基于异常检测的scRNA-seq细胞类型注释方法scADCA：解锁新型细胞鉴定新维度

为解决单细胞RNA测序(scRNA-seq)数据中新型细胞类型注释的难题，研究人员开发了基于异常检测的scADCA方法。该方法整合卷积模块与全连接网络构建自编码器，通过重建误差阈值区分已知与新型细胞，并结合多项逻辑回归模型实现全数据集精准注释。实验证明，scADCA在模拟数据集和真实胰腺/肺癌scRNA-seq数据中均展现出优越的区分准确性和F1-score，为提升细胞学研究可靠性提供了新工具。

　　

随着单细胞RNA测序(scRNA-seq)技术的飞速发展，复杂组织细胞异质性研究已迈入超高分辨率时代。细胞类型注释是该技术的核心任务，但现有方法严重依赖标注完善的参考数据，通过相关性比对确定细胞类型，面对数据固有复杂性和异质性时，新型细胞鉴定仍面临巨大挑战。

为此诞生的scADCA方法另辟蹊径，将卷积模块与全连接网络巧妙融合到自编码器中。训练阶段通过参考数据集获取重建误差，据此设定阈值即可在查询数据中精准捕捉"异常信号"——那些不符合已知细胞特征的新型细胞。鉴定出新型细胞后，多项逻辑回归模型闪亮登场，完成全数据集的精细化注释。

在模拟数据集、三组真实胰腺scRNA-seq数据和肺癌细胞系数据的测试中，scADCA与六种现有注释方法同台竞技。无论是区分准确性、整体准确率、F₁-score还是混淆矩阵表现，这套基于异常检测的新方法都交出了亮眼答卷。特别值得注意的是，其创新性的阈值判定策略为突破传统注释方法的局限性提供了新思路。

这项研究不仅为单细胞组学发展注入新动能，更通过提升细胞类型注释的准确性，为揭示疾病机制和开发精准医疗策略奠定了更可靠的基础。自编码器与逻辑回归的珠联璧合，或将开启细胞注释研究的新纪元。