556-Scissor：整合批量与单细胞数据识别表型关联亚群

本文介绍了一种名为 Scissor 的新颖生物信息学算法，旨在通过整合单细胞测序数据与带有表型信息的批量（bulk）数据，识别与特定疾病特征相关的细胞亚群。该方法利用批量数据中丰富的临床标注（如药物反应、肿瘤转移或生存率），弥补了单细胞研究通常样本量较小、统计效能不足的缺陷。Scissor 采用网络正则化稀疏回归模型，能够自动筛选出对特定表型（如肺癌的低氧状态或黑色素瘤的免疫治疗反应）起关键作用的细胞。研究证明，该工具在癌症研究、阿尔茨海默病及肌肉萎缩症等多种疾病分析中展现了强大的通用性。这种整合策略不仅避免了传统聚类分析的主观性，还为发现精准治疗靶点和预后生物标志物提供了全新的视角。References: Sun, D., Guan, X., Moran, A.E. et al. Identifying phenotype-associated subpopulations by integrating bulk and single-cell sequencing data. Nat Biotechnol 40, 527–538 (2022). doi.org前往小宇宙评论区与主播互动