scRNA数据处理与建模周报 2026-05-16 — 2026年5月16日

自动化报告· 当前专题

scRNA数据处理与建模周报 2026-05-16 — 2026年5月16日

scRNA 数据处理与建模周报 2026-05-16

覆盖周期: 2026年5月6日 – 5月16日 数据来源: bioRxiv API (421篇筛选), PubMed E-utilities (8领域定向搜索, 54篇高置信度), GitHub Releases API (26个核心工具) 参见此前报告: 上期周报 2026-05-09 · 2026-05-02 · 2026-04-25

本周亮点: Cell 正刊发表 RegVelo（基因调控驱动的 RNA velocity）；Nature Methods 发表多模态统一嵌入病理分析框架；空间转录组方向爆发式产出（Phoenix, VisiumHD去条纹, STAT框架, 三项NAR/BIB benchmark）；scvi-tools 和 anndata 双双发布新版本。

🧬 1. 预处理与质控

关键进展

本周预处理方向以存档样本标准化分析和基因符号协调工具为主。

  1. Comprehensive cellular analysis with single-nucleus RNA-seq of archived PAXgene whole blood samples
    • DOI: 10.1016/j.crmeth.2026.101333
    • Cell Reports Methods (2026-03) — 首次系统展示 PAXgene 存档全血样本的单核 RNA-seq 分析全流程，解决了临床队列样本长期保存后的 scRNA-seq 可行性问题
  2. geneSync: Gene Symbol Harmonization for Large-scale RNA-seq Data Integration
    • DOI: 10.64898/2026.05.04.722831
    • 解决大规模转录组数据整合中基因命名不一致导致的分析障碍，提供自动化基因符号协调框架
  3. BaSiCPy: Scalable and Robust Shading Correction for Optical Microscopy Images
    • DOI: 10.64898/2026.04.28.721386
    • 可扩展的光学显微镜图像阴影校正 Python 工具，虽非 scRNA-seq 专有但对基于成像的空间转录组数据预处理有重要价值
  4. Olfactomedin 4 marks luminal progenitor cells that give rise to a secretory cell lineage in the mouse cervix
    • DOI: 10.64898/2026.04.28.721179
    • 利用单细胞技术鉴定新型宫颈祖细胞标记，为组织特异性质控标记基因提供参考

工具版本监测

工具 当前版本 发布日期 说明
Seurat v5.5.0 2026-04-22 稳定，参见深度解析
sctransform v0.4.3 2026-01-10 无更新
CellBender v0.3.2 2024-07-17 长期未更新
DoubletFinder — 无正式 Release 仓库未使用 GitHub Releases
STARsolo 2.7.11b 2024-01-26 无更新

现状总结

本周预处理方向方法学产出较少。PAXgene 存档样本的单核 RNA-seq 流程解决了大规模临床队列样本长期保存后的分析可行性问题，对回顾性研究有重要意义。geneSync 解决了跨数据集基因命名不一致的通用痛点。Batch correction 和 Doublet detection 方向本周无重大新进展。

🔬 2. 降维与聚类

关键进展

本周降维与聚类方向有两个新方法值得关注。

  1. ACE-OF-Clust: Systematic clustering alignment and feature characterization for single-cell omics
    • DOI: 10.64898/2026.03.09.710668
    • 针对 scRNA-seq 和空间转录组数据的系统聚类对齐与特征表征方法，支持混合成员聚类——即一个细胞可同时属于多个聚类簇，更真实地反映生物学过渡态
  2. ORBIT: Orthogonal Rotation for Biological Inter-species Transfer
    • DOI: 10.64898/2026.05.04.722193
    • 基于正交旋转的跨物种生物表征迁移方法，可应用于跨物种单细胞数据降维对齐
  3. scDCL: A multi-view single-cell RNA sequencing clustering method based on dual contrastive learning (Corrigendum)

