利用双细胞检测方法识别细胞分割错误

在空间转录组学中，细胞分割用于勾勒细胞边界。位于某个细胞边界内的分子会被归属于该细胞，因此其基因表达谱取决于分割的准确性。为识别潜在存在问题的细胞，研究中日益采用双细胞检测方法；这类算法最初用于单细胞RNA测序（scRNA-seq）中识别来源于两个细胞的分子混合。为评估这些方法对空间数据的适用性，我们将细胞分割误差建模为相邻细胞之间部分分子混合的连续谱，其形成取决于一个细胞自身转录本的丢失程度以及从相邻细胞获得的转录本数量。通过在16个空间数据集上评估8种双细胞检测方法，我们刻画了这些方法表现良好的条件，并识别出其失效模式。随着分子混合程度以及相邻细胞之间转录差异的增加，检测性能得到提升，其中cxds2、scDblFinder.score和一种简单的基线方法（unique_genes）表现最佳。这些模式在涵盖不同基因面板、技术平台、染色技术、分割算法和误差频率的数据集之间均保持一致。在未经扰动的空间数据中，较高的双细胞评分集中分布于与分割问题相一致的区域，表明这些评分可用于优先筛选细胞或区域，以进行人工检查、分割优化或转录本重新分配。我们的结果明确了双细胞检测方法何时能够为细胞分割提供有用的质量控制信号，从而支持其在空间转录组学中的应用。

在空间转录组学中，细胞分割用于勾勒细胞边界。位于某个细胞边界内的分子会被归属于该细胞，因此，其基因表达谱取决于细胞分割的准确性。为识别潜在的问题细胞，研究中越来越多地采用双细胞检测方法。这类算法最初是为识别单细胞RNA测序（scRNA-seq）数据中来自两个细胞的分子混合而开发的。为评估这些方法在空间数据中的适用性，我们将细胞分割误差建模为相邻细胞之间部分分子混合的连续过程，通过改变某个细胞自身转录本的丢失量以及从其邻居细胞获得的转录本量来生成该过程。在16个空间数据集上评估8种双细胞检测方法后，我们刻画了这些方法表现良好的条件，并确定了其失效模式。随着分子混合程度增加以及相邻细胞之间转录特征差异增大，检测效果得到改善，其中 cxds2、scDblFinder.score 以及一个简单的基线方法（unique_genes）表现最佳。这些模式在涵盖不同基因面板、技术平台、染色技术、分割算法和误差发生频率的数据集之间均保持一致。在未经扰动的空间数据中，较高的双细胞评分集中分布于与细胞分割问题相符的区域，这表明这些评分可用于优先筛选需要检查的细胞或区域、改进细胞分割，或重新分配转录本。我们的结果明确了双细胞检测方法能够为细胞分割提供有用质量控制信号的适用条件，从而支持其在空间转录组学中的应用。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.15.751798v1?rss=1

🏷️ 空间转录组学 细胞分割 双细胞检测 质量控制 单细胞RNA测序 计算方法