scRNA数据处理与建模周报 2026-06-27 — 2026年6月27日

自动化报告· 当前专题

scRNA数据处理与建模周报 2026-06-27 — 2026年6月27日

scRNA数据处理与建模周报 2026-06-27

覆盖周期：2026-06-17 至 2026-06-27
数据来源：PubMed、arXiv、GitHub Releases

🧬 预处理与质控

本周未有重大新进展。 主要的预处理工具（Cell Ranger 10.0.0、DoubletFinder、Scrublet 0.2.3）近期均未发布新版本。Scrublet 在 PyPI 上最新版仍为 0.2.3，无 GitHub Release 记录；DoubletFinder 同样无更新。

值得关注的研究：

  • CAPER: Condition-Associated Pattern Extraction and Recovery From Multi-Condition scRNA-seq Data | DOI: 10.1002/advs.76186
    Advanced Science, 2026-06-22
    提出了一种从多条件 scRNA-seq 数据中提取和恢复条件相关模式的新方法，核心解决多条件实验设计中生物信号与不需要变异之间的分离问题——这直接关联批次校正和信号解纠缠的挑战。

🔬 降维与聚类

本周聚类方法领域有多项新进展，特别是图神经网络和自监督/对比学习方向的创新：

  • scGTN: Deep Siamese Graph Transformer Network for Single-cell RNA Sequencing Clustering | arXiv:2606.18672 | 2026-06-17
    提出深度孪生图 Transformer 网络用于 scRNA-seq 聚类。通过 Siamese 架构学习细胞间的相似性表征，结合图 Transformer 捕捉复杂拓扑结构。亮点： 在多个基准数据集上超越现有方法，尤其在处理高维稀疏数据时表现优异。

  • Self-supervised graph contrastive learning for scRNA-seq clustering | DOI: 10.1186/s12967-026-08450-1
    Journal of Translational Medicine, 2026-06-23
    利用自监督图对比学习框架进行 scRNA-seq 聚类，无需标签即可学习细胞-细胞关系和潜在细胞类型结构。亮点： 充分利用了细胞间内在关系，克服了高维度和稀疏性问题对聚类的挑战。

  • scLLM-DSC: LLM-Knowledge Enhanced Cross-Modal Deep Structural Clustering | arXiv:2606.13007 | 2026-06-11 (v2)
    将大语言模型（LLM）的先验知识融入跨模态深度结构聚类框架。亮点： 首次将 LLM 语义理解能力引入 scRNA-seq 聚类任务，通过知识迁移提升聚类质量。

  • scMagnifier: Resolving fine-grained cell subtypes via GRN-informed perturbations and consensus clustering | DOI: 10.1371/journal.pcbi.1014167
    PLoS Computational Biology, 2026-06
    利用基因调控网络（GRN）信息指导的扰动策略和共识聚类来解析精细细胞亚型。亮点： 通过 GRN 知识增强信号，使原本被技术噪声掩盖的细微转录差异得以显现。

  • Praxis-BGM: Clustering of Omics Data Using Semi-Supervised Transfer Learning for Gaussian Mixture Models via Natural-Gradient Variational Inference | DOI: 10.1093/bioinformatics/btag395
    Bioinformatics, 2026-06-17
    提出半监督迁移学习方法用于高斯混合模型聚类，采用自然梯度变分推断。亮点： 专门针对小样本高维组学数据设计，解决 GMM 在复杂混合结构下的不稳定性。

🧪 差异表达分析与标记基因

  • Scalable, fast and accurate differential gene expression testing from millions of cells of multiple patients | DOI: 10.1038/s41467-026-74451-9
    Nature Communications, 2026-06-19
    提出了可在数百万细胞级别进行快速、准确的差异表达检验的新方法。亮点： 针对单细胞数据中细胞间统计依赖性问题（传统 bulk 方法不适用），设计了一个兼顾统计严谨性和计算可扩展性的框架；支持多患者分析，是 pseudobulk 之外的有力新选择。

🔗 轨迹推断与发育分析

本周未有重磅新方法发布。 该方向近期值得关注的预印本（上期已覆盖）包括： - PACE (Geometry-Aware Bridge Transport, arXiv:2605.18587, 2026-05-18) - From Snapshots to Trajectories via Conditional Flow Matching (arXiv:2605.22340, 2026-05-21)

