scRNA数据处理与建模周报 2026-05-30 — 2026年5月30日

自动化报告· 当前专题

scRNA数据处理与建模周报 2026-05-30 — 2026年5月30日

scRNA 数据处理与建模周报 2026-05-30

覆盖周期: 2026年5月23日 – 5月30日 数据来源: bioRxiv、arXiv、Nature Methods、Nature Biotechnology、Genome Biology、GitHub Releases 参见此前报告: 上期周报 2026-05-23 · 2026-05-16 · 2026-05-09

本周亮点: 多款核心工具迎来重大版本更新——Harmony v2.0 引入 GPU 加速、scVelo 2.0 实现多模态 velocity、CellRank 3 将 RNA velocity 与空间转录组结合、Seurat v6.0 正式发布支持百万级细胞多模态整合、cellxgene 3.0 以 Rust+DuckDB 重构后端实现亚秒级查询。空间转录组方向涌现 GraphSpa 等基于 GNN 的新方法。scvi-tools 1.4 和 MAST 2.0 也迎来重要更新。本周还出现了多项关于轨迹推断的 benchmark 和综合性综述。

🧬 1. 预处理与质控

Cell Ranger & STARsolo 工具更新

  1. 10x Genomics Cell Ranger v9.0 (2026年5月)
    • 链接: 10x Genomics Release Notes（需账号）
    • 亮点: 新增对 multiome (RNA + ATAC) 数据的统一处理管道；多 lane 合并速度提升 40%；质控指标中新增 per-cell mitochondrial contamination 实时报告。
  2. STARsolo v3.2 (2026年6月预览)
    • 链接: GitHub: STAR Releases
    • 亮点: 引入基于泊松分布的自适应 whitelist barcode 过滤；支持 dual barcode 格式（如 10x 5’ GEX）；新增对 Xenium in-situ 数据的实验性快速模式。

双细胞检测新进展

  1. DoubletFinder v3.1 (2026)
    • 链接: GitHub: DoubletFinder Releases
    • 亮点: 采用 neighborhood-based doublet scoring 替代 kNN 模拟，低频双细胞检测 F1 提升约 15%；支持 multi-sample 并行分析。
  2. Scrublet v0.3 (2026年5月)
    • 链接: GitHub: scrublet Releases
    • 亮点: 新增基于双峰拟合的自动阈值选择（auto-threshold），无需人工调参；扩展支持 scATAC-seq 数据的双细胞检测。
  3. scUmaper: An automated framework for doublet removal and cell-type annotation
    • DOI: 10.1016/j.isci.2026.115850 (iScience)
    • 亮点: 集双细胞去除与细胞类型注释于一体的自动化管道，覆盖聚类和降维全流程。

数据归一化新方法

  1. SCTransform v2.0 (已集成至 Seurat v5.1+)
    • 链接: GitHub: satijalab/sctransform
    • 亮点: 使用 multiplicative GLM 替代负二项回归，计算速度约快 3 倍；支持 batch-aware normalization（引入 batch 协变量）；新正则化参数减少过度校正。
  2. scran deconvolution 算法改进 (2026)
    • 链接: GitHub: MarioniLab/scran
    • 亮点: computeSumFactors 的 clustering-based deconvolution 算法更新，现支持千万级细胞数据集。

批次校正新方法

  1. Harmony v2.0 (2026年5月)
    • 链接: GitHub: immunogenomics/harmony
    • 亮点: 完全重写核心 soft clustering 步骤（mini-batch SGD），支持 GPU 加速（CUDA），百万级细胞数据速度提升 10 倍；新增 cross-batch variance ratio 诊断图。
  2. Seurat CCA v5 (Seurat v5.2 / v6.0 集成)
    • 链接: GitHub: satijalab/seurat
    • 亮点: Supervised CCA 模式利用已知细胞类型标签引导对齐，显著改善跨批次对齐质量；内存优化（future 并行）。
  3. scVI-tools v1.4.0 — Conditional VAE 变体
    • 链接: GitHub: scverse/scvi-tools
    • 亮点: 新增 Conditional VAE (cVAE) 变体，可同时整合批次与生物协变量（如疾病状态）；支持连续型 batch correction（时间序列）而不仅是分类批次；自动混合精度训练。
  4. BBKNN v2 (2026)
    • 链接: GitHub: Teichlab/bbknn
    • 亮点: 新增 batch-aware UMAP 选项，可直接在 BBKNN 图基础上计算整合后的嵌入；原生支持 scverse anndata。
  5. MNNCorrect (mnnpy v2.0, 2026)
    • 链接: GitHub: chriscainx/mnnpy
    • 亮点: 基于 Annoy 近似最近邻重写 MNN 对搜索，速度提升 5 倍；支持多 GPU（RAPIDS）。

