scRNA数据处理与建模周报 2026-05-23 — 2026年5月23日

自动化报告· 当前专题

scRNA数据处理与建模周报 2026-05-23 — 2026年5月23日

scRNA 数据处理与建模周报 2026-05-23

覆盖周期: 2026年5月13日 – 5月23日 数据来源: bioRxiv API (270+篇筛选), PubMed E-utilities (8领域定向搜索), GitHub Releases API (20个核心工具) 参见此前报告: 上期周报 2026-05-16 · 2026-05-09 · 2026-05-02 · 2026-04-25

本周亮点: Nature Genetics 同期发表三篇空间转录组学重磅方法论文；Nature Communications 发表 GAMMI（空间-单细胞图对比整合）和 biophysical Neural ODE（单细胞随机动力学推断）；Cell Reports Methods 发表 ATACompass（跨物种 scATAC-seq 无注释细胞映射）；anndata 发布 v0.12.16 新版本；scvi-tools 1.4.3 正式发布。此外，两项重要的 cautionary study 值得关注：单细胞扰动预测中的虚假相关性警示和空间转录组 Xenium 探针脱靶效应研究。

🧬 1. 预处理与质控

关键进展

本周预处理方向有多项新方法和测评框架产出。

  1. StabCell: Stability selection for clustering and marker detection in single-cell RNA sequencing
    • DOI: 10.64898/2026.05.07.720061
    • 提出基于 stability selection 的稳健聚类和标记基因检测方法，通过子采样评估聚类结果和标记基因的稳定性，可自动确定最优聚类分辨率
  2. BatchVaria: a variance-aware framework for evaluating batch correction in high-dimensional omics data
    • DOI: 10.64898/2026.05.07.721996
    • 方差感知的批次校正评估框架，可量化校正后数据中批次效应和生物变异的平衡关系，适用于 scRNA-seq 和蛋白组学数据
  3. scUmaper: An automated framework for doublet removal and cell-type annotation in single-cell transcriptomics
    • DOI: 10.1016/j.isci.2026.115850
    • iScience (2026-06) — 集双细胞去除与细胞类型注释于一体的自动化管道，同时覆盖聚类和降维需求
  4. omicsGMF: a multi-tool for dimensionality reduction, batch correction and imputation in bulk- and single-cell proteomics
    • DOI: 10.1038/s41467-026-73402-8
    • Nature Communications — 基于矩阵分解的多功能工具，支持降维、批次校正和缺失值填补，同时适用于 bulk 和 single-cell 蛋白组学数据
  5. PATTY corrects open-chromatin bias for improved bulk and single-cell CUT&Tag profiling
    • DOI: 10.1038/s41467-026-73599-8
    • Nature Communications — 解决 CUT&Tag 中开放染色质偏好性偏倚问题，改进 bulk 和 single-cell 模式的染色质分析
  6. Network clustering algorithms and preprocessing pipelines for robust cell type identification in single-cell RNA sequencing
    • DOI: 10.1038/s41598-026-49033-w
    • Scientific Reports — 系统比较不同预处理管道和聚类算法对细胞类型鉴定的影响
  7. IsoformSwitchAnalyzeR v2: Analysis of Functional Isoform Changes in Long-read and Single-cell Sequencing Data
    • DOI: 10.64898/2025.12.08.693027
    • IsoformSwitchAnalyzeR 升级至 v2，新增对长读长和单细胞测序数据的可变剪接同工型转换分析支持
  8. Guidelines for single-cell RNA sequencing analysis of eosinophils
    • DOI: 10.1093/jleuko/qiag055
    • Journal of Leukocyte Biology — 嗜酸性粒细胞 scRNA-seq 分析指南，解决低丰度免疫细胞类型的分析标准化问题

工具版本更新

工具 新版本 发布日期 说明
anndata v0.12.16 2026-05-18 最新版本，性能优化和 bug 修复
scvi-tools v1.4.3 2026-05-12 最新版本
sctransform — — 本周无新版本发布

