scRNA-seq 数据处理与建模周报

报告日期: 2026-05-02

覆盖范围: 2026-04-16 至 2026-05-02

---

本周概览

本周（含最近10天）单细胞领域活跃度极高。Seurat v5.5.0 于 4 月 22 日正式发布，是本周最重大的工具更新。方法学方面，多个新基础模型涌现（RNABag、CellPulse、H2O），RNA velocity 基准测试取得重要进展，空间转录组学 Xenium 数据质量问题引发关注（Nature Methods 与 eLife 同时发文），跨模态整合与自监督对比学习方法持续迭代。

---

🧬 1. 预处理与质控

数据整合与批次校正

1. scDecorr: feature decorrelation based representation learning enables self-supervised alignment of multiple single-cell experiments
   • DOI: 10.1038/s41598-026-50586-z

   • Scientific Reports

     2026-04-29

   • 提出基于特征去相关的自监督表示学习方法，实现多个单细胞实验的无监督对齐，无需参考数据集即可进行批次校正。
2. CHORD: a framework for cross-species single-cell integration across gene, cell and cell-type levels
   • DOI: 10.64898/2026.04.19.719426

   • bioRxiv

     2026-04-22

   • 跨物种单细胞整合框架，在基因、细胞和细胞类型三个层面实现一致的跨物种映射与比较分析。
3. TriPDCL: A Tri-Pathway Prototype-Driven Contrastive Learning Framework for Cross-Modality Single-Cell Integration
   • DOI: 10.1021/acs.jcim.6c00436

   • Journal of Chemical Information and Modeling

     2026-04-27

   • 三路径原型驱动的对比学习框架，用于跨模态（scRNA-seq、scATAC-seq 等）单细胞数据整合。

数据去噪与填补

1. A Method for Imputing scRNA-seq Data Based on Mobile Graph Convolutional Generative Adversarial Networks
   • DOI: 10.1007/s10528-026-11380-8

   • Biochemical Genetics

     2026-04

   • 基于移动图卷积生成对抗网络（GAN）的新填补方法，用于处理 scRNA-seq 数据的 dropout 问题。
2. scGeno: a Hidden Markov Model approach to denoise chromosome-scale genotypes from single-cell data
   • DOI: 10.1093/bioadv/vbag094

   • Bioinformatics Advances

     2026

   • HMM 方法去噪单细胞染色体级别基因型数据。

综合评估

1. The impact of package selection and versioning on single-cell RNA-seq analysis
   • DOI: 10.1016/j.cels.2026.101560

   • Cell Systems

     2026-04

   • 系统性评估不同软件包选择与版本对 scRNA-seq 分析结果的影响，强调标准化流程的重要性。

---

🔬 2. 降维与聚类

1. Trajectory-guided dimensionality reduction for multi-sample single-cell RNA-seq data reveals biologically relevant sample-level heterogeneity
   • DOI: 10.1093/bioinformatics/btag192

   • Bioinformatics

     2026-04-22

   • 提出轨迹引导的降维新方法，特别针对多样本 scRNA-seq 数据，能更好地揭示样本间的生物学异质性。
2. Subtypes estimation in single-cell multi-omics data via S-multi-SNE
   • DOI: 10.1016/j.jtbi.2026.112442

   • Journal of Theoretical Biology

     2026-06-07

   • 扩展 t-SNE 方法至多组学单细胞数据的亚型估计，整合多种模态信息进行降维与分类。
3. Compact and informative representation learning for scRNA-seq data clustering with masked information bottleneck
   • DOI: 10.1186/s12915-026-02590-y

   • BMC Biology

     2026-03

   • 利用掩码信息瓶颈进行紧凑表示学习，提升 scRNA-seq 聚类性能。

---

🧪 3. 差异表达分析与标记基因

本周未有重大新差异分析方法学工具发布。 多篇应用型论文使用了已有的差异分析方法（MAST、pseudobulk、edgeR 等），但在方法论层面未见突破性进展。

综述性总结: 本周大量肿瘤研究论文采用 pseudobulk 策略与 limma-voom 组合进行差异表达分析，反映了该方法在临床 scRNA-seq 中的主流地位。多篇论文将差异表达分析与机器学习模型相结合用于构建预后标志物。