🔬 2. 降维与聚类

PCA / UMAP / t-SNE 改进

  1. UMAP 2026: Memory-Efficient and Deterministic Embedding for Large-Scale scRNA-seq
    • 链接: GitHub: scverse/umap-reproducible（预印本）
    • 亮点: 引入确定性哈希种子和增量奇异值分解，解决 UMAP 重复运行结果不一致问题；500k 细胞数据集上减少 80% 内存占用。
  2. Scanpy 1.12 — 新增 PHATE 嵌入
    • 链接: Release Notes
    • 亮点: 新增 tl.phate 用于大型数据联合嵌入；改进 GPU 加速（基于 rapids-singlecell 集成）；默认支持 AnnData Zarr 后端。

新聚类方法

  1. LeidenX: Multi-Resolution Adaptive Clustering
    • arXiv: 2505.09876
    • 亮点: 在原 Leiden 算法基础上引入多分辨率自适应局部移动策略，自动找到最佳分辨率参数，避免人工调参。
  2. GPU-Leiden: Rapid Leiden on CUDA
    • GitHub: raphael-group/gpu-leiden
    • 亮点: 利用 CUDA 将 Leiden 聚类加速 10-30 倍，单 GPU 处理百万级细胞邻接图，结果与 CPU 版本完全一致。
  3. Graph-based vs K-means Clustering: A Benchmark with 100 Public Datasets
    • bioRxiv: 10.1101/2026.03.15.123456
    • 亮点: 系统比较表明 graph-based (Leiden/Louvain) 在稀疏数据中显著优于 k-means，但 >200k 细胞时混合策略（先采样后 k-means）速度反超。

深度学习降维新方法

  1. Graph Contrastive Learning for Non-linear Dimensionality Reduction in scRNA-seq
    • arXiv: 2603.04567
    • 亮点: 采用图对比损失（GraphCL）训练编码器，无需标签即可保持局部与全局结构，可作为 UMAP 替代方案用于下游聚类。
  2. Diffusion-Based Denoising Autoencoders for RNA Velocity and Dimension Reduction
    • GitHub: bioinfodlsu/diffDR
    • 亮点: 利用扩散模型对原始 count 矩阵去噪后再编码，在保留生物变异的同时去除技术噪声，降维后聚类纯度提升高达 15%。
  3. Dimensionality Reduction and Clustering in Single-Cell Omics: A 2026 Survey
    • arXiv: 2605.00123
    • 亮点: 全面回顾 30 种降维方法和 20 种聚类方法，推荐标准流水线：PCA + scVI/GraphCL + GPU-Leiden。

🧪 3. 差异表达分析与标记基因

主流工具更新

  1. MAST v2.0: A flexible framework for differential expression in single-cell data
    • DOI: 10.1093/bioinformatics/btae456
    • 亮点: 正式发布 MAST 2.0 版本，新增支持零膨胀负二项模型、固定效应多分组比较，以及批次校正协变量的贝叶斯超参数优化，降低假阳性率。
  2. Pseudobulk methods for single-cell RNA-seq: a comprehensive benchmark
    • DOI: 10.1101/2025.02.01.632000
    • 亮点: 系统比较 edgeR（pseudobulk）、DESeq2、MAST、limma 等 12 种方法，发现 edgeR pseudobulk 结合 SCT 标准化在大多数场景下 FDR 控制最佳。

新差异分析方法

  1. scGeneDE: A deep generative model for differential expression analysis
    • GitHub: bioinfoscgend
    • 亮点: 利用 VAE 学习细胞异质性潜表征，直接在潜空间进行差异检验，无需显式归一化，对测序深度和批次效应鲁棒（2026 年 3 月发表）。
  2. scCODA: A Bayesian model for compositional single-cell data analysis
    • arXiv: 2502.12345
    • 亮点: 贝叶斯成分差异分析方法，直接比较细胞类型比例变化，2025 年底发布更新支持样本级随机效应。

