scRNA数据处理与建模周报 2026-06-06 — 2026年6月6日

自动化报告· 当前专题

scRNA数据处理与建模周报 2026-06-06 — 2026年6月6日

scRNA 数据处理与建模周报 2026-06-06

覆盖周期: 2026年5月30日 – 6月6日 数据来源: arXiv、GitHub Releases 参见此前报告: 上期周报 2026-05-30 · 2026-05-23 · 2026-05-16

本周亮点: 本周工作量相对平缓，未有大规模工具版本发布。学术预印本方面聚焦于三个渐进方向：(1) 最优传输与流匹配成为脉冲——OTP-FM 和 OMT 两个方法将 OT 从配对分布映射扩展到多边缘和混合组分传输，显著改善 scRNA-seq 数据分析；多个 OT/流匹配工作的出现标志着该路径正从方法论走向应用成熟。(2) 空间转录组学继续涌现新方法，包括 GC-MoE（组织学图像到单细胞空间转录组）、SpCAST（单细胞分辨率解码）、HEXST（六边形 Swin Transformer）、以及评估病理基础模型空间注意力的方法学工作。(3) 单细胞基础模型方向出现重要方法论反思——GENEB 揭示了基因组模型难以公平比较的原因，Sigmoid Attention 替代 Softmax 在 scFM 中取得更好效果。主流工具如 scvi-tools、Scanpy、Seurat 和 SpatialData 本周无新版本发布。

🧬 1. 预处理与质控

本周未有重大新进展。

  • Cell Ranger、STARsolo 等主流定量工具本周无新版本发布（上期报告已覆盖 Cell Ranger 9.0 和 STARsolo v3.2 预览）。
  • 双细胞检测方法（DoubletFinder、Scrublet 等）本周无更新公告。
  • 数据归一化方面未见新方法预印本。
  • 批次校正方向本周无新方法发布。

相关进展（间接相关）: - Flow Matching for Count Data | arXiv:2605.07746 (2026-05-08) - 针对计数数据的流匹配方法，直接对 scRNA-seq 等计数分布进行建模，可视为归一化和噪声建模的一种替代范式。

🔬 2. 降维与聚类

本周未有重大新进展。

无 PCA、UMAP、t-SNE 等核心算法的新版本发布。Leiden/igraph 方向暂无更新公告。本周未见新的深度学习降维方法预印本。

近期相关进展: - Nested Atoms Model for Clustering Big Population-Scale Single-Cell Data | arXiv:2604.11731 (2026-04-13) - 针对 OneK1K 队列 982 个个体的大规模聚类问题，提出嵌套原子模型捕捉群体-个体层次结构。

🧪 3. 差异表达分析与标记基因

本周未有重大新进展。

  • MAST、edgeR、limma-voom 等经典 DE 方法本周无版本更新。
  • 无新的差异分析方法或标记基因工具发布。

🔗 4. 轨迹推断与发育分析

本周未有重大新进展 —— 但近期（5月中旬以来）涌现多项重要方法。

主流框架（Monocle、Slingshot、PAGA、Palantir）本周无版本更新，RNA velocity 方法（velocyto、scVelo、CellRank）亦无新版本发布。

近期重要预印本:

  1. PACE: Geometry-Aware Bridge Transport for Single-Cell Trajectory Inference arXiv:2605.18587 (2026-05-18)
    • 亮点: 将最优传输与几何感知桥接传输结合，通过时间快照推断单细胞轨迹，在保持生物几何结构方面优于传统 OT 方法。
  2. From Snapshots to Trajectories: Learning Single-Cell Gene Expression Dynamics via Conditional Flow Matching arXiv:2605.22340 (2026-05-21)
    • 亮点: 利用条件流匹配从非配对时间快照学习基因表达动态，无需细胞-细胞对应关系。
  3. Modeling Temporal scRNA-seq Data with Latent Gaussian Process and Optimal Transport arXiv:2605.20989 (2026-05-20)
    • 亮点: 结合潜高斯过程和最优传输建模时间序列 scRNA-seq，对过拟合敏感度低于神经ODE和流方法。
  4. Applications of Temporal Graph Learning for Predicting the Dynamics of Biological Systems arXiv:2605.28659 (2026-05-27)
    • 亮点: 将时序图学习应用于生物系统动态预测，克服静态基础模型在动态场景下的局限。

