Rectangle:由单细胞RNA测序数据指导的稳健且可扩展的多尺度解卷积

root 提交于 周五, 07/10/2026 - 06:47
Bulk RNA-seq 能够对大规模队列和复杂实验设计进行有效分析,但现有基于单细胞信息的解卷积方法对于关系密切的细胞表型解析不充分,无法高效扩展至大规模单细胞数据集,或未能考虑参考数据中未表征的细胞成分。在此,我们提出 Rectangle,一个用于 bulk RNA-seq 数据单细胞信息解卷积的 scverse Python 框架。Rectangle 将多尺度解卷积与未知细胞成分的显式建模相结合,在多个分辨率层级上刻画细胞组成。 在一项多样化的跨方法基准评测中,Rectangle 在所有评估指标上均表现出持续稳健的优异性能,展现出高准确性、高分辨率、低溢出、良好的可扩展性与高效率,以及对未知细胞成分的稳健性。通过连接单细胞转录组学的分辨率与 bulk RNA-seq 的规模优势和成本效益,Rectangle 实现了大规模的细胞类型和细胞状态分析,支持在人群尺度上发现细胞生物标志物,并在不适合开展全面单细胞测序的场景中追踪细胞动态变化。

Bulk RNA-seq 能够对大规模队列和复杂实验设计进行有效分析,但现有基于单细胞信息的去卷积方法尚不能完整解析关系密切的细胞表型,无法高效扩展至大型单细胞数据集,或未能考虑参考数据中未表示的细胞成分。在此,我们提出 Rectangle——一个用于 bulk RNA-seq 数据单细胞信息辅助去卷积的 scverse Python 框架。Rectangle 将多尺度去卷积与未知细胞成分的显式建模相结合,从而在多个分辨率层级上刻画细胞组成。在一项多样化的跨方法基准评测中,Rectangle 在所有评估指标上均表现出持续稳健的性能,展现出高准确性、高分辨率、低溢出、良好的可扩展性与高效率,以及对未知细胞成分的稳健性。通过衔接单细胞转录组学的分辨率与 bulk RNA-seq 的规模和成本效率,Rectangle 实现了大规模的细胞类型和细胞状态分析,支持在人群尺度上发现细胞生物标志物,并在不适合开展全面单细胞测序的场景中追踪细胞动态变化。

FF 为 iOnctura 提供咨询服务。G.S. 是德国比伯拉赫 Boehringer Ingelheim International Pharma GmbH & Co KG 的员工。F.J.T. 为 Immunai、CytoReason、Valinor Industries、Bioturing 和 Phylo Inc. 提供咨询服务,并持有 RN.AI Therapeutics、Dermagnostix 和 Cellarity 的所有权权益。


📄 原文链接:https://www.biorxiv.org/content/10.64898/2026.07.07.736950v1?rss=1

🏷️ 单细胞RNA测序 Bulk RNA-seq解卷积 多尺度建模 细胞类型解析 可扩展算法