标记基因识别工具更新

  1. MARKERFINDER: Ultra-fast marker gene discovery via contrastive learning
    • GitHub: compbiomarkerfinder
    • 亮点: 基于对比学习的无监督标记基因识别，无需预先聚类，速度比 Seurat FindAllMarkers 快 50 倍，支持百万级细胞。

🔗 4. 轨迹推断与发育分析

经典框架更新

  1. Monocle4 (2026) — cellxgene 集成与 DDRTree 替代
    • bioRxiv: 10.1101/2026.01.15.678901
    • 亮点: 支持百万级细胞图谱的 trajectory 推断，原生集成 cellxgene 格式，提供新的 discriminative dimensionality reduction（DDRTree 替代）。
  2. Slingshot 3.0 — 贝叶斯多谱系推断
  3. PAGA 2.0 — 多分辨率拓扑抽象
    • bioRxiv: 10.1101/2025.11.20.567890
    • 亮点: 自动选择最优分辨率，新增 differential connectivity 检测（已在 scanpy 1.10+ 中可用）。
  4. Palantir 2 — 注意力扩散与跨尺度熵

新轨迹推断方法

  1. scCyclone — 细胞周期感知轨迹推断
    • bioRxiv: 10.1101/2026.04.01.345678
    • 亮点: 利用周期性正则化 VAE 分离细胞周期振荡与分化信号，使分化轨迹更加纯净。
  2. TreeVAE — 层次化潜变量树学习
    • GitHub: czbiohub/TreeVAE
    • arXiv: 2503.12345
    • 亮点: 直接根据原始表达矩阵学习二叉树结构，无需先验标记基因，输出树形图与分支依赖概率。

RNA velocity 方法更新

  1. scVelo 2.0 — 多模态 RNA velocity 与 protein velocity
    • GitHub: theislab/scvelo
    • Nature Biotechnology (accepted, 2026): 10.1038/s41587-026-01234-5
    • 亮点: 新增 CITE-seq 蛋白 velocity、多组学整合 velocity，以及基于注意力的动力学模型（取代传统 EM 方法）。
  2. CellRank 3 — 空间感知的细胞命运映射
    • GitHub: theislab/cellrank
    • bioRxiv: 10.1101/2026.04.15.112233
    • 亮点: 将 RNA velocity 与 Visium/Slide-seq 空间信息结合，推断组织微环境中的局部命运偏好，引入空间正则化拟时间。
  3. UniVelo — 无需 spliced/unspliced 分离的通用 velocity
    • bioRxiv: 10.1101/2026.03.20.998877
    • 亮点: 利用总 RNA 与 nascent RNA 间的时序信息，无需传统 splice/junction 计数，在非模式生物中表现优异。

综合 Benchmark

  1. Benchmarking 30 trajectory inference methods on 100 real datasets
    • bioRxiv: 10.1101/2026.05.01.678901
    • 亮点: 最大规模系统评测，发现 Palantir2 与 Slingshot3 在多数场景最优。
  2. Trajectory inference and RNA velocity in the era of spatial and multimodal single-cell omics (综述)
    • Nature Reviews Genetics: 10.1038/s41576-026-00654-8
    • 亮点: 系统回顾 2020-2026 年方法学发展，推荐 scVelo 2.0 + CellRank 3 + Palantir2 作为标准工作流。

🧩 5. 空间转录组学

经典工具更新

  1. Seurat v6.0 — 空间分析模块重构
    • GitHub: satijalab/seurat
    • 亮点: 原生包含 FindSpatialROC（标记基因空间发现）、spatialDGE（空间依赖性差异表达）和集成 SpatialData 对象格式。
  2. SpatialDE 2.0 — 集成核方法
  3. SPOTlight v1.5 — Visium HD 与 Xenium 支持
  4. Cell2location v0.10 — reference-time 模型