🧩 5. 空间转录组学

本周活跃方向 —— 有多项新预印本发表。

新方法

  1. GC-MoE: Genomics-Guided Cell-Type-Specific Mixture of Experts for Histology-Based Single-Cell Spatial Transcriptomics arXiv:2606.02424 (2026-06-01)
    • 亮点: 利用混合专家(MoE)架构，以组织学图像和细胞位置信息预测单细胞分辨率的空间基因表达，降低对昂贵 ST 实验的依赖。
  2. SpCAST: Decoding spatial transcriptomics at single-cell resolution with fast and interpretable analysis arXiv:2605.26904 (2026-05-26)
    • 亮点: 以单细胞分辨率解码空间转录组数据，方法快速且可解释，适用于成像型和测序型 ST 平台。
  3. HEXST: Hexagonal Shifted-Window Transformer for Spatial Transcriptomics Gene Expression Prediction arXiv:2605.04682 (2026-05-06)
    • 亮点: 专为六边形点阵设计的 Shifted-Window Transformer，从组织学图像预测 ST 基因表达，考虑 ST 特有的六边形空间结构。
  4. Fused Spatial Latent Block Models for Co-Clustering arXiv:2606.04495 (2026-06-03)
    • 亮点: 融合空间坐标和基因表达潜变量模型，在 ST 数据中同时聚类空间区域和基因模块。

基础模型与空间转录组

  1. Do Foundation Models See Biology? Evaluating Attention Coherence with Spatial Transcriptomics in Glioblastoma arXiv:2606.04764 (2026-06-03)
    • 亮点: 利用胶质母细胞瘤空间转录组数据评估病理基础模型的注意力图是否捕获真正的生物学信号，为临床可信赖性提供方法论框架。
  2. Geometry-First Generative Spatial Single-Cell Reconstruction arXiv:2605.28200 (2026-05-27)
    • 亮点: 几何优先的生成式方法从 scRNA-seq 重建空间信息，优于传统地标/去卷积方法的整合策略。

平台更新

  • SpatialData v0.7.3 GitHub: scverse/spatialdata (2026-05-06)
    • 亮点: 最新版本 0.7.3 持续优化多模态空间数据格式支持（上次周报后已有多项 patch）。

🤖 6. 深度学习方法与基础模型

本周研究方向活跃 —— 方法论反思成为主旋律。

基础模型评估与比较

  1. GENEB: Why Genomic Models Are Hard to Compare arXiv:2606.04525 (2026-06-03)
    • 亮点: 系统揭示基因组基础模型难以公平比较的根本原因——基准碎片化、评估协议不兼容、任务特定报告方式，提出标准化评估框架。对 scRNA 基础模型的评估实践具有重要指导意义。
  2. Do Foundation Models See Biology? Evaluating Attention Coherence with Spatial Transcriptomics in Glioblastoma arXiv:2606.04764 (2026-06-03)
    • 亮点: 利用 ST 数据作为生物真相，首次系统检验病理/基因组基础模型的注意力图是否对齐真实生物学。（与空间方向重复，但核心贡献在基础模型评估）

模型架构创新

  1. Better Models, Faster Training: Sigmoid Attention for single-cell Foundation Models arXiv:2604.27124 (2026-04-29)
    • 亮点: 提出用 Sigmoid Attention 替代 Softmax Attention 训练单细胞基础模型，在 6 个数据集上生成更好的潜在表示，同时训练速度更快。
  2. LDARNet: DNA Adaptive Representation Network with Learnable Tokenization for Genomic Modeling arXiv:2606.04552 (2026-06-03)
    • 亮点: 提出可学习的基因组 tokenization 替代固定 k-mer/BPE 方案，在基因组建模中优于现有固定分词方法。虽针对 DNA 层级，其 tokenization 思路可启发 scRNA 模型改进。
  3. Prototype Guided Post-pretraining for Single-Cell Representation Learning arXiv:2605.07938 (2026-05-08)
    • 亮点: 在单细胞预训练模型基础上引入原型引导的后训练阶段，提升细胞类型分离度和下游任务泛化性。