现状总结

降维与聚类方向方法学产出量偏低。ACE-OF-Clust 的混合成员聚类思想值得关注——传统硬聚类（如 Leiden）将每个细胞强制归入单一簇，而混合成员方法允许细胞以概率分布方式属于多个簇，更能反映细胞状态连续谱的本质。ORBIT 则从跨物种迁移的角度提供降维新思路。新聚类/降维方法在 benchmarking 上的缺乏仍是该方向的共同问题。

🧪 3. 差异表达分析与标记基因

关键进展

本周 DEG 与标记基因方向以基因集分析和网络方法为主，未有 MAST/edgeR/pseudobulk 等主流方法的重大更新。

  1. Beyond Pathway Boundaries: A Degree-Aware Network Clustering Test for Gene Sets
    • DOI: 10.64898/2026.05.04.722765
    • 提出度数感知的网络聚类检验方法，超越传统 pathway 边界分析基因集功能，可应用于单细胞差异基因的下游功能注释
  2. An isogenic single-cell atlas of familial Parkinson’s disease mutations reveals convergent changes in dopamine neurons
    • DOI: 10.64898/2026.05.04.722458
    • 利用同基因 scRNA-seq 图谱鉴定帕金森病多基因突变在 DA 神经元中的汇聚性转录变化，提供了疾病特异性标记基因参考
  3. SCOTCH: Isoform-level characterization of drug responses in TNBC via long-read scRNA-seq (前期覆盖，持续关注)
    • 前期已覆盖的长读长异构体水平表征方法进入持续关注列表

现状总结

DEG 与标记基因方向本周方法学产出极少。标记基因识别领域亟需新一代基准评测——当前主流方法（Wilcoxon、MAST、pseudobulk-DESeq2）已经数年未有重大革新。基于网络的基因集功能分析方法（如度数感知聚类检验）可能部分弥补传统 ORA/GSEA 对单细胞数据适配不足的问题。

🔗 4. 轨迹推断与发育分析

🔥 本周最重磅方向

本周轨迹推断与 RNA velocity 方向产出极为丰富，Cell 正刊发表的 RegVelo 是本周乃至近期最重大的单细胞方法学进展。

新方法

  1. RegVelo: Gene-regulatory-informed dynamics of single cells ⭐⭐⭐
    • DOI: 10.1016/j.cell.2026.04.022
    • Cell (2026-05) — 将基因调控信息显式嵌入 RNA velocity 动力学模型，突破了 scVelo 仅依赖剪接动力学的限制，通过在速度推断中整合转录因子-靶基因调控关系，显著提升了对细胞命运决策的预测精度。该工作代表了 RNA velocity 领域从”纯剪接驱动”向”调控驱动”的范式转变
  2. Geometric quantification of cell phenotype transition manifolds with information geometry
    • DOI: 10.1016/j.cels.2026.101564
    • Cell Systems (2026-03) — 利用信息几何方法量化细胞表型转换流形，为轨迹推断提供了严格的数学框架，可测量细胞状态转换的”距离”和”速度”
  3. Bayesian inference of RNA velocity incorporating timepoints, lineage bifurcations, and count data
    • DOI: 10.1371/journal.pcbi.1014060
    • PLoS Computational Biology (2026-03) — 贝叶斯 RNA velocity 推断方法，同时整合时间点信息、谱系分叉和计数数据，解决了现有方法对实验时间信息和谱系结构利用不足的问题
  4. Interpretable learning of temporal cellular dynamics from single-cell data
    • DOI: 10.1016/j.crmeth.2026.101342
    • Cell Reports Methods (2026-03) — 可解释的时间细胞动力学学习方法，从单细胞数据中学习可解释的时序动态变化
  5. A velocity-informed framework for resolving functional stratification in rare human stem cells
    • DOI: 10.1038/s41375-026-02956-9
    • Leukemia (2026-04) — 利用 RNA velocity 解析罕见人类干细胞中的功能分层，展示 velocity 方法在稀有细胞群体研究中的应用价值
  6. scLASER: a robust framework for simulating and detecting time-dependent single-cell dynamics in longitudinal studies
    • DOI: 10.64898/2026.05.04.722712
    • 对纵向单细胞研究中的时间依赖性动力学进行模拟和检测的稳健框架，填补了纵向研究设计中方法学空白