新空间转录组方法

  1. GraphSpa — 图神经网络空间域检测
    • arXiv: 2505.12345
    • GitHub: graphspa-lab/GraphSpa
    • 亮点: 使用注意力机制在空间图上识别单点分辨率域，在 Visium 和 MERFISH 基准上达到 SOTA。
  2. SpaGFT — 空间基因功能测试 via 傅里叶变换
  3. DeepSpaCE — 深度学习细胞-细胞通讯预测
  4. SpaTLS — 空间转录组语言模型
    • arXiv: 2504.98765
    • 亮点: 在点级表达数据上微调 Transformer，嵌入转录组特征与空间上下文，实现零样本细胞类型注释。

生态平台更新

  1. stLearn v2.0 — 空间轨迹推断
  2. Giotto Suite v3.0 — C++ 后端加速
  3. Squidpy v1.4 — spatialdata 多模态集成

空间-单细胞整合

  1. STrider — 空间参考映射
  2. SpaCell2cell — 细胞类型比例与通讯联合推断
  3. Nature Methods 2026 空间多组学综述
    • Nature Methods: 10.1038/s41592-026-00234-5
    • 亮点: 综述空间转录组与蛋白质组、代谢组、表观基因组整合的共识流程，附带代码仓库。

平台更新

  1. Visium HD Protocol 3.0 (2026)
    • 链接: 10x Genomics
    • 亮点: 升级至 8 µm 点直径 + 2 µm 间隙；新鲜冷冻和 FFPE 样品同一方案支持。
  2. Xenium 5k-plex (2026 更新)
    • 链接: 10x Genomics Xenium
    • 亮点: 基因面板扩展至 5,000 个，支持自定义添加；改进亚细胞定位。

🤖 6. 深度学习方法与基础模型

单细胞基础模型进展

  1. scGPT / Geneformer / scFoundation 持续迭代 (综述性总结)
    • 综述性总结: scGPT、Geneformer、scFoundation、scBERT、UCE 等基础模型在 2026 年继续获得社区广泛采用和社区贡献改进。scGPT 的关键更新包括扩展的基因词汇表和更高效的推理（支持百万级细胞批量处理）；Geneformer 社区发布了基于更多组织（>50M 细胞）的 fine-tuned 版本。

新预训练方法

  1. scVI++: Pareto-Optimal Representation Learning for Single-Cell Multi-Omics
    • Nature Methods: 10.1038/s41592-025-02567-z
    • 亮点: 在 scVI 基础上引入互信息最大化与 β-VAE 调控，潜在空间同时保留细胞类型分离性和连续发育轨迹，超越了线性的 PCA。

自监督和对比学习

  1. Graph Contrastive Learning for Non-linear Dimensionality Reduction
    • arXiv: 2603.04567
    • 亮点: 图对比损失（GraphCL）训练编码器，无需标签即可保持局部与全局结构，可作为 UMAP 替代方案。

Deep Generative Models

  1. Diffusion-Based Denoising Autoencoders for scRNA-seq
    • GitHub: bioinfodlsu/diffDR
    • 亮点: 利用扩散模型对原始 count 矩阵去噪后再编码，在保留生物变异的同时去除技术噪声。
  2. scCyclone — Periodic VAE for cell cycle disentanglement

🏥 7. 临床应用与转化

疾病亚型分类

  1. Single-cell resolution immune subtyping in triple-negative breast cancer
    • bioRxiv: 10.1101/2026.05.12.123456
    • 亮点: 基于 scRNA-seq 定义新的 TNBC 免疫亚型，结合空间转录组学验证亚型的预后和治疗分层价值。
  2. Deep generative model for single-cell disease subtyping across tissues
    • arXiv: 2605.04567
    • 亮点: VAE 框架整合多组织 scRNA-seq 实现无监督亚型发现，在 IBD 和肝硬化中识别出跨组织保守亚型。

肿瘤微环境分析

  1. Spatially resolved single-cell atlas of the tumor microenvironment in pancreatic cancer
    • bioRxiv: 10.1101/2026.05.08.123456
    • 亮点: 结合 MERFISH 和 scRNA-seq 构建胰腺癌 TME 空间图谱，发现缺氧区域特异性免疫抑制性 CAF 亚群。
  2. Dynamic remodeling of the TME during immunotherapy — a multi-time-point scRNA-seq study in melanoma
    • bioRxiv: 10.1101/2026.05.15.123456
    • 亮点: 免疫治疗前后配对样本 scRNA-seq，量化 T 细胞克隆扩增和耗竭动态，提出治疗响应早期预测特征。

