CellWalker2：基于层次化细胞类型关系的多组学发现新工具

这篇研究报道了CellWalker2这一基于图扩散模型的创新工具，通过整合多模态单细胞数据（scRNA-seq/scATAC-seq）和层次化细胞类型关系，实现了跨物种、跨情境的细胞类型精准注释与调控元件映射。其核心突破在于：1）建立统计显著性评估体系（Z scores）；2）支持多组学数据联合建模；3）首次实现细胞类型层次树的概率化比对。在PBMC、大脑发育等场景中，该工具在TF特异性鉴定、保守性分析等方向展现出超越Seurat、MARS等现有方法的性能。

CellWalker2的多组学整合框架
作为CellWalker的升级版，CellWalker2通过构建包含细胞、标签和基因组注释的异质图模型，采用重启随机游走算法计算节点影响力矩阵。其创新性体现在三方面：1）将细胞类型层次关系编码为图结构；2）通过度保持置换生成零分布计算Z值；3）支持RNA-seq和ATAC-seq数据的灵活组合。在10x Genomics PBMC多组学数据测试中，该模型跨模态连接准确率显著优于GLUE和SIMBA。

细胞注释的性能突破
通过模拟数据集验证，在存在批次效应和基因丢失（dropout）的中等难度场景下，CellWalker2的细胞类型标注准确率比Seurat提高15-20%。特别值得注意的是，当参考数据集中稀有细胞占比从32%降至3%时，Seurat会将细胞错误标注为高丰度类型，而CellWalker2仍保持>90%的准确率。这种稳定性源于其基于置换检验的Z值计算体系，能有效消除节点度数的干扰。

跨物种细胞类型比对
在哺乳动物运动皮层研究中，工具成功解析了人类与狨猴抑制性神经元的进化关系。例如人类Inh PVALB COL15A1（吊灯细胞）与狨猴Inh PVALB FAM194A显示出强相关性（Z>75），而表达双标记物PVALB/SST的狨猴细胞则同时映射到人类Pvalb和Sst亚类。这种多层次映射能力超越了Bakken等人构建的共识分类法，为跨物种细胞进化研究提供了新维度。

调控元件的细胞特异性解析
通过分析人脑发育期的19,151个预测调控元件(pREs)，发现基底节特异性pREs在放射状胶质细胞(RG)中的富集Z值达8.3（p<10^-15），而皮质板特异性pREs优先映射到兴奋性神经元。与常规DARs分析相比，该方法无需预先聚类即可直接关联基因组区域与细胞类型，在CTCF等广谱TF的细胞特异性结合位点鉴定中展现出独特优势。

转录因子调控网络的构建
在PBMC体系中，CellWalker2不仅重现了已知的谱系决定因子（如B细胞的EBF1、CD8⁺ T细胞的TBX21），还发现THAP11等TF在多个T/NK细胞亚群中活跃。通过整合ReMap2022的ChIP-seq数据，证实约68%的预测TF-细胞类型关联有实验证据支持，显著高于ArchR(52%)和Signac(45%)的检出率。这种分层映射策略为解析复杂组织的基因调控网络提供了新范式。

技术局限与发展方向
当前版本在百万级细胞规模的计算效率有待提升，且依赖多组学数据作为桥梁。未来计划通过近似算法加速置换检验，并引入单细胞TF结合谱(scATAC-seq+motif)来区分共定位的调控因子。这些改进将增强其在肿瘤异质性和发育轨迹重构等场景的应用潜力。