-01）。利用 varifold 距离从 RNA velocity 场推断单细胞轨迹，结合 velocity 和几何信息。
  3. Tumor-immune trajectory context connects static tissue architecture to clinical outcomes
    • DOI: 10.64898/2026.03.26.714521
    • 发表于 bioRxiv（2026-04-02）。肿瘤-免疫轨迹上下文将静态组织结构与临床结果联系起来。
  4. CardamomOT: a mechanistic optimal transport-based framework for gene regulatory network inference, trajectory reconstruction and generative modeling
    • DOI: 10.64898/2026.03.31.715390
    • 发表于 bioRxiv（2026-04-02）。基于最优传输的框架，统一 GRN 推断、轨迹重建和生成建模。
  5. Generating and navigating single cell dynamics via a geodesic bridge between nonlinear transcriptional and linear latent manifolds
    • DOI: 10.64898/2026.03.31.715478
    • 发表于 bioRxiv（2026-04-02）。通过非线性转录与线性潜流形之间的测地线桥接生成和导航单细胞动态。
  6. Single-cell trajectories in metastatic urothelial carcinoma reveal tumor-immune reprogramming and macrophage-driven resistance to PD-(L)1 blockade
    • DOI: 10.64898/2026.03.31.715549
    • 发表于 bioRxiv（2026-04-02）。转移性尿路上皮癌单细胞轨迹揭示肿瘤-免疫重编程和巨噬细胞驱动的 PD-(L)1 耐药机制。

工具更新

  • scVelo（v0.3.4）：最新发布于 2025-12-23，无本周更新。
  • CellRank v2.2.0（2026-03-09 发布）：无本周更新。
  • Monocle 3（v1.4.26）：最新发布于 2025-06-05，无更新。

趋势：最优传输（Optimal Transport）和几何方法在轨迹推断中愈发重要；RNA velocity 模型选择方法学开始成熟。

🧩 5. 空间转录组学

本周空间转录组学有多个新预印本和工具发布：

新方法 / 预印本

  1. STAPLE: automating spatial transcriptomics analysis and AI interpretation
  2. Whole-organism spatial transcriptomics at single-cell resolution in C. elegans
    • DOI: 10.64898/2026.04.09.717568
    • 发表于 bioRxiv（2026-04-11）。在秀丽线虫中实现单细胞分辨率的全生物体空间转录组学。
  3. A unified spatial transcriptome profiling of ten mouse organs
  4. Transcriptional and spatial profiling of fibroblasts from human lungs highlights CTHRC1+ cells as fibrogenic signaling hubs in fibrosis
    • DOI: 10.64898/2026.04.08.717092
    • 发表于 bioRxiv（2026-04-10）。肺成纤维细胞的转录与空间图谱揭示 CTHRC1+ 细胞作为纤维化信号枢纽。
  5. INST-Align: Implicit Neural Alignment for Spatial Transcriptomics via Canonical Expression Fields
    • arXiv: 2604.12084
    • 发表于 arXiv（2026-04-13）。利用隐式神经表示进行空间转录组数据对齐。
  6. Cross-Modal Knowledge Distillation from Spatial Transcriptomics to Histology
    • arXiv: 2604.09076
    • 发表于 arXiv（2026-04-10）。从空间转录组到组织学的跨模态知识蒸馏。
  7. A Multimodal Foundation Model of Spatial Transcriptomics and Histology for Biological Discovery and Clinical Prediction
    • arXiv: 2604.03630
    • 发表于 arXiv（2026-04-04）。空间转录组与组织学的多模态基础模型，用于生物学发现和临床预测。
  8. JASPER: Joint Bayesian Analysis of Spatial Expression via Regression
    • arXiv: 2604.18742
    • 发表于 arXiv（2026-04-20）。联合贝叶斯回归分析空间表达的新方法。
  9. CHRep: Cross-modal Histology Representation and Post-hoc Calibration for Spatial Gene Expression Prediction
    • arXiv: 2604.21573
    • 发表于 arXiv（2026-04-23）。跨模态组织学表示与事后校准用于空间基因表达预测。