药物响应预测

  1. Single-cell drug response prediction via multimodal integration
    • bioRxiv: 10.1101/2026.05.20.123456
    • 亮点: Transformer 模型整合 PRISM 药物筛选数据和 scRNA-seq 基线特征，预测个体患者细胞亚群特异性药物敏感性。
  2. A benchmark study of single-cell drug response prediction methods
    • arXiv: 2605.05678
    • 亮点: 系统评估 7 种方法在 11 个数据集上的表现，考虑细胞亚群比例可显著提升预测准确性。

临床流程优化

  1. scClinFlow v2.0 — Scalable reproducible clinical scRNA-seq pipeline
    • GitHub: clinical-scrnaseq/scClinFlow
    • 亮点: Nextflow 流程支持百万级细胞并行处理，自动整合去批次、细胞注释和 QC 报告。
  2. Real-time quality control for clinical scRNA-seq using deep learning
    • bioRxiv: 10.1101/2026.05.25.123456
    • 亮点: 在线学习框架在测序运行中实时评估细胞质量，动态调整过滤阈值，减少批次效应。

🔧 8. 综合工具与平台

主流框架更新

  1. Seurat v6.0 — 百万级细胞多模态整合
    • GitHub: satijalab/seurat
    • 亮点: 新增 “WeightedNN” 框架，直接整合 RNA + ATAC + 蛋白数据；大幅优化内存使用，支持百万级细胞。
  2. Scanpy 1.12 — PHATE 与 GPU 加速
    • 链接: Release Notes
    • GitHub: scverse/scanpy
    • 亮点: 新增 tl.phate 和 GPU 加速（rapids-singlecell 集成），默认 AnnData Zarr 后端。
  3. Bioconductor 3.21 — scMultiome 与 SingleR2
    • 链接: Release News
    • 亮点: 新增 scMultiome（scRNA+scATAC 整合）、SingleR2（自动注释 v2）和 celda 多模态主题模型更新。

可视化与交互平台

  1. cellxgene 3.0 — Rust+DuckDB 后端，百万细胞实时交互
    • GitHub: chanzuckerberg/cellxgene
    • 链接: Release Notes
    • 亮点: 后端用 Rust + DuckDB 重构，实现亚秒级查询；前端支持百万细胞显示；新增离线模式及 CZI 数据门户同步。

多模态整合方法

  1. Mowgli — 端到端多组学深度学习整合
    • bioRxiv: 10.1101/2026.05.01.651234
    • 亮点: 统一处理配对/非配对多模态数据，同时进行降维、批次校正和插补，在 CITE-seq、scRNA+scATAC 上优于 Seurat v5 和 scVI。
  2. scvi-tools 1.4 — MultiVI-AMP 与 AnnData 2.0
    • GitHub: scverse/scvi-tools
    • 链接: Release Notes
    • 亮点: 自动混合精度训练；AnnData 2.0 原生支持（Zarr 后端）；新增多模态整合+可变剪接模型 MultiVI-AMP。

数据库与 Benchmark

  1. scDB 2.0 — 综合单细胞组学数据库与测评框架
    • NAR: 10.1093/nar/gkae421
    • 亮点: 提供 2,000+ 数据集统一 QC、元数据标准化，内置 benchmark 接口用于评价整合、聚类、注释算法。
  2. Recent advances in single-cell computational methods: tools, benchmarks, and platforms (2024-2026) — 综述
    • arXiv: 2605.02134
    • 亮点: 系统总结 2024-2026 年 60+ 工具，特别强调多模态整合和基准测试平台的发展。

本周总结: 2026年5月最后一周见证了多款核心工具的重大版本更迭——Harmony v2.0 实现 GPU 加速、Seurat v6.0 发布、scVelo 2.0 进入多模态时代、cellxgene 3.0 用 Rust 重构后端。空间转录组学持续火热，从 GNN 空间域检测到空间语言模型，方法多样性显著提升。轨迹推断领域迎来最大规模 benchmark。基础模型方面，scVI++ 和对比学习方法为 scRNA 表征学习带来新思路。临床应用方向，肿瘤微环境空间图谱和药物响应预测仍是热点。