《Advanced Science》：scGEN: Leveraging an Adaptive Weighting Strategy for Challenging Cell Clustering in Single-Cell RNA-seq
编辑推荐：
近年来，单细胞RNA测序（single-cell RNA sequencing，scRNA-seq）的发展显著增强了研究人员解析细胞异质性的能力。然而，无监督聚类常难以识别过渡态或发育边界细胞，因为现有方法依赖高可变基因（highly variable gen
近年来，单细胞RNA测序（single-cell RNA sequencing，scRNA-seq）的发展显著增强了研究人员解析细胞异质性的能力。然而，无监督聚类常难以识别过渡态或发育边界细胞，因为现有方法依赖高可变基因（highly variable genes，HVGs）而未考虑表达水平，从而忽略细微但关键的信号。为此，研究人员开发了单细胞基因感知嵌入网络（single-cell gene-aware embedded network，scGEN），用于捕捉复杂的细胞间关系。scGEN采用自适应特征加权与迭代微调，优先处理具有重叠转录谱的模糊或过渡态细胞。在8个不同scRNA-seq数据集上的评估显示，scGEN持续优于9种主流聚类方法。此外，scGEN对约10%具有模糊转录谱的细胞给出了精细化赋值，并在人胎儿垂体中揭示出具有生物学意义的差异，为细胞异质性提供了更细致的视图。细胞-细胞通信（cell-cell communication）分析鉴定出与精细化注释相关的发育信号网络，包括在7周时检出的拟Pre.Gonado样群体，其显著参与BMP、NOTCH及细胞外基质重塑通路。进一步地，对6–8周胚胎的组织学分析从组织水平正交支持了早期促性腺激素细胞谱系状态以及SOX2–GATA2–NR5A1桥接群体。上述结果凸显了scGEN在增强细胞类型赋值和检测细微生物学差异方面的能力。
研究背景方面，单细胞测序打破了批量组织分析的局限，使研究人员能揭示看似同质群体中的细胞变异。但无监督细胞聚类在识别中间态、混合谱系和发育边界细胞时存在短板：传统方法如k-means难以刻画非线性关系，深度聚类方法虽能提取特征，却多在训练中平等对待样本、优化全局簇分离，导致过渡态与边界细胞这些承载关键发育信息的“困难样本（hard samples，指分类置信度低、处于簇边界或具有重叠转录特征的细胞）”被忽视。正因为细胞状态连续性和技术噪声会让边界细胞定义不清，而这类细胞又对理解分化与谱系承诺至关重要，研究人员开展了scGEN研究，用以在单细胞RNA测序（scRNA-seq）数据中通过结构引导的困难样本学习和正则化零膨胀负二项（Zero-Inflated Negative Binomial，ZINB）建模来重赋模糊细胞身份。该论文发表于《Advanced Science》，其结论是scGEN在八个数据集上稳定优于九种现有方法，并能把人胎儿垂体中约10%模糊细胞重新解释为拟Pre.Gonado样等状态，组织学验证也支持其发现的早期垂体发育中间态，这对发育生物学和计算细胞学均有方法学与应用价值。
关键技术方法上，研究人员使用八个公开scRNA-seq数据集，包括人及小鼠多组织来源，以及人胚胎垂体（Zhang等，7–25周，4113细胞）和6–8周人胚胎组织样本队列；方法层采用K近邻（k-nearest neighbors，KNN）构细胞相似图、双编码器分别学基因表达属性与图结构、结构引导困难样本对比损失、正则化ZINB损失中对选定高可变基因（HVGs）做随机10%特征加权，并用Splatter模拟2–16阶段分化轨迹，用CellChat做细胞-细胞通信（CCC），用多重免疫荧光（multiplex immunofluorescence，mIF）与H&E做组织学验证。
研究结果部分，2.1 scGEN在多种数据集上优于其他单细胞聚类方法：通过与九种深度及经典方法在八个数据集比较，以准确率（Accuracy，ACC）、归一化互信息（Normalized Mutual Information，NMI）、调整兰德指数（Adjusted Rand Index，ARI）衡量，scGEN在多数数据集取得最高ACC与稳定表现，在Zhang人胎儿垂体数据上明显超过Seurat与Scanpy。2.2 scGEN的参数敏感性与鲁棒性：超参α平衡损失、γ调困难样本注意力，敏感性分析显示α=1、γ=1多为最优，且偏离后性能不剧降，10%加权比例为稳健默认。2.3 双损失函数影响：消融去除ZINB损失或结构引导困难样本学习（hard-sample learning，HSL）损失均使ACC、NMI、ARI下降，证明两者互补。2.4 复杂分化轨迹鲁棒性：Splatter模拟显示随分化阶段变细，GraphSCC等方法骤降，scGEN下滑更缓，适合连续轨迹。2.5 人胎儿垂体中的发育阶段与精细细胞类型赋值：scGEN把369个原标干细胞改为表达GATA2、NR5A1、FSHB、LHB的拟Pre.Gonado样状态，差异基因与GO富集指向分泌颗粒外排与干细胞程序丢失。2.6 拟早期Pre.Gonado样状态与发育通信网络：scGEN在7周即见Pre.Gonado，CellChat显示BMP、NOTCH、SEMA3、SLIT、层粘连蛋白（LAMININ）、胶原（COLLAGEN）、纤连蛋白1（FN1）等信号重排，Pre.Gonado为7周中心节点。2.7 组学注释的组织学验证：6–8周人胚垂体/Rathke囊区中SOX2+减少、GATA2+过渡、NR5A1+增加，并有SOX2+GATA2+与GATA2+NR5A1+双阳桥接群，BMPR1A与GATA2空间重叠。
讨论部分总结：研究人员指出scGEN把计算机视觉中的困难样本挖掘重构为适配scRNA-seq的三项设计——双编码器联合属性与拓扑、正则化ZINB内随机HVG加权、伪标签与联合相似度引导的困难样本损失；其限制在于伪标签可能传播早期错误，7周前移现象受采样深度与批次影响，应视为计算支持的精细化而非确定发育起点。结论翻译如下：准确识别细胞状态，尤其是过渡态与边界群体，仍是单细胞转录组分析的根本挑战。研究人员在此提出scGEN，一种基因感知嵌入框架，通过选择性强调难分类样本与具生物学信息的基因信号来解析模糊细胞身份。借助结构引导困难样本学习与正则化ZINB目标，scGEN捕捉全局转录结构与细微状态定义特征，在八个公开scRNA-seq数据集上持续实现更优聚类准确性、稳定性与生物学一致性，并揭示此前被遮蔽的中间态。该方法在人胎儿垂体中检出7周即出现的拟Pre.Gonado样群体，免疫组化与BMPR1A空间重叠为其提供受体水平佐证；组织学验证支持SOX2、GATA2、NR5A1构成的时序进展。scGEN不仅提升细胞状态发现分辨率，也为计算创新链接至人类发育关键易感期研究提供了范式。
