scRNA数据处理与建模周报 2026-07-11 — 2026年7月11日
scRNA数据处理与建模周报 2026-07-11 — 2026年7月11日
scRNA 数据处理与建模综合周报
2026-07-04 至 2026-07-11
本期覆盖 PubMed 10 路查询（194 个唯一 PMID），arXiv 补充搜索，GitHub/PyPI 版本追踪。共筛选 10+ 篇方法学论文及 1 个重要工具版本更新。
1. 🧬 预处理与质控
本周未有重大新进展。 双细胞检测（DoubletFinder、Scrublet 等）、数据归一化（SCTransform、Linnorm）和批次校正（Harmony、MNNCorrect、Seurat CCA、scVI）领域未出现重要新方法或工具更新。Scrublet 0.2.3、Harmony 等保持在稳定版本。
2. 🔬 降维与聚类
scGenoByte：利用基因本体先验信息的细胞类型注释 Transformer
- 论文： scGenoByte: a GenoByte embedding transformer with biological priors for cell type annotation.
- 期刊： Briefings in Bioinformatics (2026-07-03)
- DOI： https://doi.org/10.1093/bib/bbag369
- 亮点： 当前单细胞基础模型在处理数据稀疏性时往往只能选择高变基因或过滤非零表达，丢失了大量潜在有意义的基因信息。scGenoByte 创新地引入基因本体（Gene Ontology）先验知识到 Transformer 编码中，通过 GenoByte 嵌入策略保留更多基因信息的同时降低计算复杂度。在多个跨组织、跨平台注释任务上相比 scGPT、Geneformer 等基线模型取得了显著提升。对解决细胞类型注释中的基因选择瓶颈具有重要参考价值。
CellDETR：基于检测引导的组织病理学细胞表征学习
- 论文： CellDETR: A Detection-Guided Framework for Scalable Cell Representation Learning from Histopathology Images.
- 期刊： arXiv 预印本 (2026-06-28)
- 链接： https://arxiv.org/abs/2606.29463
- 亮点： 病理基础模型在 patches 和 slide 级别的表征学习上已取得显著进展，但细胞级别的表征学习仍严重不足。CellDETR 基于 Deformable DETR 的检测框架，直接从全切片图像中学习可扩展的细胞级表征，绕过了传统分割-分类两阶段流程的局限性。为组织病理学图像中的单细胞分辨率分析提供了新的计算范式。
参见此前报告：CAdir 联合细胞-基因聚类
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 和 pseudobulk 方法未出现新版本或重要改进。标记基因识别工具亦无新发布。
4. 🔗 轨迹推断与发育分析
scMTNI：利用细胞轨迹和上下文推断单细胞多组学动态 GRN
- 论文： scMTNI: Leveraging cellular trajectory and context to infer dynamic GRNs from single-cell multi-omics data.
- 期刊： arXiv 预印本 (2026-07-01)
- 链接： https://arxiv.org/abs/2607.01508
- 亮点： 单细胞多组学技术（scRNA-seq + scATAC-seq）能以空前分辨率测量细胞类型特异的基因表达和调控，但动态基因调控网络（GRN）的推断仍然极具挑战。scMTNI 提出一个统一的概率框架，通过整合细胞分化轨迹和调控上下文信息来推断时间动态的 GRN。该方法能同时利用 RNA 表达和染色质可及性数据，揭示分化过程中转录因子-靶基因关系的时序变化。这是继 D-SPIN（Cell, 上期）之后又一个重要的单细胞 GRN 推断方法。
参见此前报告：D-SPIN 构建调控网络模型
时空轨迹推断：SCOOT 与 veloAgent（已有报道）
- SCOOT（Nat Commun）和 veloAgent（Mol Syst Biol）已在上期周报中详细报道。本期未有重要新进展。
5. 🧩 空间转录组学
DRIFT：基于扩散表示整合的基础模型空间转录组分析
- 论文： Diffusion-based representation integration for foundation models improves spatial transcriptomics analysis.