工具方面，scVelo 0.3.4、CellRank 2.3.2 当前版本稳定，本周无更新。

🧩 空间转录组学

本周空间转录组学方向成果最为密集，多项方法和工具集中发表：

  • SMURF: soft-segmentation for single-cell reconstruction and topological analysis of spatial transcriptomic data | DOI: 10.1038/s41467-026-74464-4
    Nature Communications, 2026-06-26
    提出 SMURF（Segmentation and Manifold UnRolling Framework），一个跨平台软分割算法。亮点： 利用深度学习将 mRNA 从捕获点映射到邻近细胞，实现跨平台的单细胞级空间重构和拓扑分析。

  • SpatialCD: Spatially informed reference-free cell-type deconvolution for spatial transcriptomics | DOI: 10.1101/gr.281829.125
    Genome Research, 2026-06-22
    无需参考数据的空间转录组细胞类型解卷积方法。亮点： 解决了参考法需要匹配 scRNA-seq 数据集的局限性，利用空间信息引导无参考解卷积。

  • SPADE: A Deep Learning Framework for Spatial Mapping and Quantitative Cell-Cell Interaction Inference | DOI: 10.1002/advs.76142
    Advanced Science, 2026-06-18
    深度学习框架，实现空间映射和定量细胞-细胞相互作用推断。亮点： 结合 scRNA-seq 参考数据，从受限 ST 数据中恢复单细胞分辨率的空间表达图谱，并推导定量 CCI。

  • CAGNet: a structure-aware clustering-alternated graph network for cell-cell interaction inference in spatial transcriptomics | DOI: 10.1186/s12859-026-06534-9
    BMC Bioinformatics, 2026-06-22
    结构感知的聚类交替图网络用于空间转录组细胞-细胞相互作用推断。亮点： 突破传统图模型使用静态聚类的限制，通过交替优化框架动态优化聚类和 CCI 推断。

  • GraphScrDom: Reference-informed spatial domain detection using weak supervision for spatial transcriptomics | DOI: 10.1101/gr.281260.125
    Genome Research, 2026-06-22
    利用参考信息和弱监督对比学习进行空间结构域检测。亮点： 创新性地整合专家提供的粗略标注（scribbles）作为弱监督信号，结合对比学习识别空间域。

  • SegJointGene: joint cell segmentation and spatial gene prioritization by information entropy guided convolutional neural network | DOI: 10.1093/bioinformatics/btag447
    Bioinformatics, 2026-06-25
    信息熵引导的 CNN 联合细胞分割和空间基因优先级排序。亮点： 同时优化细胞分割和基因选择两个任务，利用信息熵指导注意力分配。

  • High-resolution spatial transcriptomics of adult and pediatric human liver with Visium HD | DOI: 10.1038/s41597-026-07597-2
    Scientific Data, 2026-06-24
    使用 10x Visium HD 平台对人类成人和儿童肝脏进行高分辨率空间转录组分析。亮点： 提供了高质量的 Visium HD 参考数据集，涵盖不同发育阶段。

🤖 深度学习方法与基础模型

  • Assessing the use of foundation model embeddings to improve drug response predictions using scRNA-Seq expression data | DOI: 10.1016/j.bmc.2026.118732
    Bioorganic & Medicinal Chemistry, 2026-06-17
    评估使用大基础模型（如 scGPT、Geneformer 等类型模型）嵌入来改进基于 scRNA-seq 表达的药物响应预测。亮点： 系统评估了不同基础模型嵌入对癌症药物响应预测性能的提升效果，发现嵌入质量高度依赖于下游任务的数据分布。

  • Intermediate Layers Encode Optimal Biological Representations in Single-Cell Foundation Models | arXiv:2604.14838 | 2026-04-16 （预印本）
    发现单细胞基础模型中的中间层编码最优生物学表征。亮点： 对现有 scFM 评估基准提出质疑——当前方法都只使用最终层嵌入，但中间层可能包含更丰富的生物学信号。

综述性总结： 本周基础模型方向相对平静，但上述两篇论文为 scFM 的实际应用（药物发现）和内部表征机制提供了重要洞见。scLLM-DSC（见聚类章节）也是 LLM 与 scRNA-seq 分析结合的探索。

  • CARGO: A cytometry analysis framework via Regularized graph optimal-transport | DOI: 10.1371/journal.pcbi.1014358
    PLoS Computational Biology, 2026-06-23
    通过正则化图最优传输进行细胞术分析。虽面向流式细胞术，但其基于最优传输的降维与可视化框架对 scRNA-seq 降维方法的设计有借鉴意义。

