文献精读 单细胞与空间转录组数据分析中的深度学习：进展与挑战

核心速递：这篇综述从数据科学视角系统整理了深度学习在单细胞和空间转录组分析中的应用，并通过 21 个数据集、9 个 benchmark 和 58 个方法强调“算法选择必须服务具体任务”。

1. 论文基本信息

• Title: Deep learning in single-cell and spatial transcriptomics data analysis: advances and challenges from a data science perspective
• Journal: Briefings in Bioinformatics
• First Author: Shuang Ge
• 领域定位: 单细胞算法综述 / 空间转录组分析 / 深度学习 benchmark

2. 研究背景与痛点

单细胞和空间转录组数据具有高维、稀疏、噪声重、批次效应明显、多模态并存等特点。随着数据规模从成千上万细胞扩展到百万级细胞，传统依赖手工特征工程的方法越来越难以稳定提取生物信号。

深度学习的优势在于能自动学习非线性表示，处理复杂相关结构，并在去噪、聚类、细胞注释、多模态整合和空间域识别等任务中展现潜力。但深度学习方法也带来新问题：模型可解释性不足、泛化能力不稳定、参数敏感、对高质量标注数据依赖较强。

3. 核心材料与方法

这篇文章既是综述，也是方法比较。作者整理 21 个数据集，来自 9 个 benchmark，用于评估 58 个计算方法。文章从数据科学视角总结 autoencoder、VAE、GNN、Transformer、contrastive learning、domain adaptation 和 multi-modal integration 等模型在单细胞与空间组学中的使用场景。

分析任务覆盖去噪与补全、降维表示、聚类、细胞类型注释、批次校正、多组学整合、空间域识别、空间上下文建模和细胞通讯推断。文章的重点不是宣传某个单一模型，而是比较不同任务下模型性能和适用边界。

4. 关键发现与机制解析

4.1 深度学习适合处理单细胞数据的非线性结构

单细胞表达矩阵高度稀疏，且细胞状态常呈连续谱而非离散类别。VAE、autoencoder 和对比学习等模型能够学习低维潜在表示，用于降维、去噪和批次整合。

4.2 空间转录组需要显式建模邻域关系

空间数据不仅有表达值，还有坐标和组织邻近关系。GNN 等方法能够把细胞或 spot 的空间邻接关系纳入模型，从而识别 spatial domains、组织边界和局部微环境。

4.3 没有一个模型适合所有任务

文章的 benchmark 显示，方法表现会随数据集、评价指标和任务定义显著变化。一个模型在聚类中表现好，不代表在细胞注释、空间域识别或多模态整合中同样可靠。因此，算法选择应从任务出发，而不是从模型名出发。

5. 局限性与未来展望

当前深度学习在单细胞与空间组学中的主要瓶颈包括可解释性、跨数据集泛化、标注数据不足和生物机制解释不足。未来方法需要更好地融合先验知识、空间结构和多组学信息，并提供可追踪的生物学解释。

对于植物研究，额外挑战还包括参考图谱不足、细胞类型 marker 不完备、物种间基因同源关系复杂和多倍体基因组带来的表达归属问题。这些问题意味着通用算法需要经过植物数据验证后才能成为可靠流程。

6. 核心思考与研究启发

这篇综述最有价值的地方，是把“深度学习用于单细胞分析”拆解为具体任务。对于真实研究，重要的问题不是是否使用深度学习，而是在哪一步使用、为什么使用、用什么指标验证。

一个稳健的单细胞/空间组学分析流程应先定义任务：是去噪、整合、聚类、注释、空间域识别，还是细胞通讯？随后再选择对应模型，并通过多个指标和生物学验证检查结果。算法越复杂，越需要机制解释和外部验证。