持续关注（前期已覆盖）

  • CRAK-Velo: 染色质可及性动力学增强 RNA velocity（Genome Biology, 已覆盖）
  • veloAgent: 空间信息引导的 RNA velocity（已覆盖）
  • Benchmarking RNA velocity methods across 17 independent studies（已覆盖）

现状总结

RegVelo 的 Cell 正刊发表标志着 RNA velocity 领域的重大里程碑——基因调控信息的引入使得 velocity 推断不再是纯剪接动力学的黑箱。结合信息几何（Cell Systems）、贝叶斯推断（PLoS Comp Bio）和时间点整合等方法，轨迹推断正朝向更严格的数学模型和更丰富的先验信息融合方向发展。scLASER 则为纵向研究提供了必要的统计框架。

🧩 5. 空间转录组学

🔥 产出密度最高的方向

本周空间转录组方向呈现爆发式产出，涵盖虚拟空间转录组、数据质控、分析框架、benchmark 和新空间统计方法。

新方法

  1. Pan-cancer virtual spatial transcriptomics from routine histology with Phoenix ⭐⭐
    • DOI: 10.64898/2026.04.25.720812
    • 利用常规 H&E 组织病理图像预测虚拟空间转录组——无需实际进行空间测序实验即可推断组织的空间基因表达模式。这一方法可能大幅降低空间转录组的获取成本和门槛
  2. Striping artifact removal in VisiumHD data through nuclear counts modeling
    • DOI: 10.64898/2026.05.04.722591
    • 针对 10x VisiumHD 高分辨率（2μm）平台的条纹伪影去除方法——通过核计数建模校正因 lane 宽度变异引起的乘性噪声，对 VisiumHD 数据用户极为实用
  3. STAT: A multi-agent framework for integrated and interactive spatial transcriptomics analysis
    • DOI: 10.64898/2026.05.01.722244
    • 基于多智能体架构的空间转录组集成交互分析框架，通过协调多计算方法自动完成空间数据分析流水线
  4. Benchmarking sketching methods on spatial transcriptomics data
    • DOI: 10.1093/nar/gkag434
    • Nucleic Acids Research (2026-05) — 系统性评测空间转录组数据的采样/草图方法，为大规模空间数据的高效处理提供选择依据
  5. Biased multi-view contrastive learning with attentive masking for spatial transcriptomic analysis
    • DOI: 10.1093/bib/bbag215
    • Briefings in Bioinformatics (2026-05) — 基于偏置多视图对比学习和注意力掩码的空间转录组分析方法，利用空间邻域信息提升表征学习质量
  6. Logistic regression for estimating functional effects with spatial transcriptomics
    • DOI: 10.1093/nar/gkag466
    • Nucleic Acids Research (2026-05) — 提出基于逻辑回归的空间转录组功能效应估计框架，利用空间坐标信息进行基因功能效应推断
  7. Deciphering microenvironmental heterogeneity by scalable Niche Guided Module Discovery
    • DOI: 10.1038/s42003-026-10240-w
    • Communications Biology (2026-05) — 可扩展的微环境生态位引导模块发现方法，从空间转录组数据中系统识别细胞生态位
  8. SCTGE infers transformer-based graph embeddings to improve cell-cell interaction identification and cell identity annotation
    • DOI: 10.1016/j.compbiolchem.2026.109064
    • Computational Biology and Chemistry — 基于 Transformer 图嵌入的细胞-细胞互作识别和细胞身份注释改进方法

