scROMA：用于单细胞转录组学的批次感知通路活性推断与真实值模拟框架

背景：通路活性分析将单细胞层面的基因测量汇总为具有可解释性的功能模块，但广泛使用的方法缺乏统一的显著性分析框架，未考虑多样本研究中普遍存在的批次效应，也不能原生兼容基于 Python 的工作流程。该领域还缺少具有真实通路活性标签的模拟资源，因而无法进行定量基准评估。 结果：我们提出了 scROMA，这是一种基于奇异值分解的方法，可将通路活性量化为协同变异，并提供每个细胞的评分、每个基因的贡献以及基于置换的显著性分析，同时原生集成于 Scanpy/AnnData 生态系统。据我们所知，其具备批次感知能力的扩展版本是首个在基因集子空间内而非整个转录组范围内校正批次效应的方法，从而能够在通路水平分离技术变异，同时保留其他基因中的生物学信号。我们还发布了一个生成式模拟框架，可产生具有完全明确真实活性状态的合成数据。在模拟基准测试中，scROMA 在多项任务上表现出竞争力；在存在批次效应时，其批次感知模式能够恢复全转录组整合方法所遗漏的有序通路结构。在囊性纤维化气道、肠道类器官、乳腺癌和肺癌数据集中，该方法能够在区分技术变异和供体间差异的同时，恢复已知生物学特征；在肠道类器官图谱中，它还能跨供体稳定地恢复炎症程序，区分其持续性成分与瞬时性成分，并解析细胞类型特异性的微环境因子靶标。 结论：scROMA 为开源软件，并与该模拟框架及预生成的基准数据集一并发布，作为社区资源，为单细胞转录组学中的通路层面分析提供了一种可扩展、具有统计学依据且具备批次感知能力的方法。

背景：通路活性分析将单细胞层面的基因测量汇总为可解释的功能模块，但广泛使用的方法缺乏一体化的显著性分析框架，未考虑多样本研究中普遍存在的批次效应，并且无法与基于 Python 的工作流程原生互操作。该领域还缺乏具有真实通路活性标签的模拟资源，因而难以开展定量基准评测。

结果：我们提出了 scROMA，这是一种基于奇异值分解的方法，将通路活性量化为协同变异，并提供每个细胞的评分、每个基因的贡献度以及基于置换的显著性检验，同时与 Scanpy/AnnData 生态系统原生集成。据我们所知，其具备批次感知能力的扩展版本是首个在基因集子空间内而非整个转录组范围内校正批次效应的方法，能够在通路层面分离技术变异，同时保留其他基因中的生物学信号。我们还发布了一个生成式模拟框架，可产生具有完全已知真实活性的合成数据。在模拟基准测试中，scROMA 在多项任务上表现出竞争力；在存在批次效应时，其批次感知模式能够恢复全转录组整合方法所遗漏的有序通路结构。在囊性纤维化气道、肠类器官、乳腺癌和肺癌数据集中，它能够在区分技术变异和供体间差异的同时，恢复已有生物学规律；在肠类器官图谱中，它可跨供体可重复地恢复炎症程序，区分其持续性成分与瞬时性成分，并解析细胞类型特异性的生态位因子靶标。

结论：scROMA 为开源软件，并与该模拟框架及预生成的基准数据集一并发布，作为社区资源，为单细胞转录组学中的通路层面分析提供了一种可扩展、具有统计学依据且具备批次感知能力的方法。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.07.743516v1?rss=1

🏷️ 单细胞转录组学 通路活性推断 批次效应校正 显著性分析 生成式模拟 Scanpy