🏥 临床应用与转化

  • The Single-Cell Pediatric Cancer Atlas: Data portal and open-source tools for single-cell transcriptomics of pediatric tumors | DOI: 10.1016/j.xgen.2026.101283
    Cell Genomics, 2026-06-24
    ScPCA Portal 发布，提供统一处理的儿科肿瘤单细胞/单核 RNA-seq 数据及去标识元数据。亮点： 涵盖 10+ 初始项目，提供标准化分析流程和开源分析工具，是儿科肿瘤单细胞研究的重要基础设施。

  • Spatial immune atlas of breast cancer brain metastasis reveals CD163+ macrophage reprogramming associated with immune escape | DOI: 10.1136/jitc-2025-014421
    Journal for ImmunoTherapy of Cancer, 2026-06-24
    空间免疫图谱揭示乳腺癌脑转移中 CD163+ 巨噬细胞重编程与免疫逃逸的关系。

  • Single-cell profiling reveals a novel CAF subpopulation linking stromal heterogeneity to immune suppression in breast cancer | DOI: 10.1186/s12967-026-08446-x
    Journal of Translational Medicine, 2026-06-25

  • Decoding the LAM Niche Microenvironment via Integrative Analysis of Single Cell Multiomics and Spatial Transcriptomics | DOI: 10.1183/13993003.02049-2025
    European Respiratory Journal, 2026-06-25
    整合 scRNA-seq 与空间转录组解析肺淋巴管肌瘤病（LAM）微环境。

  • Dissecting T-cell exhaustion heterogeneity in colorectal cancer through multi-omics machine learning | DOI: 10.1186/s12885-026-16343-1
    BMC Cancer, 2026-06-19
    通过多组学机器学习解析结直肠癌中 T 细胞耗竭异质性。

  • Evaluation of a deep generative computational framework under constrained conditions for multi-regional placental single-cell transcriptomics | DOI: 10.1016/j.placenta.2026.06.006
    Placenta, 2026-06-22
    评估在约束条件下深度生成框架（如 VAE 类模型）在胎盘多区域 scRNA-seq 中的表现，提供了生成模型在真实临床样本中的实用评估。

🔧 综合工具与平台

框架更新

工具 版本 发布日期 亮点
Seurat v5.5.1 2026-06-26 🆕 本周新发布！新增 uwot.init 参数自定义 UMAP 初始化方式；修复多模型情况下 PrepSCTFindMarkers 产生零计数的 bug
Scanpy 1.12.1 2026-04-10 稳定，本周无更新
scvi-tools 1.4.3 2026-05-12 稳定，本周无更新
SpatialData v0.7.3 2026-05-06 持续迭代中
scVelo 0.3.4 PyPI 最新 本周无更新
CellRank 2.3.2 PyPI 最新 本周无更新

Seurat v5.5.1 关键变化： 1. RunUMAP 新增 uwot.init 参数，用户可自定义 UMAP 初始化方法（spectral、norm-laplacian 等） 2. 修复 PrepSCTFindMarkers 在多 SCT 模型下的零计数 bug——这对使用 SCTransform 进行差异表达的准确性有直接影响

数据库与平台

  • The Single-Cell Pediatric Cancer Atlas (ScPCA) Portal — 新发布的统一处理儿科肿瘤 sc/snRNA-seq 数据门户，提供标准化流程和开源工具 DOI: 10.1016/j.xgen.2026.101283

工具盘点

📊 本周亮点总结

本周 scRNA-seq 领域呈现出几个值得关注的特点：

  1. 空间转录组学集中爆发：SMURF、SpatialCD、SPADE、CAGNet、GraphScrDom、SegJointGene 共 6 篇方法论文集中发表，覆盖软分割、解卷积、CCI 推断、空间域检测等核心方向。

  2. 图神经网络与对比学习成为聚类新范式：scGTN、自监督图对比学习、scLLM-DSC 均采用图结构 + (自)对比学习范式，而 scMagnifier 则将 GRN 先验知识整合到聚类流程中。

  3. 大规模差异表达取得突破：Nature Communications 上的新方法实现了百万级细胞快速准确的差异表达检验，解决了长期以来 pseudobulk 和单细胞级方法之间的权衡困境。

  4. Seurat v5.5.1 紧急修复：距离 v5.5.0 仅两个月就发布 v5.5.1，主要修复了 PrepSCTFindMarkers 的关键 bug，彰显了 SCTransform 管道在实践中的广泛应用。

  5. 基础模型冷静期：相比前几周的基础模型热潮（scGPT 应用、Sigmoid Attention 等），本周基础模型方向相对平静，更多是评估性工作而非新架构发布。

参见此前报告：2026-06-06 周报 2026-05-30 周报