scRNA数据处理与建模周报 2026-06-13 — 2026年6月13日

自动化报告· 当前专题

scRNA数据处理与建模周报 2026-06-13 — 2026年6月13日

scRNA 数据处理与建模周报 2026-06-13

覆盖周期: 2026年6月7日 – 6月13日 数据来源: arXiv、GitHub Releases 参见此前报告: 上期周报 2026-06-06 · 2026-05-30 · 2026-05-23

本周亮点: 本周 scRNA-seq 计算领域持续产出活跃，呈现三大新趋势：(1) 大语言模型知识与单细胞分析的深度融合——scLLM-DSC 利用 LLM 的生物学语义知识增强聚类、scTransformer 将基因调控网络先验注入 Transformer 注意力机制、scCBGM 通过概念瓶颈实现反事实基因编辑，LLM 的生物学知识开始渗透到单细胞分析的各个环节；(2) 虚拟细胞模型（Virtual Cell Models, VCM）加速进化——OCOO-T 提出极简但可扩展的扰动预测框架、FreeBridge 利用变分薛定谔桥推断细胞过渡动力学，AI 虚拟细胞从概念验证走向方法论成熟；(3) 空间转录组学与组织学图像融合路径深化——SNR-ST-Mix 推出样本特异性数据增强策略、Cross-Modal Transfer 利用对抗微调将 RNA 基础模型迁移到空间域，组织学和转录组之间的跨模态桥接更加灵活。主流工具如 Seurat、Scanpy、Monocle3 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。
  • 双细胞检测方法（DoubletFinder、Scrublet 等）本周无更新公告。
  • 数据归一化（sctransform、SCTransform v2、Linnorm 等）未见新预印本。
  • 批次校正方法（Harmony、MNNCorrect、scVI 等）本周无新进展。

相关进展（间接相关）:

  1. scCBGM: Interpretable Single-Cell Counterfactual Editing arXiv:2606.07760 (2026-06-05)
    • 提出单细胞概念瓶颈生成模型（Concept Bottleneck Generative Model），通过反事实编辑理解基因扰动对细胞表型的影响。虽不属于传统预处理范畴，但为理解数据生成过程和批次效应来源提供了新的解释性工具。

🔬 2. 降维与聚类

本周有新方法预印本发表。

  1. scLLM-DSC: LLM-Knowledge Enhanced Cross-Modal Deep Structural Clustering for Single-Cell RNA Sequencing arXiv:2606.13007 (2026-06-11)
    • 亮点: 首次将大语言模型（LLM）的生物学语义知识引入 scRNA-seq 聚类过程。传统聚类方法仅挖掘数值统计模式，无法理解基因编码的生物学功能。scLLM-DSC 构建跨模态深度结构聚类框架，同时利用基因表达数值信息和基因功能语义信息，显著提升细胞群识别精度和组织异质性分辨能力。
  2. scTransformer: Integrating gene regulatory priors into Transformer attention for interpretable scRNA-seq analysis arXiv:2606.09558 (2026-06-08)
    • 亮点: 将基因调控网络先验显式注入 Transformer 注意力机制。大多数现有方法将基因视为独立特征，忽略了先验生物学知识。scTransformer 通过约束注意力权重使其与已知调控关系对齐，在保持强预测性能的同时大幅提升模型可解释性，为生物学家提供了可直接解读的基因-基因关系图。
  3. Nested Atoms Model with Application to Clustering Big Population-Scale Single-Cell Data arXiv:2604.11731 (2026-04-13，补充引用)
    • 层级贝叶斯方法针对大规模队列数据（如 OneK1K 队列 982 个个体）的群体-个体层次聚类问题。非本周产出但值得持续关注。

PCA/UMAP/t-SNE: 核心降维算法本周无更新公告。

🧪 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预印本发布。
  • Pseudobulk 方向（如 DESeq2、edgeR 聚合分析）未见新方法。

🔗 4. 轨迹推断与发育分析

本周有新方法预印本发表。

  1. FreeBridge: Variational Schrödinger Bridges for Cellular Transition Dynamics arXiv:2606.11286 (2026-06-09)
    • 亮点: 利用变分薛定谔桥（Schrödinger Bridge）推断高内涵成像中化学和基因扰动引起的细胞过渡动态。由于细胞在采集时经化学固定处理，单个细胞的连续轨迹不可观测。FreeBridge 将扰动建模转化为控制分布与处理分布之间的随机最优传输问题，有效重建不可观测的细胞连续过渡路径。
  2. Learning Latent Dynamical Causal Processes for Single-Cell Perturbation Prediction arXiv:2605.25581 (2026-05-25，补充收录)
    • 亮点: 探索潜变量动态因果过程模型用于单细胞扰动预测，目标是推断未见干预下细胞响应随时间的变化。提出因果结构学习策略实现分布外泛化，在时间序列扰动数据上优于现有神经网络方法。