应用与技术

  1. Spatial transcriptomic profiling of decalcified murine musculoskeletal samples via Xenium Prime 5K
    • DOI: 10.1093/jbmrpl/ziag070
    • JBMR Plus (2026-06) — 展示 Xenium Prime 5K 在脱钙骨肌样本上的空间转录组分析可行性，拓展了 Xenium 在硬组织中的应用
  2. Spatial transcriptomics identifies a translayer architecture of pyroptosis-related transcription in systemic sclerosis skin
    • DOI: 10.64898/2026.05.03.722547
    • 系统硬化症皮肤中焦亡相关转录的跨层空间结构——利用 Visium 数据揭示病变组织中程序性细胞死亡的空间梯度
  3. Integrating spatial and single-cell multi-omics analysis of iPSC-derived cervical adenocarcinoma model

现状总结

空间转录组方向本周无疑是产出最密集的领域。两大亮点：（1）Phoenix 从常规病理图像预测虚拟空间转录组，如成功将颠覆空间组学的获取范式；（2）VisiumHD 条纹伪影去除工具填补了 10x 最新平台的质控空白。三项 NAR/BIB benchmark/新方法（sketching benchmarking、对比学习、逻辑回归）密集发表于顶级生物信息学期刊，表明空间组学方法学已进入成熟和标准化阶段。

🤖 6. 深度学习方法与基础模型

关键进展

本周深度学习方向以 Nature Methods 多模态嵌入框架和 GNN 扰动建模为代表。

  1. Systematically decoding pathological morphologies and molecular profiles with unified multimodal embedding ⭐⭐
    • DOI: 10.1038/s41592-026-03070-5
    • Nature Methods (2026) — 统一多模态嵌入框架系统性解码病理形态与分子谱。该工作整合组织病理图像与分子数据（包括转录组）于统一嵌入空间，代表了病理AI与单细胞组学融合的前沿
  2. PEPR-GNN: Perturbation-Enhancer-Promoter-RNA Graph Neural Networks for Multiome Perturb-Seq modeling of regulomes ⭐
    • DOI: 10.64898/2026.05.05.722311
    • 直接建模”扰动→增强子→启动子→RNA”调控链的图神经网络，用于 Multiome Perturb-Seq 数据的 regulome 建模——将生物学先验知识（调控层级结构）显式嵌入 GNN 架构
  3. Learning the Language of the Microbiome with Transformers
    • DOI: 10.64898/2026.05.02.722381
    • 将 Transformer 语言模型应用于微生物组数据，虽非单细胞领域但 foundational 思路可迁移
  4. Steering Sequence Generation in Protein Language Models through Iterative Lookback Monte Carlo Sampling
    • DOI: 10.64898/2026.05.01.722156
    • 蛋白质语言模型的迭代回溯蒙特卡洛采样引导序列生成——蛋白质语言模型的进展持续为单细胞基因调控网络建模提供方法论启示
  5. A multi-Omic framework reveals cell-type-specific mechanisms of isofraxidin action in Alzheimer disease

前期已覆盖（持续关注）

  • scGPT: v0.2.4 (2025-03-31)，近期无更新
  • Geneformer: 无正式 GitHub Release
  • scFoundation: 无 GitHub tags
  • Single-cell foundation models reveal context-sensitive cancer programmes under subtype shift — 已在上期周报覆盖

工具版本监测

工具 当前版本 发布日期 说明
scvi-tools v1.4.3 2026-05-12 🆕 本周更新
scGPT v0.2.4 2025-03-31 长期未更新
Geneformer — — 无正式 GitHub Release
scFoundation — — 无 GitHub tags

现状总结

深度学习方向本周以 Nature Methods 的多模态统一嵌入框架为最亮点。PEPR-GNN 的工作值得高度关注——当前单细胞扰动建模的主流范式（如 scGPT、GEARS）多为”黑箱”式预测，而 PEPR-GNN 将增强子-启动子调控层级显式编码进 GNN 架构，代表了一种”白箱化”趋势。scvi-tools v1.4.3 于 5月12日发布（见第8节），是本周最直接的工具更新。单细胞基础模型领域的大型新预训练模型（scGPT v2、Geneformer v2 等）本周未出现，该方向正处于上一波发表高峰后的沉淀期。

