《Nature Methods》：CytoVI: deep generative modeling of antibody-based single cell data
编辑推荐：
抗体类单细胞技术，例如流式细胞术（flow cytometry）、质谱流式（mass cytometry）与CITE-seq，已广泛用于临床诊断与基础研究；然而其分析受技术噪声、批次效应、平台差异及受限抗体面板制约。研究人员提出CytoVI，一种用于抗体类单细
抗体类单细胞技术，例如流式细胞术（flow cytometry）、质谱流式（mass cytometry）与CITE-seq，已广泛用于临床诊断与基础研究；然而其分析受技术噪声、批次效应、平台差异及受限抗体面板制约。研究人员提出CytoVI，一种用于抗体类单细胞数据统计严谨统一分析的概率生成模型。CytoVI在单一概率模型中生成信息性细胞嵌入（embedding）、插补缺失测量值、执行差异蛋白表达检验并自动化注释细胞。研究人员应用CytoVI构建涵盖350个蛋白的整合B细胞成熟图谱，鉴定与免疫球蛋白类别转换相关的蛋白。在由流式细胞术和CITE-seq分析的B细胞非霍奇金淋巴瘤患者队列中，CytoVI揭示疾病相关T细胞状态。CytoVI作为开源软件发布于scvi-tools.org。
研究背景方面，单细胞多组学可用于绘制人体细胞分子图谱并解析疾病相关分子与细胞扰动。流式细胞术自1965年起成为临床血液恶性肿瘤诊断与预后评估的基石，但其荧光通道光谱重叠限制维度提升；质谱流式与CITE-seq虽扩展蛋白检测，却受标记约束和成本限制。机器学习方法可缓解特征数受限，但多供体场景常因每实验需大量细胞而难以适用。已有Scyan等贝叶斯模型显示深度概率模型可用于自动化注释，而深度生成潜变量模型在单细胞基因组学整合、去噪与插补中表现突出。抗体类技术具有高动态范围与百万级细胞分辨率，但多队列研究受样本分离、染色条件带来的批次效应干扰，且公开数据因技术与抗体面板不同难以比较。因此，研究人员开展CytoVI研究，目标是建立统一概率框架，解耦技术变异与生物变异，实现整合、插补、注释与差异分析。
主要关键技术方法包括：构建基于变分自编码器的概率潜变量模型，以共享正态潜空间表示细胞内在状态并控制批次、技术、年龄等混杂因素；采用高斯或Beta似然建模经arcsinh变换的蛋白表达；对部分重叠抗体面板使用掩码机制，由编码器仅用共享标记推断潜分布、解码器重建全部标记以插补未测蛋白；利用扩散映射（diffusion maps）与CellRank建模B细胞连续分化；通过迁移学习将训练参考模型前向映射未见查询样本并实现自动诊断；样本队列来自公开PBMC、骨髓、B细胞质谱面板、B细胞非霍奇金淋巴瘤淋巴结流式队列、配对CITE-seq子集及慢性淋巴细胞白血病（CLL）诊断流式队列。
研究结果部分，首先是The CytoVI model。研究人员通过编码器将蛋白表达矩阵映射至联合潜空间z，解码器结合潜变量与样本级协变量s拟合高斯或Beta分布，以证据下界（ELBO）训练，获得校正协变量的细胞状态与蛋白表达估计，并可纳入先验细胞类型标签调节混合高斯先验。
其次是CytoVI accurately models antibody-based single-cell data and provides a biologically interpretable latent space。研究人员在流式、质谱流式与CITE-seq的PBMC数据中聚类注释后可见，CytoVI潜空间能分辨细胞类型，Leiden聚类可复现稀有树突细胞等亚群且避免过度碎片化，还能捕捉CD56dim NK细胞中CD16、TIM-3与Granzyme B的梯度关系。
其次是CytoVI removes technical variation while preserving biological variation。在两批次流式生物学重复中，显式控制批次协变量后CytoVI消除批次效应并保留细胞类型结构；scIB基准下CytoVI与FastMNN优于cyCombine、Harmony，且在髓系与T细胞区更具一致性，百万细胞训练低于35分钟，对超参与标记丢弃具鲁棒性。