空间与 scRNA-seq 整合

  • An integrated single cell and spatial omics atlas of human prenatal development
    • DOI: 10.64898/2026.03.30.714220
    • 发表于 bioRxiv（2026-04-01）。人类产前发育的整合单细胞与空间组学图谱，为跨模态空间-scRNA整合提供重要参考数据。

趋势：空间转录组学快速向（1）全生物体/多器官图谱、（2）AI 驱动分析自动化、（3）跨模态整合三个方向演进。

🤖 6. 深度学习方法与基础模型

基础模型新进展

  1. EVEE: Interpretable variant effect prediction from genomic foundation model embeddings
    • DOI: 10.64898/2026.04.10.717844
    • 发表于 bioRxiv（2026-04-11/15）。利用基因组基础模型嵌入进行可解释变异效应预测，展示了基础模型嵌入在基因组学中的泛化能力。
  2. Towards a Cytometry Foundation Model: Interpretable Sample-level Predictive Modelling via Pretrained Transformers
    • DOI: 10.64898/2026.03.31.712806
    • 发表于 bioRxiv（2026-04-02）。流式细胞术基础模型方向探索，利用预训练 Transformer 进行可解释的样本级预测建模。
  3. A Multimodal Foundation Model of Spatial Transcriptomics and Histology for Biological Discovery and Clinical Prediction
    • arXiv: 2604.03630
    • 发表于 arXiv（2026-04-04）。空间转录组与组织学的多模态基础模型。

深度生成模型

  1. Simplex-Constrained Neural Topic VAEs with Flow Refinement for Interpretable Single-Cell Gene-Program Discovery
    • DOI: 10.64898/2026.03.26.714651
    • 发表于 bioRxiv（2026-04-01）。Simplex 约束的主题 VAE 结合流细化，用于可解释的单细胞基因程序发现。
  2. CountsDiff: A Diffusion Model on the Natural Numbers for Generation and Imputation of Count-Based Data
    • arXiv: 2604.03779
    • 发表于 arXiv（2026-04-04）。自然数上的扩散模型，可应用于 scRNA-seq 数据生成和缺失值填充。

自监督与对比学习

  • 本周未检测到 scGPT、Geneformer、scFoundation、scBERT、UCE 等大型基础模型的新版本或重大更新。
  • scMultiPreDICT（bioRxiv 2026-04-11）展示了将转录组与表观遗传学特征结合的单细胞预测框架。

总结：基础模型方向本周没有重大更新，但小型预训练模型（领域特定基础模型）和多模态基础模型（空间+组织学）在快速增长。

🏥 7. 临床应用与转化

肿瘤微环境

  1. Single-cell trajectories in metastatic urothelial carcinoma reveal tumor-immune reprogramming and macrophage-driven resistance to PD-(L)1 blockade
  2. SPTBN2 promotes an immunosuppressive tumor microenvironment and cross-resistance to anti-cancer therapies
  3. Molecular architecture of the tumor microenvironment caused by BRCA1 and BRCA2 somatic mutations in lung adenocarcinoma
    • DOI: 10.64898/2026.01.29.702641
    • 发表于 bioRxiv（2026-04-11）。BRCA1/2 体细胞突变引起的肺腺癌肿瘤微环境分子结构。

疾病研究

  1. Single-cell RNA sequencing of peripheral blood cells identifies transcriptomic signatures in Parkinson’s disease
  2. Single-nucleus transcriptomics identifies a shared vulnerable excitatory neuronal population across typical and atypical Alzheimer’s disease
    • DOI: 10.64898/2026.03.30.715299
    • 发表于 bioRxiv（2026-04-01）。典型与非典型阿尔茨海默病中共有的易损兴奋性神经元群体。
  3. Cell-Type-Resolved Pseudobulk Classification Across Independent Cohorts Identifies Microglial PTPRG as a Transcriptional Hub in Alzheimer’s Disease
    • DOI: 10.64898/2026.04.07.717029
    • 发表于 bioRxiv（2026-04-10）。Pseudobulk 方法识别小胶质细胞 PTPRG 作为阿尔茨海默病转录枢纽。
  4. CNS diseases cerebrospinal fluid single-cell atlas reveals immune characteristics of neuropsychiatric systemic lupus erythematosus
    • DOI: 10.64898/2026.03.31.715151
    • 发表于 bioRxiv（2026-04-02）。中枢神经系统疾病脑脊液单细胞图谱揭示神经精神性系统性红斑狼疮免疫特征。