🏥 7. 临床应用与转化

关键进展

本周临床应用方向涵盖肿瘤微环境、三阴性乳腺癌免疫动态、帕金森病图谱和化疗反应预测。

  1. Differential peripheral immune dynamics underlie therapeutic response to chemotherapy and chemo-immunotherapy in triple-negative breast cancer ⭐
    • DOI: 10.64898/2026.04.28.721416
    • 通过外周免疫细胞单细胞动态揭示三阴性乳腺癌对化疗与化疗-免疫联合治疗的不同响应机制——外周血单细胞可作为治疗监测窗口
  2. Decoding drug-responsive cell subpopulations in triple-negative breast cancer using single-cell multiomics
  3. Integrated Multi-Omics Identifies Lineage-Dependent Myeloid Cells Recruitment and the APP-CD74 Axis as an Immunoregulatory Mechanism
    • DOI: 10.64898/2026.05.01.722277
    • 整合多组学鉴定谱系依赖性髓系细胞招募和 APP-CD74 免疫调控轴——展示了多组学整合在发现免疫治疗新靶点中的力量
  4. Mechanistic learning to predict and understand minimal residual disease
    • DOI: 10.64898/2026.04.16.718968
    • 基于机制学习的微小残留病灶预测和解释——将可解释 AI 应用于临床预后预测
  5. An isogenic single-cell atlas of familial Parkinson’s disease mutations
    • DOI: 10.64898/2026.05.04.722458
    • 家族性帕金森病的同基因单细胞图谱，揭示多种 PD 致病基因突变在 DA 神经元中的汇聚性转录变化
  6. Circulating inflammatory ILC2s as a biomarker of gastric cancer progression
    • DOI: 10.64898/2026.04.28.721482
    • 循环炎症性 ILC2 作为胃癌进展的生物标志物——非侵入性单细胞免疫监测的临床应用实例
  7. Solid Tumors Pan Cancer Transcriptome Tissue/Cancer specific expression groups at the Isoform-Level
    • DOI: 10.64898/2026.05.04.722705
    • 实体瘤泛癌转录组在异构体水平的组织/癌症特异性表达——长读长测序驱动的临床转化研究
  8. Local glycan engineering induces systemic antitumor immune reactions via antigen cross-presentation
    • DOI: 10.64898/2026.05.04.720097
    • 局部糖工程通过抗原交叉呈递诱导全身性抗肿瘤免疫——糖生物学与肿瘤免疫治疗的新交叉

现状总结

临床应用方向以肿瘤免疫微环境为核心，三阴性乳腺癌是研究密度最高的癌种（两项独立研究）。值得注意的是外周血单细胞动态监测在治疗响应预测中的兴起——这可能使液体活检从”ctDNA检测”扩展到”免疫细胞状态监测”。帕金森病同基因图谱展示了单细胞技术在神经退行性疾病中的独特价值——在传统 bulk 测序中无法分辨的细胞类型特异性汇聚变化通过单细胞分辨率得以揭示。

🔧 8. 综合工具与平台

🔧 工具更新（本周）

工具 新版本 发布日期 说明
scvi-tools v1.4.3 2026-05-12 🆕 概率建模框架更新
anndata v0.12.14 2026-05-12 🆕 核心数据结构更新
scirpy v0.24.0 2026-05-07 🆕 单细胞免疫组库分析更新
Monocle3 v1.4.27 2026-05-05 上期已覆盖
Seurat v5.5.0 2026-04-22 稳定，参见深度解析
Scanpy v1.12.1 2026-04-10 稳定
scVelo v0.3.4 2026-02-24 稳定
Squidpy v1.8.1 2026-02-09 稳定
CellTypist 1.7.1 2025-06-25 长期未更新