单细胞基础模型与扰动预测

  1. CellxPert: Inference-Time MCMC Steering of a Multi-Omics Single-Cell Foundation Model for In-Silico Perturbation arXiv:2605.00930 (2026-04-30)
    • 亮点: 统一多模态(scRNA+ATAC)单细胞基础模型，利用推断期 MCMC 驱动实现 in-silico 扰动模拟，可在不重新训练的情况下预测基因扰动效应。
  2. Towards Universal Gene Regulatory Network Inference: Unlocking Generalizable Regulatory Knowledge in Single-cell Foundation Models arXiv:2605.08128 (2026-05-01)
    • 亮点: 探索从单细胞基础模型中提取通用基因调控网络知识的方法，证明 scFM 编码了可迁移的调控信息。
  3. What Makes a Representation Good for Single-Cell Perturbation Prediction? arXiv:2605.19343 (2026-05-19)
    • 亮点: 系统分析不同表征学习方法（因果表征学习 vs 基础模型嵌入）在单细胞扰动预测中的表现差异，发现当前方法存在被忽视的方法论缺陷。

流匹配与最优传输

  1. Multimarginal flow matching with optimal transport potentials arXiv:2606.05327 (2026-06-03)
    • 亮点: 提出 OTP-FM——带最优传输势的多边缘流匹配方法，固定中间边际分布以引导端到端流。在多个 scRNA-seq、海洋学和气象学数据上达到 SOTA。被 ICML 2026 接收。
  2. A Biconvex Formulation for Stable Transport of Mixture Models with a Unique Solution arXiv:2606.02515 (2026-06-01)
    • 亮点: 将 OT 从逐样本传输扩展到混合组分传输（OMT），严格双凸优化保证唯一全局解，计算复杂度与样本数解耦。在大规模 scRNA-seq 数据上验证。
  3. Flow Matching for Count Data arXiv:2605.07746 (2026-05-08)
    • 亮点: 专为计数数据设计的流匹配框架，直接应用于 scRNA-seq 等离散高维数据，支持批次间映射。

ORBIT: 基因程序共激活分析

  1. ORBIT: Learning Gene Program Co-Activation Structure for Cell-Type-Stratified Pathway Rewiring Analysis arXiv:2605.02142 (2026-05-04)
    • 亮点: 自监督 Transformer 学习基因程序间的非对称依赖关系，无需实验扰动数据即可分析细胞类型特异的通路重连。

深度生成模型

  1. StateXDiff: Cell State-Contextualized Multimodal Diffusion for Single-Cell Perturbation Prediction arXiv:2605.16104 (2026-05-15)
    • 亮点: 细胞状态上下文化的多模态扩散模型用于预测药物诱导的细胞状态变化，尤其关注分布外(OOD)场景。

GRN 方法论反思

  1. When Does Gene Regulatory Network Inference Break? A Controlled Diagnostic Study of Causal and Correlational Methods arXiv:2605.04930 (2026-05-06)
    • 亮点: 系统的诊断性研究揭示因果关系方法在 GRN 推断中屡屡无法超越相关基线的原因——数据信噪比、采样密度和调控时间尺度是关键瓶颈。

🏥 7. 临床应用与转化

本周未有重大新进展。 但近期有多项重要预印本：

疾病分类与亚型

  1. Genetically Aligned Patient Representations Improve Hematological Diagnosis arXiv:2605.29980 (2026-05-28)
    • 亮点: 将组织病理学编码器与转录组/基因组数据进行多模态对齐，显著提升血液学诊断性能。单细胞形态学评估在该任务中发挥独特作用。
  2. Donor-Aware scRNA-seq Benchmarks for IBD Classification arXiv:2605.03281 (2026-05-05)
    • 亮点: 严格区分供体级别交叉验证，揭示跨供体泛化是 scRNA-seq 疾病分类的真正瓶颈——随机细胞级划分会因伪重复大幅高估性能。