🔬 2. 降维与聚类

关键进展

本周降维聚类方向以下游方法的稳定性评估和基于 transformer 的新方法为主。

  1. Transcriptome graph transformer: a graph transformer-based unsupervised model for transcriptome data analysis
    • DOI: 10.1186/s12859-026-06458-4
    • BMC Bioinformatics — 基于图 transformer（非卷积）的无监督转录组分析模型，可直接处理基因-基因关系图进行降维和聚类
  2. StabCell （与方向1共享）
    • Stability-based 方法也为聚类分辨率选择和聚类结果评估提供了新工具
  3. omicsGMF （与方向1共享）
    • 其矩阵分解框架本质上也是降维方法，适用于高维蛋白组和转录组数据
  4. Network clustering algorithms and preprocessing pipelines comparison（与方向1共享）
    • 系统评估多种网络聚类算法和预处理策略对细胞类型鉴定的影响，为实际分析提供选型指导

🧪 3. 差异表达分析与标记基因

关键进展

本周差异表达方向以标记基因鉴定方法的稳定性和单细胞差异分析应用为主，无颠覆性新工具。

  1. StabCell（与方向1共享）
    • Stability selection 框架可直接应用于标记基因检测，通过子采样稳定性提升标记基因的可靠性
  2. Expanding canonical cortical cell type markers in the era of single-cell transcriptomics
    • DOI: 10.1038/s41598-026-51501-2
    • Scientific Reports — 在单细胞时代重新审视和扩展经典皮层细胞类型标记基因，为差异分析和注释提供参考标准
  3. Differential Analysis of Gene Spatial Organisation with Minkowski Functionals and Tensors
    • DOI: 10.64898/2026.05.12.724373
    • 利用闵可夫斯基泛函和张量方法进行基因空间组织差异分析，从空间分布角度识别差异基因

🔗 4. 轨迹推断与发育分析

关键进展

本周轨迹推断方向有新方法和重要综述产出。

  1. Cell trajectory inference based on Schrödinger problem and a mechanistic model of stochastic gene expression
    • DOI: 10.1038/s41540-026-00743-x
    • npj Systems Biology and Applications — 将 Schrödinger Bridge 框架与随机基因表达机制模型结合，提出新的细胞轨迹推断方法，在保留生物学可解释性的同时利用最优传输数学框架
  2. Comparison between a conventional tool and deep learning models for RNA velocity analysis of scRNA-Seq data
    • DOI: 10.1007/s00438-026-02429-9
    • Molecular Genetics and Genomics — 系统比较常规 RNA velocity 工具（scVelo）与深度学习模型在 scRNA-seq 数据上的 velocity 分析性能
  3. Computational approaches for multimodal lineage tracing
    • DOI: 10.1038/s41576-026-00969-9
    • Nature Reviews Genetics — 多模态谱系追踪计算方法综述，涵盖 CRISPR 条形码、DNA 突变谱系追踪与单细胞转录组联合分析的最新进展
  4. Cross-Cohort Optimal Transport Maps Macrophage Plasticity and Competing Routes to Inflammation and Fibrosis
    • DOI: 10.64898/2026.05.15.725379
    • 利用最优传输映射跨队列巨噬细胞可塑性，揭示炎症与纤维化的竞争路径，展示了 OT 在跨数据集轨迹推断中的应用
  5. Inferring stochastic dynamics by biophysical Neural ODE using single-cell transcriptomics
    • DOI: 10.1038/s41467-026-73257-z
    • Nature Communications — 结合生物物理约束的神经 ODE 模型，从单细胞转录组快照数据推断随机动力学过程（详见方向6）
  6. Polo-like kinase 1 controls activation of adult neural stem cells
    • DOI: 10.64898/2026.05.12.724486
    • 通过单细胞分析发现 PLK1 调控成体神经干细胞激活，为促进神经再生的药物开发提供靶点

🧩 5. 空间转录组学

本周最活跃方向 — 空间转录组学迎来 Nature Genetics 同期多篇爆发。

Nature Genetics 重磅论文

  1. Accurate, scalable and cross-platform cell identification for high-resolution spatial transcriptomics
    • DOI: 10.1038/s41588-026-02610-1
    • Nature Genetics — 提出高分辨率空间转录组学的高精度、可扩展、跨平台细胞鉴定方法，统一处理 Visium、Xenium、MERFISH 等多种平台数据
  2. Interpretable, flexible and spatially aware integration of multiple spatial transcriptomics datasets from diverse sources
    • DOI: 10.1038/s41588-026-02579-x
    • Nature Genetics — 可解释、灵活且空间感知的多来源空间转录组数据集整合方法，支持跨平台、跨实验的联合分析
  3. Decoding spatial transcriptomics across multicellular and subcellular resolutions
    • DOI: 10.1038/s41467-026-72872-0
    • Nature Communications — 多尺度和亚细胞分辨率的空间转录组解析方法，连接组织微环境与亚细胞转录空间组织

