ScInfeR：基于图神经网络的单细胞多组学数据高效细胞类型注释新方法

《Briefings in Bioinformatics》：ScInfeR: an efficient method for annotating cell types and sub-types in single-cell RNA-seq, ATAC-seq, and spatial omics

单细胞测序技术面临细胞类型注释准确性不足的挑战。印度理工学院Jodhpur分校团队开发了ScInfeR工具，创新性地整合scRNA-seq参考数据和标记基因集，通过图神经网络框架实现scRNA-seq、scATAC-seq和空间转录组数据的精准注释。研究显示其在329种细胞类型注释任务中F1分数达0.94，显著优于现有10种工具，并配套开发了包含2497个标记基因的ScInfeRDB数据库。该成果发表于《Briefings in Bioinformatics》，为单细胞多组学研究提供了标准化解决方案。

在生命科学领域，单细胞测序技术革命性地推动了细胞异质性研究，但细胞类型注释始终是制约数据解读的关键瓶颈。传统方法依赖单一数据源——要么使用标记基因集（marker-based），要么参考已注释的单细胞RNA测序（scRNA-seq）数据集（reference-based），前者易受标记基因特异性限制，后者则面临参考数据集覆盖不全的困境。更棘手的是，单细胞ATAC测序（scATAC-seq）和空间转录组数据的注释工具性能普遍较差，且现有方法大多无法识别细胞亚型。这些局限性严重影响了单细胞多组学数据的生物学解读。

印度理工学院Jodhpur分校的Ashish Kumar Swain、Rajveer Singh Shekhawat和Pankaj Yadav团队开发了ScInfeR工具，创新性地融合了图神经网络和层次化注释策略。该方法通过构建细胞-细胞相似性邻接矩阵（M_adj
），整合局部与全局标记基因特异性评分（AUC_combined
），并借鉴图神经网络中的消息传递层（message-passing layer）框架，实现了三大技术突破：首次支持标记基因集与参考数据的混合使用；首创层次化亚型识别能力；兼容scRNA-seq、scATAC-seq和空间组学数据。研究团队从28种组织类型中收集了2497个标记基因，构建了标准化数据库ScInfeRDB，并通过Tabula Sapiens等24个数据集进行系统验证。

关键技术包括：1）基于UMAP/PCA构建细胞相似性邻接矩阵；2）结合局部（AUC_local
）与全局（AUC_global
）特异性评分筛选标记基因；3）采用消息传递层框架计算加权平均表达谱（M_sc
^combined
）；4）对空间数据整合空间坐标信息；5）使用微F1分数和调整兰德指数（ARI）进行性能评估。

系统性能验证结果
在Tabula Sapiens肺组织数据中，ScInfeR的F1分数达0.94，较第二名ScType提高1%。其亚型识别能力尤为突出：对CD4⁺
T细胞等5种亚型的识别准确率（F1=0.74）远超Garnett工具（F1=0.24）。处理16万细胞的运行时间<60秒，展现卓越的计算效率。

跨技术平台适用性
对于scATAC-seq数据，ScInfeR通过整合染色质可及性评分与基因活性评分，在PBMC数据集（GSE129785）获得0.97的F1分数。使用scRNA-seq作为参考时仍保持0.95的准确率，显著优于专用工具AtacAnnoR（F1=0.88）。

空间转录组解析能力
在STARmap小鼠皮层数据中，ScInfeR（F1=0.73）准确重建空间细胞边界，性能是TACCO工具的1.9倍。对10X Visium人脑前额叶皮层数据，其整合空间坐标的策略使F1分数达0.77，而传统方法SCINA仅0.38。

抗批次效应与跨物种应用
在整合8批次的胰腺scRNA-seq数据中，ScInfeR克服批次变异实现F1=0.95。对拟南芥根尖（12种细胞类型）和水稻叶片（4种细胞类型）数据，其跨物种注释准确率分别达0.84和0.86。

这项研究开创性地建立了单细胞多组学注释的统一框架，其创新性体现在三个方面：技术层面首次实现标记基因与参考数据的协同利用；方法学上突破亚型识别难题；应用上覆盖主流单细胞技术平台。配套开发的ScInfeRDB数据库标准化了329种细胞类型的命名体系，解决了领域内长期存在的注释混乱问题。研究者特别指出，当参考数据与目标数据集存在批次效应时，建议使用Harmony投影构建邻接矩阵。未来计划将拓展至单细胞DNA甲基化等新兴技术，进一步巩固其在单细胞数据分析管道中的核心地位。该工具已开源（https://www.swainasish.in/scinfer），其高效精准的注释能力将为器官图谱构建、疾病机制解析等研究提供重要技术支持。