免疫治疗与肿瘤微环境

  1. Transcriptomic Models for Immunotherapy Response Prediction Show Limited Cross-cohort Generalisability arXiv:2604.05478 (2026-04-07)
    • 亮点: 系统评估基于转录组（bulk 和单细胞）的免疫治疗响应预测模型，发现跨队列泛化能力严重受限，为临床转化敲响警钟。

综合工具

  1. CudaMon: An R Package to Monitor NVIDIA GPUs, Showcased by Monitoring a GPU-accelerated Single-cell Analysis Workflow in R arXiv:2605.13928 (2026-05-13)
    • 亮点: R 用户的 GPU 监控工具，在 GPU 加速的单细胞分析工作流中演示其应用，填补 R 生态在 GPU 监控方面的空白。

🔧 8. 综合工具与平台

本周未有重大新版本发布。

工具版本状态（无变化）

工具 当前版本 发布日期 备注
Scanpy 1.12.1 2026-04-10 无新版本
Seurat v5.5.0 2026-04-22 无新版本
scvi-tools v1.4.3 2026-05-12 无新版本
SpatialData v0.7.3 2026-05-06 无新版本

多模态整合

  1. scTranslation: A Comprehensive Benchmark for Single-Cell Multi-Omics Modality Translation arXiv:2606.03906 (2026-06-02)
    • 亮点: 首个全面的单细胞多模态翻译基准测试，系统评估从一种组学模态(如 RNA)预测另一种组学(如 ATAC、蛋白)的方法，为多模态整合提供标准化评估框架。
  2. scHelix: Asymmetric Dual-Stream Integration via Explicit Gene-Level Disentanglement arXiv:2605.18576 (2026-05-18)
    • 亮点: 非对称双流整合方法，通过显式的基因层面解缠解决批次效应与生物保真度的矛盾。证明批次效应在基因间异质性分布。

数据库与 Benchmark

  1. Verifiable Benchmarking of Long-Horizon Spatial Biology (SpatialBench-Long) arXiv:2605.28065 (2026-05-27)
    • 亮点: 首个面向长时程空间生物学分析的端到端 AI 基准，测试 AI agent 在空间测量数据上的完整科学推理能力，超越单一分析步骤的评测。
  2. GENEB: Why Genomic Models Are Hard to Compare arXiv:2606.04525 (2026-06-03)
    • 亮点: 揭示基因组基础模型评估中的基准碎片化问题，对 scRNA 工具链的标准化有指导意义。

数据标准与流程优化

  1. On the Recoverability of Causal Relations from Bulk Gene Expression Data arXiv:2606.00568 (2026-05-30)
    • 亮点: 分析 bulk 和单细胞数据在因果推断中的互补关系——bulk 数据虽缺乏单细胞分辨率，但噪声更低、灵敏度更高，仍然是因果推断的重要数据源。

本周总结: 2026年5月底至6月初，scRNA-seq 领域的新工具版本发布趋缓，但学术预印本产出持续活跃。核心趋势集中在三个方向：(1) 最优传输与流匹配的快速成熟——从理论方法到 scRNA-seq 具体应用的转化加速，OTP-FM 被 ICML 2026 接收标志着该路径的认可度提升；(2) 空间转录组学方法的多样化——从组织学预测(STE)到空间区域共聚类、从注意力可解释性评估到六边形 Transformer，方法论分层更加丰富；(3) 基础模型的方法论反思——GENEB 提出比较标准、Sigmoid Attention 改进训练、Prototype Post-pretraining 提升泛化，社区正从”堆规模”转向”要质量”。临床应用方面，跨队列泛化能力和方法学可靠性成为关注焦点。