内容形式：摘要译文
理解转录异质性如何在不同肿瘤、患者及治疗条件之间组织起来，仍是癌症生物学中的一项核心挑战。在此，我们介绍 kaleidoCell：一个经 GPU 加速的 Python 共识非负矩阵分解框架，可在独立样本中识别可重复的元程序。与其主要对照工具 geneNMF R 包相比，kaleidoCell 在大型数据集上的运行速度提升了两倍。此外，该框架还集成了分析模块，无需用户编写额外代码，即可生成包含关键结果与可视化内容的综合 HTML 报告，其中包括元程序对应的标志基因、基因集富集分析、UMAP 投影及小提琴图。我们以胶质母细胞瘤为案例研究，将 kaleidoCell 应用于两个已发表的数据集。在一组接受 panobinostat 治疗的队列中，kaleidoCell 描绘了肿瘤微环境的细胞图谱，并在单细胞分辨率下阐明了 HDAC 抑制如何重塑恶性细胞状态。我们扩展了既往关于治疗应答中金属硫蛋白相关应激程序的研究，并发现 IER3 的协同诱导可能是相关存活信号传导的一个组成部分。此外，我们还发现了与 HDAC 抑制相关的新型转录特征。除证实神经祖细胞样/少突胶质祖细胞样程序受到抑制（与既往报道一致）外，kaleidoCell 还发现，星形胶质细胞样身份程序的丧失可能是此前未被认识到的 panobinostat 在胶质母细胞瘤中的作用机制。综上，这些结果表明，kaleidoCell 是一种快速、易用的框架，可支持对具有生物学意义的……的稳健发现。
在大型、异质性单细胞数据集中具有生物学意义的转录程序。
关键词：胶质母细胞瘤 · 单细胞转录组 · 共识非负矩阵分解 · 肿瘤微环境 · HDAC抑制 · 转录异质性
原文链接：https://www.biorxiv.org/content/10.64898/2026.05.13.724848v1?rss=1