主流框架状态: - Monocle3 v1.4.27 (2026-05-05) — 无新版本 - scVelo v0.3.4 (2026-02-24) — 无新版本 - CellRank 仍位于 theislab/cellrank-legacy（组织转移至新仓库中） - RNA velocity 核心方法（velocyto、scVelo）本周无更新

🧩 5. 空间转录组学

本周有新方法预印本发表，ST-组织学交叉融合加速。

新方法

  1. SNR-ST-Mix: Sample-specific Neighborhood Regression Mixup for Augmented Spatial Transcriptomics Imputation with Deep Neural Network arXiv:2606.08712 (2026-06-07)
    • 亮点: 提出样本特异性邻域回归混合（Mixup）数据增强策略，解决空间转录组数据在基于组织学图像的基因表达插补中样本量有限的问题。通过生成逼真的合成邻域基因表达谱，显著提升 ST 数据插补的质量和空间精细结构恢复能力。
  2. Single-Cell Cross-Modal Transfer by Adversarial Fine-Tuning of Foundation Models arXiv:2606.07676 (2026-06-04，补充收录)
    • 亮点: 利用对抗微调将 RNA 基础模型迁移到空间转录组域。将 scRNA-seq 数据的全转录组知识通过对抗性域适应传递给空间转录组分析，在不牺牲空间特异性的前提下大幅提升基因覆盖范围，弥合了单细胞和空间数据之间的信息鸿沟。
  3. Spatial Transcriptomics-Guided Alignment Enhances Molecular Profiling in Pathology Foundation Model arXiv:2606.03644 (2026-05-29，补充收录)
    • 亮点: 利用空间转录组数据引导病理基础模型（PFM）的视觉-分子对齐。传统的病理基础模型主要依赖视觉特征推断分子表型，该方法将 ST 数据作为对齐监督信号，使 PFM 的全切片 WSI 分子分析能力大幅提升。对精准肿瘤学的分子谱分析有直接价值。

工具状态

  • SpatialData v0.7.3 — 无新版本发布

🤖 6. 深度学习方法与基础模型

本周最活跃方向，虚拟细胞模型加速进化，LLM 知识注入成为新趋势。

虚拟细胞模型与扰动预测

  1. OCOO-T: A Simple and Scalable Virtual Cell Model for Transcriptional Perturbation Response Prediction arXiv:2606.12838 (2026-06-11)
    • 亮点: 提出极简且可扩展的虚拟细胞模型用于转录扰动响应预测。OCOO-T 摒弃了复杂神经网络架构，采用数学上简洁但扩展性卓越的设计，能够高效预测遗传、化学和细胞因子扰动引起的单细胞转录响应。在多个扰动数据集上达到甚至超越更复杂模型的性能，为 AI 虚拟细胞（AIVC）建模提供了轻量级替代方案。对药物发现和基因调控网络解析有直接应用价值。
  2. FreeBridge: Variational Schrödinger Bridges for Cellular Transition Dynamics arXiv:2606.11286 (2026-06-09)
    • 亮点: 见轨迹推断方向。变分薛定谔桥框架同时服务于轨迹推断和扰动预测双重目标。
  3. Learning Latent Dynamical Causal Processes for Single-Cell Perturbation Prediction arXiv:2605.25581 (2026-05-25，补充收录)
    • 亮点: 潜变量因果过程模型实现了扰动预测中的分布外泛化，因果结构学习是关键创新。

LLM 知识与单细胞分析融合

  1. scLLM-DSC: LLM-Knowledge Enhanced Cross-Modal Deep Structural Clustering arXiv:2606.13007 (2026-06-11)
    • 亮点: 利用大语言模型（如 GPT、LLaMA 等的领域微调版本）对基因功能的理解，构建基因语义嵌入，与表达数值数据一起进行跨模态聚类。这是 LLM 语义知识首次被系统集成到 scRNA-seq 聚类流程中。详见降维聚类方向。
  2. scCBGM: Interpretable Single-Cell Counterfactual Editing arXiv:2606.07760 (2026-06-05)
    • 亮点: 提出概念瓶颈生成模型（CBM），将基因表达映射到可解释的高层概念（如通路、细胞状态），在此基础上进行反事实推理。能够回答”将基因 X 上调后，该细胞会变成什么表型？”这样的因果问题，为药物靶点发现提供可解释的计算工具。

Transformer 架构创新

  1. scTransformer: Integrating gene regulatory priors into Transformer attention arXiv:2606.09558 (2026-06-08)
    • 亮点: 将 GRN 先验显式编码为 Transformer 注意力矩阵的约束条件。这一设计在保持 Transformer 扩展性的同时增强了生物学可解释性，使得注意力权重对应已知调控关系。