发育与再生

  • An integrated single cell and spatial omics atlas of human prenatal development

技术方法临床转化

  • scMultiPreDICT: A single-cell predictive framework with transcriptomic and epigenetic signatures
    • DOI: 10.64898/2026.04.08.717080
    • 发表于 bioRxiv（2026-04-11）。结合转录组与表观遗传学特征的单细胞预测框架。

趋势：scRNA-seq 在神经退行性疾病（阿尔茨海默病、帕金森病）、肿瘤免疫微环境和发育生物学中的应用持续扩展；伪批量分析成为大型队列研究的标准方案。

🔧 8. 综合工具与平台

工具版本更新（本周）

工具 新版本 发布日期 说明
Seurat v5.5.0 2026-04-21 最新版本，包含功能改进
Scanpy v1.12.1 2026-04-10 性能优化与 bug 修复
scvi-tools v1.4.2 2026-02-26 无本周更新
CellRank v2.2.0 2026-03-09 无本周更新
sctransform v0.4.3 2026-01-10 无本周更新
scVelo v0.3.4 2025-12-23 无本周更新
Monocle 3 v1.4.26 2025-06-05 无本周更新

新工具 / 平台

  1. STAPLE: 自动化空间转录组分析+AI 解读的 Python 工具（bioRxiv 2026-04-01）。

  2. CardamomOT: 基于最优传输的 GRN 推断、轨迹重建和生成建模统一框架（bioRxiv 2026-04-02）。

  3. scMultiPreDICT: 整合转录组与表观遗传学特征的单细胞预测框架（bioRxiv 2026-04-11）。

  4. ZINBGT: 基于零膨胀负二项混合模型的单细胞转录组探索性数据分析（arXiv 2026-04-10）。

数据资源

  • A unified spatial transcriptome profiling of ten mouse organs: 提供十个小鼠器官空间转录组参考数据。
  • Whole-organism spatial transcriptomics at single-cell resolution in C. elegans: 全新的全生物体空间参考数据。
  • An integrated single cell and spatial omics atlas of human prenatal development: 人类产前发育参考图谱。

多模态整合

  • CITE-seq / scATAC-seq + scRNA-seq 多模态整合方向本周无重大新工具发布。
  • 空间转录组 + 组织学多模态方法（INST-Align、CHRep、JASPER）活跃发展。

总结：Seurat 和 Scanpy 持续更新维护；新的专业工具在空间转录组学分析自动化、最优传输轨迹推断和单细胞多模态预测方面涌现。

📊 本周亮点总结

  1. 最优传输（Optimal Transport）方法崛起：CardamomOT 统一了 GRN 推断、轨迹重建和生成建模。
  2. 空间转录组学爆发：单细胞分辨率全生物体图谱、十器官统一图谱、AI 自动化分析工具密集出现。
  3. 聚类方法学持续进化：从自适应聚类数自编码器到大规模嵌套原子模型，深度学习与贝叶斯方法融合。
  4. RNA velocity 方法学成熟：count splitting 稳定性评估和 VeloTree varifold 距离方法为 velocity 分析提供新工具。
  5. 基础模型向领域特定方向演进：细胞计数类流式数据的预训练 Transformer、空间多模态基础模型成为新热点。
  6. 临床转化稳步推进：阿尔茨海默病、帕金森病、尿路上皮癌等疾病的单细胞研究持续推进，pseudobulk 方法成为大型队列标准。

📚 参考文献

  • bioRxiv 检索：https://api.biorxiv.org/details/biorxiv/2026-04-01/2026-04-25
  • arXiv 检索：http://export.arxiv.org/api/query
  • GitHub API：https://api.github.com