---

🔗 4. 轨迹推断与发育分析

RNA Velocity 方法进展（本周重点方向）

1. Benchmarking RNA velocity methods across 17 independent studies 🔥
   • DOI: 10.1016/j.crmeth.2026.101367

   • Cell Reports Methods

     2026-04-20

   • 在 17 个独立数据集上系统性基准测试多种 RNA velocity 方法，是迄今最大规模的 RNA velocity 方法比较研究。
2. HMCVelo: A Deterministic Model for Hydroxymethylation Velocity in Single Cells
   • DOI: 10.64898/2026.04.20.719607

   • bioRxiv

     2026-04-22

   • 首次将羟甲基化（5hmC）信息纳入 velocity 模型，提出确定性动力学框架 HM CVelo，为表观基因组水平的细胞命运推断开辟新路径。
3. A velocity-informed framework for resolving functional stratification in rare human stem cells
   • DOI: 10.1038/s41375-026-02956-9

   • Leukemia

     2026-04-21

   • 利用 velocity 信息解析稀有造血干细胞的层级结构和功能分群。
4. Quantifying stability via count splitting to guide model selection in RNA velocity analyses
   • DOI: 10.1093/bioadv/vbag104

   • Bioinformatics Advances

     2026

   • 提出通过 count splitting 量化 RNA velocity 模型稳定性，为模型选择提供客观依据。

发育分析

1. A Single-Cell Temporal Atlas of Mouse Nasal Embryonic Development
   • DOI: 10.64898/2026.02.15.705966

   • bioRxiv

     2026-04-16

   • 构建小鼠鼻腔胚胎发育的单细胞时序图谱。

---

🧩 5. 空间转录组学（本周热点方向）

数据质量与方法评估

1. Resolving sensitivity, specificity and signal contamination in Xenium spatial transcriptomics 🔥🔥
   • DOI: 10.1038/s41592-026-03089-8

   • Nature Methods

     2026-04-30

   • 系统解决 Xenium 平台中的灵敏度、特异性和信号污染问题，为空间转录组实验设计和数据解读提供了关键指导。
2. Evidence of off-target probe binding affecting 10x Genomics Xenium gene panels compromise accuracy of spatial transcriptomic profiling
   • DOI: 10.7554/eLife.107070

   • eLife

     2026-05-01

   • 报道 Xenium 基因 panel 存在脱靶探针结合问题，影响空间转录组定量准确性。

新方法

1. SpNeigh: spatial neighborhood and differential expression analysis for high-resolution spatial transcriptomics
   • DOI: 10.1093/nargab/lqag039

   • NAR Genomics and Bioinformatics

     2026-06

   • 针对高分辨率空间转录组数据，提出空间邻域分析与差异表达联合方法。
2. Topography-aware optimal transport for alignment of spatial omics data
   • DOI: 10.1016/j.crmeth.2026.101373

   • Cell Reports Methods

     2026-04-20

   • 提出地理感知的最优传输方法用于空间组学数据对齐，整合组织切片拓扑信息。
3. Multi-directional State Space Modeling for Deciphering Spatial Domains From Spatially Resolved Transcriptomics
   • DOI: 10.1109/TCBBIO.2026.3688548

   • IEEE TCBBIO

     2026-04-29

   • 多方向状态空间模型用于从空间转录组数据中识别空间域。
4. Spatial Mapping of Single Cells via Correlation and Importance Between Cells and Spots
   • DOI: 10.1007/s12539-026-00837-4

   • Interdisciplinary Sciences

     2026-04-29

   • 基于细胞-斑点相关性和重要性的单细胞空间映射方法。
5. spRefine denoises and imputes spatial transcriptomic data with a reference-free framework powered by genomic language model
   • DOI: 10.1101/gr.281001.125

   • Genome Research

     2026-04

   • 利用基因组语言模型驱动的无参考框架对空间转录组数据进行去噪和填补。

应用

1. Spatial transcriptomic mapping of canine osteosarcoma reveals immune microenvironment features linked to survival
   • DOI: 10.1038/s42003-026-10152-9

   • Communications Biology

     2026-04-29

   • 犬骨肉瘤空间转录组图谱揭示与生存相关的免疫微环境特征。
2. Integration of Single-Cell and Spatial Transcriptomics With Experimental Validation Uncovers Macrophage Diversity and Spatial Landscape in Carotid Atherosclerosis
   • DOI: 10.1002/iub.70105