其次是CytoVI facilitates accurate imputation of unobserved proteins。研究人员联合Nu?ez等35标记与Kreutmair等30标记面板，以15个骨干标记重叠，插补非重叠蛋白后扩展免疫表型，解析NK细胞KLRG1、CD161、CD57状态，并由12个质谱面板构建350表面标记B细胞图谱。
其次是CytoVI assembles an integrated B cell maturation atlas spanning 350 protein markers。研究人员用扩散映射与CellRank显示过渡B细胞成熟为初始B细胞，再分化为非类别转换与类别转换记忆B细胞；轨迹中IgD/IgM向IgA转换，差异蛋白分析鉴定CD62L、CD71、CD100等类别转换相关蛋白。
其次是CytoVI enables robust cross-technology integration。在CITE-seq与CyTOF骨髓数据中，CytoVI总体最优，去除技术变异且抗过度整合，在加噪场景下仍保持细胞类型保留与批次校正优势。
其次是CytoVI imputes morphological features from mass cytometry data。研究人员整合流式与质谱流式PBMC数据，由流式学得的潜结构插补质谱流式中缺失的FSC（前向散射）与SSC（侧向散射），髓样细胞高FSC/SSC、记忆T细胞大于初始T细胞的模式与已知生物学一致。
其次是CytoVI automates the discovery of T cell states associated with nodal B cell lymphomas。研究人员整合63例B细胞非霍奇金淋巴瘤淋巴结两面板流式数据，无标签差异丰度分析识别各实体富集T细胞状态，并发现双阴性T细胞在DLBCL与MCL中富集；联合CITE-seq插补转录组后判定其为细胞毒性γδ T细胞，高表达GZMA、GZMB、PRF1、IFNG及KLRC2等。
其次是CytoVI facilitates the automated diagnosis of patients with CLL。研究人员以10例高肿瘤负荷CLL与10例无病对照训练参考模型，潜空间消除患者间批次效应；迁移学习将新查询样本映射至参考空间并借最近标记邻投票注释，自动量化CLL细胞频率与κ:λ轻链偏移，结合决策树分类可区分高负荷、低负荷CLL及无病对照，MRD场景AUC-ROC为0.74±0.09。
讨论部分总结：公开流式数据虽多，但跨研究、跨技术、跨面板分析工具不足，使数据孤立。CytoVI作为scvi-tools中面向 cytometry 数据技术属性的概率生成框架，可整合队列、面板与技术，学习信息性潜空间、插补缺失蛋白、自动注释并执行差异分析。临床诊断场景中，CytoVI能自动检CLL细胞与轻链限制性并提供不确定性，契合EuroFlow强调的临床流式挑战。对临床前数据，CytoVI用概率估计补全未测蛋白，联合CITE-seq把流式规模与转录组分辨率结合，发现淋巴瘤中罕见γδ T细胞；未来可纳入分子像素化等空间蛋白技术，并借助InfinityFlow类平台走向器官尺度蛋白图谱与迁移学习查询。该工作代表 cytometry 从手工设门走向模型中心化、可积累、可复用的生成式分析范式。
研究结论部分翻译：不断增长的公开 cytometry 数据集为大规模研究细胞系统与疾病带来机遇，但多数数据因缺乏跨研究、跨技术、跨抗体面板调和的计算方法而被孤立分析。此处研究人员提出CytoVI，一种用于抗体类单细胞数据整合分析的概率生成模型。CytoVI实现跨队列、跨抗体面板与跨技术的广泛整合任务，通过学习信息性潜空间、插补缺失蛋白测量、自动注释细胞并支持差异蛋白表达与差异丰度分析，使原本隔绝的数据集产生可累积的生物学洞见。CytoVI在临床常规诊断流式中可支持CLL细胞自动检测及轻链限制性识别，其内在不确定性估计利于隐私敏感临床环境部署。CytoVI还可由配对CITE-seq扩展 archive 数据集价值，并结合数百万细胞转录组分辨率发现仅靠单技术不可及的罕见γδ T细胞群体。随分子像素化与InfinityFlow等新技术出现，CytoVI有望整合空间蛋白与板基抗体筛选，迈向社区可查询的器官尺度蛋白图谱。以概率模型查询大规模 cytometry 数据，是标准化 cytometry 解释与应用的关键一步；CytoVI是 cytometry 模型中心化视图的首步，持续从扩展数据集中学习将提升跨研究与临床应用中的泛化性、鲁棒性与预测力。