关键进展

  1. scvi-tools v1.4.3 ⭐ (2026-05-12)
    • GitHub: scverse/scvi-tools
    • scverse 核心概率建模框架更新。scvi-tools 是 scVI、scANVI、totalVI 等多个主流深度生成模型的底层框架，该版本预计包含性能优化和 bug 修复（Release notes 待官方完整发布）
  2. anndata v0.12.14 (2026-05-12)
    • GitHub: scverse/anndata
    • AnnData 是 scverse 生态的通用数据结构标准，几乎所有 Scanpy、scvi-tools、Squidpy 等工具都依赖于此。v0.12.14 的更新将影响整个 scverse 生态
  3. scirpy v0.24.0 (2026-05-07)
    • GitHub: scverse/scirpy
    • 单细胞免疫组库（TCR/BCR）分析工具更新。scirpy 与 Scanpy 和 scverse 生态无缝集成，是单细胞适应性免疫受体分析的标准工具之一
  4. The transformative role of single-cell analysis in multifactorial disorders research (综述)
  5. STAT: A multi-agent framework for integrated and interactive spatial transcriptomics analysis
    • DOI: 10.64898/2026.05.01.722244
    • 多智能体架构的空间转录组分析框架（详见第5节）——代表分析平台向自动化/智能化方向发展的趋势

生态系统动态

  • scverse 生态集中更新: scvi-tools (v1.4.3)、anndata (v0.12.14)、scirpy (v0.24.0) 三连更新，表明 scverse 社区处于活跃开发期。Scanpy (v1.12.1) 和 Squidpy (v1.8.1) 也于近期更新，整个 Python 单细胞分析生态呈现版本同步推进态势
  • Seurat 生态: v5.5.0 发布近一个月，处于稳定使用期。R 生态中 sctransform (v0.4.3) 和 Monocle3 (v1.4.27) 维持稳定
  • Benchmark 趋势: 空间转录组领域本周有两项 NAR 发表的 benchmark（sketching 方法和逻辑回归功能效应估计），标志该领域进入方法学标准化阶段。但 scRNA-seq 数据处理其他方向（预处理、聚类、DEG）的 benchmark 产出仍然有限

📊 本周总览

方向 新论文 新工具/更新 活跃度
预处理与质控 4 0 🟡 中低
降维与聚类 3 0 🟡 中低
差异表达与标记基因 3 0 🟡 中低
轨迹推断与发育分析 6 0 🔴 高 (Cell正刊!)
空间转录组学 11 0 🔴 极高
深度学习与基础模型 5 scvi-tools v1.4.3 🟠 中高
临床应用与转化 8 0 🟠 中高
综合工具与平台 综述1篇 scvi-tools, anndata, scirpy 🟠 中高

本周最值得关注的 5 篇论文

  1. RegVelo (Cell) — 基因调控驱动的 RNA velocity，范式级进展
  2. Phoenix (bioRxiv) — 从 H&E 病理图像预测虚拟空间转录组
  3. PEPR-GNN (bioRxiv) — 显式建模调控层级的 GNN 扰动建模
  4. Nature Methods 多模态统一嵌入 — 病理形态+分子谱融合
  5. VisiumHD 条纹伪影去除 (bioRxiv) — 10x 最新平台的实用质控工具

趋势观察

  1. RNA velocity 进入”调控驱动”时代: RegVelo 的 Cell 正刊发表标志着从 scVelo 的剪接动力学模型向基因调控信息融合的范式转变
  2. 空间转录组从实验走向计算: Phoenix（虚拟空间转录组预测）和 VisiumHD 去条纹标志着空间组学正从”如何获取数据”向”如何更好地分析和预测”转变
  3. GNN 在单细胞扰动建模中兴起: PEPR-GNN 将调控层级先验知识编码进 GNN 架构，代表了从黑箱预测向机制可解释建模的转向
  4. scverse 生态加速迭代: 一周内 scvi-tools、anndata、scirpy 三连更新，Python 单细胞分析栈持续强化
  5. 肿瘤免疫微环境仍是临床应用主战场: 三阴性乳腺癌、胃癌、免疫检查点阻断的免疫动态监测引领临床转化方向
*报告由 Hermes Agent 自动生成 2026-05-16 基于 bioRxiv API (421篇), PubMed E-utilities, GitHub Releases API*