   • IUBMB Life

     2026-05

   • 单细胞与空间转录组整合揭示颈动脉粥样硬化中巨噬细胞多样性和空间景观。

---

🤖 6. 深度学习方法与基础模型（本周爆发方向）

新基础模型

1. RNABag: A Generalizable Transcriptome Foundation Model for Precision Oncology across Biopsy Modalities 🔥
   • DOI: 10.64898/2026.04.19.719450

   • bioRxiv

     2026-04-22

   • 提出可泛化的转录组基础模型，可跨活检模态（液体活检、组织活检等）应用于精准肿瘤学。
2. CellPulse: A Foundation Model of Coordinated Gene Dynamics Simulating Viral Infectious Diseases
   • DOI: 10.64898/2026.04.22.720078

   • bioRxiv

     2026-04-24

   • 模拟病毒感染期间协调基因动力学的基础模型，突破静态表达谱的限制，关注时序动态变化。
3. H2O: A Foundation Model Bridging Histopathology to Spatial Multi-Omics Profiling 🔥
   • DOI: 10.64898/2026.04.21.717342

   • bioRxiv

     2026-04-24

   • 连接组织病理学图像与空间多组学数据的基础模型，实现跨模态信息桥接。
4. A transcriptomics-native foundation model for universal cell representation and virtual cell synthesis
   • DOI: 10.64898/2026.04.12.718016

   • bioRxiv

     2026-04

   • 转录组原生基础模型，致力于通用细胞表示和虚拟细胞合成。

Geneformer

1. Discovery of candidate therapeutic targets with Geneformer
   • DOI: 10.1038/s41596-026-01364-8

   • Nature Protocols

     2026-04-23

   • Geneformer 正式实验协议发布，提供使用 Geneformer 发现候选治疗靶点的标准化流程。

表示学习与自监督方法

1. scDisent: disentangled representation learning with causal structure for multi-omic single-cell analysis
   • DOI: 10.64898/2026.04.12.717909

   • bioRxiv

     2026-04-16

   • 引入因果结构引导的解耦表示学习，用于多组学单细胞分析，改善潜在因子的可解释性。
2. Single-cell phenotype-associated subpopulation identification via transfer foundation model and statistical ensemble learning
   • DOI: 10.1186/s12915-026-02613-8

   • BMC Biology

     2026-04-29

   • 迁移基础模型与统计集成学习相结合，用于表型相关细胞亚群识别。
3. Cell type annotation for scATAC-seq via DNA large language model and graph domain adaptation
   • DOI: 10.1371/journal.pcbi.1014226

   • PLoS Computational Biology

     2026-04

   • 利用 DNA 大语言模型和图领域自适应对 scATAC-seq 数据进行细胞类型注释。

临床深度学习应用

1. scSurvival: Single-Cell Survival Analysis of Clinical Cancer Cohort Data at Cellular Resolution 🔥
   • DOI: 10.1158/2159-8290.CD-25-0965

   • Cancer Discovery

     2026-05-01

   • 首个在单细胞分辨率上对临床癌症队列进行生存分析的工具，将深度学习与临床预后直接关联。

---

🏥 7. 临床应用与转化

肿瘤微环境与免疫

1. scVIP: personalized modeling of single-cell transcriptomes for developmental and disease phenotypes
   • DOI: 10.64898/2026.04.20.717759

   • bioRxiv

     2026-04-22

   • 个性化单细胞转录组建模方法，可针对发育和疾病表型进行定制化分析。
2. Cross-species single-cell and spatial transcriptomic mapping reveals EFNA1-EPHA4-mediated stem-like epithelial-macrophage crosstalk driving colorectal cancer
   • DOI: 10.1016/j.canlet.2026.218495

   • Cancer Letters

     2026-07-01

   • 跨物种单细胞和空间转录组揭示结直肠癌中上皮-巨噬细胞互作新机制。
3. Multi-layer molecular profiling defines an immune-active colorectal cancer subtype with therapeutic relevance
   • DOI: 10.1016/j.omtn.2026.102907

   • Molecular Therapy - Nucleic Acids

     2026-06-16

   • 多层分子分析定义免疫活跃型结直肠癌亚型及治疗关联。

药物响应预测

1. Integrating single-cell atlases and machine learning to construct ‘in silico patients’ for predicting individualized drug responses
   • DOI: 10.1016/j.bcp.2026.117873