- 期刊： Bioinformatics (ISMB/ECCB 2026 特刊) (2026-07-01)
- DOI： https://doi.org/10.1093/bioinformatics/btag259
- 代码： https://github.com/rsinghlab/DRIFT
- 亮点： 当前单细胞基础模型（如 scGPT、Geneformer）在 scRNA-seq 上训练出色，但无法利用空间转录组数据中的空间邻域信息。DRIFT（Diffusion-based Representation Integration For spatial Transcriptomics）通过在空间图上使用热核扩散（heat kernel diffusion）将空间上下文整合到基础模型的输入表示中，保留 scRNA-seq 基础模型的转录组表达能力的同时融入了空间邻域信息。系统评测了 5 种基础模型在细胞类型注释、对齐和聚类等空间转录组任务上的表现，DRIFT 显著提升了现有基础模型在 ST 数据上的性能。这是弥合 scRNA-seq 基础模型与空间转录组学之间鸿沟的重要工作。
DriftST：从 H&E 染色组织学一步生成空间转录组
- 论文： DriftST: One-Step Generative Inference of Spatial Transcriptomics from H&E Histology.
- 期刊： arXiv 预印本 (2026-07-06)
- 链接： https://arxiv.org/abs/2607.04740
- 亮点： 直接从广泛可用的 H&E 染色组织学图像推断空间基因表达提供了一种成本效益高的替代方案。现有回归方法倾向于过度平滑（过平滑到条件均值），而生成方法又往往在保真度和多样性之间难以平衡。DriftST 提出基于扩散模型的一步生成式推断框架，利用了 score matching 的逆过程特性，在保持空间分辨率的同时生成高质量的基因表达图谱。相比 STNet、Hist2ST 等方法，DriftST 在多个公共数据集上展现了更优的预测精度和空间模式保真度。
CANVAS：从 H&E 组织病理学推断虚拟空间肿瘤图谱
- 论文： Cellular architecture and neighborhood-informed virtual spatial tumor profiling from histopathology.
- 期刊： Cell (2026-07-09)
- DOI： https://doi.org/10.1016/j.cell.2026.05.031
- 亮点： 发表于 Cell 主刊。 CANVAS（Cellular Architecture and Neighborhood-informed Virtual AI-driven Spatial profiling）基于超过 1,800 万个细胞的图谱构建，通过人工智能平台从常规 H&E 染色组织病理学图像推断肿瘤生态位（tumor ecological habitats）。不同于传统空间转录组需要特殊实验条件，CANVAS 仅需临床常规 H&E 切片即可获得空间分辨的肿瘤微环境信息。该工作实现了组织病理学到空间分子图谱的大规模跨越，具有直接临床应用价值。
OpenIMC：开放平台分析成像质谱流式单细胞与空间蛋白质组学
- 论文： OpenIMC: an open-source platform for analyzing single-cell and spatial proteomics by imaging mass cytometry.
- 期刊： BMC Bioinformatics (2026-06-30)
- DOI： https://doi.org/10.1186/s12859-026-06547-4
- 亮点： 成像质谱流式（IMC）提供高度多重化的空间分辨单细胞蛋白组学能力，但其数据分析碎片化于多个独立工具中（可视化、预处理、分割、特征提取、表型分析、批次校正和空间分析各需不同工具）。OpenIMC 提供了一个统一的开源平台，将 IMC 全分析流程集成于一体，支持从原始数据到空间分析的端到端工作流。填补了空间蛋白质组学综合分析平台的空白。
空间转录组新技术综述
- 论文： Spotlight on challenges and novel methods in highly multiplexed tissue imaging-based spatial proteomics.
- 期刊： Journal of Translational Medicine (2026-07-08)
- DOI： https://doi.org/10.1186/s12967-026-08577-1
- 亮点： 综述了超多重组织成像空间蛋白质组学面临的核心挑战（抗体交叉反应、多重化限制、数据标准化）和最新方法学进展，为超多重空间蛋白组数据分析提供了实用指南。
6. 🤖 深度学习方法与基础模型
scCLIP：对比掩码重建框架用于配对单细胞多组学整合
- 论文： scCLIP: A contrastive masked-reconstruction framework for paired single-cell multi-omics integration.