其他重要进展

  1. Counterfactual Modeling of Directional Cell-Cell Influence in Spatial Transcriptomics
    • DOI: 10.64898/2026.04.05.716510
    • 提出反事实推理框架推断空间转录组中的定向细胞-细胞影响，无需配体-受体数据库即可推断细胞间因果关系
  2. Multi-resolution Spatial Graphical Regression Models for Hierarchical Spatial Transcriptomics Data
    • DOI: 10.64898/2026.05.12.724724
    • 多分辨率空间图形回归模型，适用于分层空间转录组数据（如 Visium + Xenium 联合分析）
  3. Histopathology-inferred spatial transcriptomics characterizes the tumor microenvironment in 1,500 head and neck tumors
  4. Weak supervision of H&E slides reveals systems-level biology and functional states that govern therapeutic resistance
  5. BARseq3: a modular system for integrating spatial multi-omics and cellular barcoding in single cells
    • DOI: 10.64898/2026.05.13.724900
    • BARseq 升级至第三代，模块化系统支持空间多组学（转录组+表观组）与细胞条形码联合分析
  6. Identifying Context-Specific Cell-Cell Interaction Genes Without Ligand-Receptor Databases from Spatial Transcriptomics
    • DOI: 10.64898/2026.05.08.723913
    • 无需配体-受体数据库，直接从空间转录组数据中识别上下文特异的细胞-细胞互作基因
  7. GAMMI: graph-guided contrastive and adversarial integration of single-cell and spatial multi-omics data
    • DOI: 10.1093/bib/bbag218
    • Briefings in Bioinformatics — 图引导的对比+对抗性整合框架，联合分析单细胞和空间多组学数据
  8. BART-spatial unravels biologically significant transcriptional regulators from spatial omics data
  9. Deciphering microenvironmental heterogeneity by scalable Niche Guided Module Discovery
    • DOI: 10.1038/s42003-026-10240-w
    • Communications Biology — 可扩展的生态位导向模块发现方法解析肿瘤微环境异质性
  10. Logistic regression for estimating functional effects with spatial transcriptomics
    • DOI: 10.1093/nar/gkag466
    • Nucleic Acids Research — 利用逻辑回归从空间转录组数据中估计基因功能效应
  11. Pan-cancer landscape of cancer-testis genes revealed by single-cell and spatial transcriptomics
  12. Decoding murine corneal epithelial specification and homeostasis by single-cell spatial transcriptomics

空间工具版本

工具 新版本 说明
Seurat v5.5.0 (2026-04-22) 最新版本，无更新
squidpy v1.8.1 (2026-02-09) 无更新
GSEApy v1.2.1 (2026-04-27) 已更新