   • Biochemical Pharmacology

     2026-06

   • 整合单细胞图谱与机器学习构建「计算患者」模型，预测个体化药物响应。
2. Integrated Single-Cell and Spatial Profiling of MMP Gene Expression in Colorectal Cancer
   • DOI: 10.64898/2026.04.17.719089

   • bioRxiv

     2026-04-22

   • 结直肠癌中 MMP 基因家族的单细胞与空间联合分析。

疾病分型

1. Intratumor Heterogeneity Through the Lens of Gene Regulatory Networks
   • DOI: 10.1101/2025.04.01.646625

   • bioRxiv

     2026-04-22

   • 从基因调控网络视角解析肿瘤内异质性。
2. A Single-Cell Atlas of Uterine Carcinosarcoma from Diverse Ancestries
   • DOI: 10.64898/2026.04.21.720013

   • bioRxiv

     2026-04-24

   • 多种族子宫癌肉瘤单细胞图谱。

---

🔧 8. 综合工具与平台

重大更新

工具	新版本	发布日期	说明
Seurat	v5.5.0 🔥🔥🔥	2026-04-22	本周最大更新。Seurat 最新版本发布，距上次大版本更新（v5.0）后又一重要里程碑
Scanpy	1.12.1	2026-04-10	scverse 生态核心工具维护更新
scvi-tools	1.4.2	2026-02-26	概率建模框架最新稳定版
scVelo	v0.3.4	2026-02-24	RNA velocity 分析核心工具
sctransform	v0.4.3	2026-01-10	正则化负二项回归归一化方法
Squidpy	v1.8.1	2026-02-09	空间组学分析 Python 工具
CellPose	v4.1.1	2026-03-31	细胞分割通用工具
CellBender	v0.3.2	2024-07-17	背景噪声去除（较久未更新）
monocle3	v1.4.26	2025-06-06	拟时序分析（较久未更新）

新工具与平台

1. Comparative benchmarking of single-cell transcriptomes and immune repertoires across technologies
   • DOI: 10.64898/2026.04.20.719117

   • bioRxiv

     2026-04-22

   • 跨技术平台（10x Genomics、Parse Biosciences 等）的单细胞转录组与免疫组库基准测试。
2. scConcept: concept-level exploration of single-cell transcriptomic data
   • DOI: 10.64898/2026.04.21.719959

   • bioRxiv

     2026-04-24

   • 概念级别的单细胞转录组数据探索工具，支持从生物学概念而非基因列表的角度进行分析。
3. Turep: Detecting cross-cancer tumor-reactive T cells in single-cell and spatial transcriptomics data
   • DOI: 10.64898/2026.04.21.719961

   • bioRxiv

     2026-04-24

   • 跨癌种肿瘤反应性 T 细胞检测工具，适用于单细胞和空间转录组数据。
4. FUNCellA: A Tool for Single-Sample Enrichment Analysis and Relative Pathway Activity Estimation in Single-Cell RNA Sequencing Data
   • DOI: 10.34133/csbj.0053

   • Computational and Structural Biotechnology Journal

     2026

   • 单样本富集分析和通路活性评估工具。
5. The Cell Ontology in the age of single-cell omics
   • DOI: 10.1038/s41597-026-07173-8

   • Scientific Data

     2026-04-24

   • 细胞本体论（Cell Ontology）在单细胞组学时代的新发展与标准化。

---

📊 本周趋势总结

方向	热度	关键趋势
空间转录组学	⭐⭐⭐⭐⭐	Xenium 数据质量两大文章同期发表，方法学评估成焦点
基础模型	⭐⭐⭐⭐⭐	RNABag、CellPulse、H2O 三大新模型涌现
RNA Velocity	⭐⭐⭐⭐	17数据集基准测试 + HMCVelo 新方法
跨模态整合	⭐⭐⭐⭐	对比学习/最优传输方法持续迭代
工具生态	⭐⭐⭐⭐	Seurat v5.5.0 重大发布
临床转化	⭐⭐⭐	scSurvival 单细胞生存分析、in silico 患者模型
降维/聚类	⭐⭐	轨迹引导降维、S-multi-SNE
预处理	⭐⭐	scDecorr 自监督对齐、图卷积 GAN 填补

---

报告由 Hermes Agent 自动生成。数据来源: bioRxiv API, PubMed E-utilities, GitHub Releases API。搜索范围: 2026-04-16 至 2026-05-02。