- 期刊： Journal of Biomedical Informatics (2026-07-08)
- DOI： https://doi.org/10.1016/j.jbi.2026.105078
- 亮点： 受 CLIP（Contrastive Language-Image Pre-training）启发，scCLIP 为配对单细胞多组学数据（如 CITE-seq 的 RNA+蛋白）设计了一个对比掩码重建框架。该方法同时优化两个目标：(1) 对比学习——拉近同一细胞不同模态的表示；(2) 掩码重建——跨模态预测被掩码的基因或蛋白表达。相比于传统的概率模型（如 totalVI）和矩阵分解方法，scCLIP 在跨模态预测和联合表示学习上均表现更优。这代表了将多模态对比学习范式引入单细胞组学的最新尝试。
DRIFT（见第 5 节）
DRIFT 作为基础模型的空间转录组适配框架，也是本期基础模型方向的重要进展，详见第 5 节。
基础模型 GRN 评估方法论（续报）
- 论文： Partial-label metric ceilings for evaluating gene regulatory networks inferred from single-cell foundation models.
- 期刊： Biosystems (2026 Aug)
- DOI： https://doi.org/10.1016/j.biosystems.2026.105864
- 说明： 该论文已在上期周报中详细报道。本期无新进展。
上下文依赖的相关性误导转录组网络推断
- 论文： Context-dependent correlations mislead transcriptomic network inference in bulk and single-cell data.
- 期刊： bioRxiv 预印本 (2026-06-28)
- DOI： https://doi.org/10.64898/2026.06.23.733936
- 亮点： 关注一个常被忽视但关键的统计问题：辛普森悖论（Simpson’s paradox） 在转录组网络推断中的影响。当 Pearson 相关系数在异质性样本（不同组织、癌症类型、细胞类型）中聚合计算时，组间均值偏移可能主导或反转组内关联。该研究系统评估了这一现象在 bulk 和单细胞数据中的发生频率，发现相当比例的共表达模块和 miRNA 靶标推断受到误导。对所有基于相关性的转录组网络分析工作具有警示意义。
综述：超越基因表达——单细胞转录组学在异构体分辨率
- 论文： Beyond gene expression: Single-cell transcriptomics at isoform resolution.
- 期刊： Trends in Genetics (2026-07-09)
- DOI： https://doi.org/10.1016/j.tig.2026.05.013
- 亮点： 传统 scRNA-seq 方法主要捕获转录本末端（3’ 或 5’），分析限于总基因表达水平。本篇综述全面梳理了异构体分辨率单细胞转录组学的最新进展，包括覆盖全长转录本的短读技术和端到端读取的长读技术（如 Oxford Nanopore、PacBio）。讨论了选择性剪接变异如何在不同细胞类型间产生功能差异，以及分析异构体水平数据所需的计算挑战和工具。
综述：AI 在基因组学中的应用——从变异检测到多组学整合
- 论文： AI in Genomics: From Variant Calling to Multi-Omics Integration.
- 期刊： BioEssays (2026 Jul)
- DOI： https://doi.org/10.1002/bies.70160
- 亮点： 系统性综述 AI/深度学习在基因组学各环节的应用进展，涵盖变异检测、RNA-seq 分析、单细胞组学和多组学整合。讨论了 Transformer 和扩散模型在基因组学中的最新应用趋势。
7. 🏥 临床应用与转化
CANVAS：从 H&E 组织病理学推断虚拟空间肿瘤图谱（详见第 5 节）
- CANVAS（Cell, 2026-07-09）是本期最亮眼的临床转化工作。仅需常规 H&E 染色切片即可获得空间肿瘤微环境信息，具有直接临床应用潜力。
单细胞分辨率揭示肿瘤异质性的全面综述
- 论文： Unveiling tumor heterogeneity by single cell RNA-sequencing: From basic considerations to clinical applications.
- 期刊： Seminars in Cancer Biology (2026-06-28)
- DOI： https://doi.org/10.1016/j.semcancer.2026.06.005
- 亮点： 全面综述从 scRNA-seq 实验设计的基本考虑（样本制备、质量控制、平台选择）到临床转化应用（肿瘤亚型分类、耐药机制、免疫治疗响应预测）的全链条内容。特别强调了 scRNA-seq 在解析肿瘤异质性和指导精准医学中的前沿角色。
单细胞多组学解析 Pirtobrutinib 耐药机制
- 论文： Dissecting Pirtobrutinib Resistance in Mantle Cell Lymphoma Through Single-Cell Multi-Omics.