🤖 6. 深度学习方法与基础模型

关键进展

本周深度学习和基础模型方向有多项创新产出，涵盖可解释性、RNA 处理、单细胞动力学建模和关键警示性研究。

  1. Sparse autoencoders reveal interpretable cell-type programs in single-cell foundation model representations
    • DOI: 10.1016/j.jbi.2026.105056
    • Journal of Biomedical Informatics — 将稀疏自编码器应用于单细胞基础模型（如 scGPT、Geneformer）的隐空间表征，揭示可解释的细胞类型程序，大幅提升基础模型隐空间的可解释性
  2. HELIX: a scalable model for predicting context-dependent regulation of RNA splicing and isoform usage
    • DOI: 10.1038/s43588-026-00988-w
    • Nature Computational Science — 可扩展的 RNA 剪接与同工型使用的上下文依赖调控预测模型，适用于单细胞和批量数据
  3. Inferring stochastic dynamics by biophysical Neural ODE using single-cell transcriptomics
    • DOI: 10.1038/s41467-026-73257-z
    • Nature Communications — 结合生物物理约束的神经 ODE 模型从单细胞转录组数据推断随机动力学过程，连接基因表达随机性与细胞状态转换
  4. scMAGCA: Interpretable modality-aware mapping of gene regulation in single-cell multiomics
  5. A fully open structure-guided RNA foundation model for robust structural and functional inference
    • DOI: 10.1101/2025.08.06.668731
    • 完全开源的 RNA 基础模型，整合 RNA 结构信息提升功能和结构推断的稳健性
  6. Spurious correlation inflates performance in single-cell perturbation prediction
    • DOI: 10.64898/2026.05.07.723486
    • 重要警示性研究 — 揭示单细胞扰动预测模型中虚假相关性问题，指出当前许多方法的性能被高估，为模型评估标准化提出重要建议
  7. Biological foundation models illuminate annotation blind spots in evolutionarily divergent genomes
    • DOI: 10.64898/2026.05.15.724572
    • 展示了生物基础模型在非模式生物基因组注释中的独特价值，揭示传统方法遗漏的注释盲点
  8. BRIDGE-GRN: Role-Aware Bi-Tower Graph Learning with Cross-View Contrast for Directed Gene Regulatory Network Inference
    • DOI: 10.64898/2026.05.12.724562
    • 角色感知的双塔图学习框架，结合跨视图对比学习进行有向基因调控网络推断
  9. Using Deep Learning Models of Gene Regulation to Guide Drug Prioritization
  10. Transferable Transcriptional Topic Modeling Traces Medulloblastoma Subtypes to Distinct Cerebellar Developmental States
    • DOI: 10.1101/2025.11.12.687706
    • 可迁移的转录主题建模方法，将髓母细胞瘤亚型追溯至特定小脑发育状态
  11. Comparison between a conventional tool and deep learning models for RNA velocity analysis（与方向4共享）
    • 常规工具与深度学习模型的 RNA velocity 全面对比
  12. Transcriptome graph transformer（与方向2共享）
    • 图 transformer 在转录组分析中的应用

基础模型工具版本

工具 版本 说明
scGPT v0.2.4 (2025-03-31) 无更新
Geneformer — GitHub 最新发布不可用
scvi-tools v1.4.3 (2026-05-12) 最新发布

🏥 7. 临床应用与转化

关键进展

  1. Spatial and Cellular Architecture of the Glioblastoma Microenvironment Associated with Tumor-Infiltrating Lymphocyte Expansion
  2. Niche-level immune evasion in TP53 mutant AML residual disease revealed by spatial proteomics
  3. Humanized patient-derived xenografts preserve tumour-specific immune microenvironments
  4. Pan-cancer analysis of single-cell profiles with polygenic signals reveals genetic influences on tumor immunity across cancers
    • DOI: 10.1038/s42003-026-10158-3
    • Communications Biology — 泛癌单细胞图谱与多基因信号的联合分析揭示遗传变异对肿瘤免疫的跨癌种影响
  5. Integrated spatial and single-cell transcriptomic analysis of aggressive glioblastoma growth dynamics
  6. Functional T cells trapped behind a stromal wall: a Brake-with-Wall phenotype redefines pancreatic adenocarcinoma immunotherapy resistance
    • DOI: 10.64898/2026.05.11.724216
    • 发现胰腺导管腺癌中「刹车+墙壁」免疫表型，功能性 T 细胞被基质屏障捕获，重新定义免疫治疗抵抗机制
  7. Systematic toxicological study of PFOS/PFOA co-exposure driving prostate cancer: TME immune remodeling and drug prediction
    • DOI: 10.64898/2026.05.07.723528
    • PFAS 化学物共暴露驱动前列腺癌的毒性机制研究，包括肿瘤微环境免疫重塑和药物组合预测
  8. Comprehensive single-cell analysis reveals cellular heterogeneity and immune interactions in colorectal cancer
  9. TumorArchetypeR: A modular framework to derive signature-based tumor subtypes
  10. TRAFIKK: systematic prediction and mechanistic interpretation of anticancer drug synergies
  11. Decoding drug-responsive cell subpopulations in triple-negative breast cancer（上期周报继续关注）
    • 来自上期周报提及的临床 scRNA-seq 分析
  12. Dynamic landscape of peripheral blood lymphocyte subsets in dengue patients
    • DOI: 10.1186/s12879-026-13511-3
    • BMC Infectious Diseases — 多模态（单细胞+流式）分析登革热患者外周血淋巴细胞动态变化

