基于RNA-seq反卷积技术的复杂体外模型细胞组成精准解析新策略

本研究针对复杂体外模型(CIVMs)细胞表征的技术瓶颈，创新性地将RNA-seq反卷积技术应用于人肠道类器官和新生睾丸模型。通过系统评估六种反卷积算法(包括NNLS、MuSiC、DWLS等)与三种单细胞数据插补方法(ALRA、SAVER、MAGIC)的组合效能，发现DWLS+ALRA组合显著提升细胞比例预测精度。该技术突破为低细胞量、三维培养体系的标准化评估提供了新范式，对毒理学和药物开发领域具有重要应用价值。

　　

在生物医学研究领域，复杂体外模型(CIVMs)正逐渐取代传统二维细胞培养，成为模拟体内生理环境的利器。这类模型通常包含多种细胞类型、三维组织结构以及工程化培养系统，在毒理学测试和药物开发中展现出巨大潜力。然而，现有单细胞分析工具面临细胞分离应激、细胞丢失和高成本等挑战，特别是对于细胞数量有限、长期培养或凝胶基质包埋的CIVMs，传统表征方法往往力不从心。

华盛顿大学(University of Washington)的研究团队在《Journal of Biological Chemistry》发表了一项创新研究，他们巧妙利用公开可用的单细胞RNA测序(scRNA-seq)数据集，通过RNA-seq反卷积技术成功预测了两种CIVMs的细胞组成。这项研究不仅系统评估了不同算法组合的预测精度，还首次揭示了单细胞数据插补对反卷积准确性的提升作用，为CIVMs的标准化表征提供了新思路。

研究人员采用多组学联用策略：首先通过伪批量样本分析评估六种反卷积算法(NNLS、MuSiC、DWLS、OLS、SVR、ν-SVR)与三种插补方法(ALRA、SAVER、MAGIC)的组合效能；随后将最优组合应用于人十二指肠类器官和新生大鼠睾丸CIVMs的批量RNA-seq数据解析。研究队列包含3例人源肠道类器官和5组大鼠睾丸原代细胞培养样本，通过计算生物学和实验验证相结合的方式系统评估技术可靠性。

关键研究发现

Imputation显著降低单细胞数据稀疏性
非插补数据集零值占比高达81-92%，经ALRA处理后降至46-68%，而SAVER/MAGIC进一步降至0.001-7%。值得注意的是，MAGIC虽然有效去零但改变了基因表达分布特征，而ALRA在保持原始分布的同时精准识别技术性零值。

反卷积算法性能差异显著
在肠道模型基准测试中，SVR+MAGIC组合表现最佳(RMSE=0.234)，DWLS+ALRA次之(0.240)；睾丸模型则以DWLS+ALRA最优(RMSE=0.168)。跨数据集分析显示，MuSiC对增殖细胞预测更具优势，而DWLS系列算法对分化细胞更敏感。

肠道类器官分化动态解析
21天分化后，肠上皮细胞比例从<0.1%升至8%，同时LGR5⁺增殖细胞从61%降至22%，证实分化体系成功诱导了隐窝-绒毛轴转化。值得注意的是，81岁供体的类器官分化效率显著低于年轻供体，与CYP3A代谢活性下降的表型一致。

睾丸模型激素响应特征
LH/FSH刺激48小时后，睾丸模型睾酮分泌量从0.014ng/mL激增至7.96ng/mL，伴随Star、Fdx1等类固醇合成基因显著上调。反卷积分析显示Leydig细胞比例稳定在14-16%，表明激素刺激未引起细胞数量变化而是功能激活。

研究启示
这项研究建立了RNA-seq反卷积技术用于CIVMs表征的方法学框架，其创新价值体现在三个方面：技术层面证实ALRA插补能有效平衡数据稀疏性与生物学真实性；应用层面首次实现无标记、非破坏性的三维模型细胞组成解析；转化医学层面为个体化类器官建模提供了量化标准。特别是DWLS+ALRA组合的优异表现，为资源有限的研究者提供了高效解决方案。

研究同时揭示了技术局限性：跨物种参考数据集引入的系统偏差可达20%，而低丰度细胞(<5%)的预测仍具挑战性。未来随着单细胞图谱的完善和算法优化，这项技术有望成为器官芯片、类器官等前沿模型的标准化质控工具，加速转化医学研究进程。