基因调控网络与多模态

  1. Prior-Guided Multi-Omic Transformers for Single-Cell Gene Regulatory Network Inference (EpiAwareNet) arXiv:2606.00685 (2026-05-30，补充收录)
    • 亮点: 提出 EpiAwareNet，将染色质可及性（scATAC-seq）的先验知识纳入多组学 Transformer，解决 scATAC 极端稀疏性导致的 GRN 推断困难。使用固定峰-基因连接先验和弱监督策略提升 GRN 重建质量。

基础模型方法论反思

  1. Intermediate Layers Encode Optimal Biological Representations in Single-Cell Foundation Models arXiv:2604.14838 (2026-04-16，补充引用)
    • 系统分析单细胞基础模型各层的表示质量，发现中间层而非最后一层编码了最丰富的生物学信息——对 scRNA 基础模型的特征提取实践有重要指导意义。

🏥 7. 临床应用与转化

本周未有全新重大进展，但有几项近期工作值得持续关注。

  1. Transcriptomic Models for Immunotherapy Response Prediction Show Limited Cross-cohort Generalisability arXiv:2604.05478 (2026-04-07，已在前两周报告覆盖)
    • 跨队列系统评估发现转录组免疫治疗预测模型泛化能力受限，该结论的正向影响——研究者开始制定更严格的跨队列验证标准。
  2. Genetically Aligned Patient Representations Improve Hematological Diagnosis arXiv:2605.29980 (2026-05-28，已在前两周报告覆盖)
    • 多模态对齐策略提升血液学诊断准确率。

本周临床方向小结: 上述工作的跨队列验证问题和方法学创新正在持续发酵，但本周未有新的临床应用预印本或工具版本发布。临床 scRNA-seq 分析流程优化方向亦无进展报告。

🔧 8. 综合工具与平台

本周未有重大新版本发布，但部分多组学/GRN 工具值得关注。

工具版本状态

工具 当前版本 最近发布日期 备注
Seurat v5.5.0 2026-04-22 无新版本
Scanpy 1.12.1 2026-04-10 无新版本
Monocle3 v1.4.27 2026-05-05 近几月稳定维护中
scVelo v0.3.4 2026-02-24 无新版本

多模态整合与组学翻译

  1. Prior-Guided Multi-Omic Transformers for Single-Cell Gene Regulatory Network Inference (EpiAwareNet) arXiv:2606.00685 (2026-05-30)
    • 将 scRNA-seq + scATAC-seq 的多组学数据通过先验知识引导的 Transformer 进行整合，实现更准确的 GRN 推断。这是多模态整合从”粗暴拼接”向”知识引导”进化的重要方向。
  2. annbatch: Unlocks Terabyte-Scale Training of Biological Data in AnnData arXiv:2604.01949 (2026-04-02，补充引用)
    • 提出 AnnData 格式的批量加载机制，支持 TB 级生物数据的深度学习训练，解决了大规模单细胞数据（如 cellxgene Census、CZI CELLxGENE 集合）在 GPU 训练中的数据加载瓶颈。对 scRNA-seq 基础模型的扩展训练有直接支持价值。

基础模型与工具生态

  1. scTranslation: A Comprehensive Benchmark for Single-Cell Multi-Omics Modality Translation [已在上期周报 2026-06-06 详细报道]
    • 奠定多模态翻译的标准评估框架。

流程优化与可扩展性

  1. CudaMon: R Package for GPU Monitoring in Single-cell Workflows arXiv:2605.13928 (2026-05-13)
    • R 用户可在 GPU 加速的单细胞工作流（如 Seurat + cuML）中监控 GPU 利用率，优化资源调度。

本周总结: 2026年6月第二周，scRNA-seq 研究方向呈现出微妙的范式张力——大语言模型知识的生物医学化渗透（scLLM-DSC、scCBGM、scTransformer）与虚拟细胞模型的轻量化趋势（OCOO-T）同时成为焦点。一方面，LLM 的基因语义知识首次被系统整合到单细胞分析的核心环节（聚类和反事实推理），打开了”知识+数据”双驱动分析的新范式；另一方面，虚拟细胞模型（VCM）社区开始从”越大越好”转向对简单可扩展设计的再探索。空间转录组学-组织学交叉融合继续深化，SNR-ST-Mix 和 Cross-Modal Transfer 分别从数据增强和模型迁移两个角度推动组织学-ST 桥接。临床应用方向虽无新工具/论文发布，但跨队列泛化能力这一核心瓶颈已获得广泛共识。主流工具（Seurat、Scanpy、Monocle3）版本稳定，社区重点正从接口扩展转向方法论创新。