- 期刊： American Journal of Hematology (2026 Jul)
- DOI： https://doi.org/10.1002/ajh.70304
- 亮点： 通过单细胞多组学分析（scRNA-seq + CITE-seq）揭示套细胞淋巴瘤对新型 BTK 抑制剂 Pirtobrutinib 的耐药机制，鉴定出与耐药相关的稀有细胞亚群及其信号通路适应性改变。
空间多组学解析骨髓纤维化演化
- 论文： Clonal Metamorphosis: Deconstructing MPN Evolution with Single-Cell and Spatial Multi-Omics.
- 期刊： Clinical and Experimental Medicine (2026-06-29)
- DOI： https://doi.org/10.1007/s10238-026-02246-9
- 亮点： 整合单细胞和空间多组学技术解析骨髓增殖性肿瘤（MPN）的克隆演化过程。为 MPN 驱动突变如何塑造骨髓微环境提供了高分辨率视图。
8. 🔧 综合工具与平台
scvi-tools 1.5.0（重大更新）
- 发布时间： 2026-07-09
- 发布地址： https://github.com/scverse/scvi-tools/releases/tag/1.5.0
- PyPI 版本：
scvi-tools==1.5.0.post1 - 说明： scvi-tools 从 1.4.3 升级至 1.5.0，是本报告期内最重要的工具更新。 具体变更包括：
- 引入 scVI 2.0 架构改进，支持更大批量数据的可扩展训练
- 增强 scArches 模块的参考映射（reference mapping）功能
- 新增对 SpatialData 格式的原生支持（与 SpatialData v0.8.0 集成）
- 改进 scANVI、scVI 等核心模型的性能与内存效率
- 更新若干 API 接口（注意可能存在向后兼容性问题）
其他工具版本状态（与上期维持一致）
| 工具 | 版本 | 上次更新 | 备注 |
|---|---|---|---|
| Scanpy | 1.12.2 | 2026-06-29 | 本期无更新 |
| Seurat | v5.5.1 | 2026-06-26 | 本期无更新 |
| SpatialData | v0.8.0 | 2026-07-02 | 本期无更新 |
| CellRank | 2.3.2 | 2026-06-24 (PyPI) | 本期无更新 |
| scVelo | 0.3.4 | 2026-02-24 (PyPI) | 本期无更新 |
| Scrublet | 0.2.3 | PyPI | 本期无更新 |
| Harmony | — | — | 无正式 GitHub Release |
OpenIMC：空间蛋白质组学综合分析平台（详见第 5 节）
OpenIMC 提供了完整 IMC 数据从预处理到空间分析的一站式工具链。
本期亮点总结
| 类别 | 亮点条目 | 期刊/等级 |
|---|---|---|
| 基础模型×空间 | DRIFT — 扩散表示整合提升基础模型在 ST 上的性能 | Bioinformatics (ISMB 2026) |
| GRN 推断 | scMTNI — 利用轨迹和上下文推断多组学动态 GRN | arXiv |
| 多组学整合 | scCLIP — 对比掩码重建框架用于 CITE-seq 整合 | J Biomed Inform |
| 细胞类型注释 | scGenoByte — 基因本体先验 Transformer 用于注释 | Brief Bioinform |
| H&E→空间图谱 | DriftST — 一步生成式 H&E→ST 推断 | arXiv |
| H&E→肿瘤图谱 | CANVAS — 从 H&E 推断虚拟空间肿瘤图谱 | Cell |
| 空间蛋白质组 | OpenIMC — IMC 数据分析一站式开源平台 | BMC Bioinformatics |
| 网络推断警示 | 上下文依赖相关性误导转录组网络推断 | bioRxiv |
| 异构体 scRNA-seq | Beyond gene expression: 单细胞异构体分辨率综述 | Trends Genet |
| 工具更新 | scvi-tools 1.5.0 — 重大版本升级 | GitHub/PyPI |
参见此前报告：2026-07-04 周报 2026-06-27 周报 2026-06-20 周报