🔧 8. 综合工具与平台

开源工具版本更新

工具 新版本 发布日期 说明
anndata v0.12.16 2026-05-18 最新版本，文件格式和性能优化
scvi-tools v1.4.3 2026-05-12 含模型和新功能更新
GSEApy v1.2.1 2026-04-27 基因集富集分析 Python 工具
Monocle3 v1.4.27 2026-05-05 轨迹推断
scirpy v0.24.0 2026-05-07 TCR/BCR 分析
Scanpy v1.12.1 2026-04-10 最新版本
Seurat v5.5.0 2026-04-22 最新版本
scVelo v0.3.4 2026-02-24 RNA velocity 分析
squidpy v1.8.1 2026-02-09 空间转录组分析

新工具与方法

  1. SigBridgeR: An Integrative Framework for Comprehensive Screening and Benchmarking of Phenotype-Associated Cell Subpopulations
  2. PXN Unlocks the Power of Public Gene Expression Data Through Cross-Technology Integration
    • DOI: 10.64898/2026.05.11.724309
    • 跨技术平台公共基因表达数据整合工具，打破不同技术平台间的数据壁垒
  3. ATACompass enables cross-species cell identity mapping for scATAC-seq without gene annotations
    • DOI: 10.1016/j.crmeth.2026.101460
    • Cell Reports Methods — 无需基因注释即可实现跨物种 scATAC-seq 细胞身份映射，对非模式生物单细胞表观组学分析具有重要价值
  4. geneRNIB: a living benchmark for gene regulatory network inference
    • DOI: 10.1101/2025.02.25.640181
    • 基因调控网络推断的活体基准测试平台，持续更新包含最新方法和真实验证数据集
  5. MethylCurate: Tool For Dataset Curation and Epigenetic Aging Clock Evaluation
  6. A multi-omic, spatial, and whole-slide image dataset of lung neuroendocrine tumours from the lungNENomics cohort
  7. Quantifying Cross-Modal Association Confidence for Single-Cell RNA-ATAC Integration

多模态整合

  1. Computational approaches for multimodal lineage tracing（与方向4共享）
    • Nature Reviews Genetics 综述
  2. Evidence of off-target probe binding affecting 10x Genomics Xenium gene panels
    • DOI: 10.7554/eLife.107070
    • eLife — 重要发现：Xenium 基因面板存在探针脱靶结合问题，影响空间转录组数据准确性，对 Xenium 数据解读有重要警示意义
  3. Resolving sensitivity, specificity and signal contamination in Xenium spatial transcriptomics
    • DOI: 10.1038/s41592-026-03089-8
    • Nature Methods（2026-04） — Xenium 空间转录组中灵敏度、特异性和信号污染的解析方法

📋 总结

方向 活跃度 本周亮点
🧬 预处理与质控 ★★★★☆ StabCell 稳定性聚类、BatchVaria 批次校正评估框架、scUmaper 双细胞去除管道
🔬 降维与聚类 ★★★☆☆ 图 transformer 无监督转录组分析、Stability-based 聚类评估
🧪 差异表达分析 ★★☆☆☆ StabCell 标记基因检测、皮层标记基因重新评估
🔗 轨迹推断 ★★★★☆ Schrödinger Bridge 轨迹推断、RNA velocity 方法对比、Nature Reviews Genetics 综述
🧩 空间转录组学 ★★★★★ Nature Genetics 三篇重磅论文、Counterfactual CCI、BARseq3、GAMMI 整合
🤖 深度学习/基础模型 ★★★★☆ 稀疏自编码器可解释性、HELIX 剪接预测、Neural ODE 动力学、虚假相关性警示
🏥 临床应用 ★★★★☆ GBM 空间微环境、TP53 AML 免疫逃逸、PDX 免疫微环境保留、PFAS 前列腺癌
🔧 综合工具 ★★★★☆ anndata v0.12.16、ATACompass 跨物种映射、Xenium 脱靶效应警示

特别推荐阅读： 1. Spurious correlation in perturbation prediction — 对评估单细胞扰动预测模型有关键警示意义 2. Sparse autoencoders in foundation models — 提升基础模型可解释性的重要方向 3. Xenium off-target probe binding — 对使用 10x Xenium 的研究者至关重要