- 3 次围观
单细胞 RNA 测序（scRNA-seq）中的恶性细胞识别仍面临挑战，因为转录组细胞分型、体细胞变异检测和推断拷贝数的方法各有其特定局限。罕见或判定模糊的恶性细胞群尤其容易被错误分类或排除，尽管这些细胞与治疗耐药、微小残留病灶和转移密切相关。我们开发了 CATFISHR，这是一种半自动化工作流程，可整合 RNA 表达相似性、推断的拷贝数变异（CNV）谱及共识细胞分型，从而参照高置信度参考细胞对恶性细胞进行分类。我们在八个队列中评估了 CATFISHR，其中包括七个涵盖多种癌和黑色素瘤亚型的 scRNA-seq 数据集，以及一个 10x Visium 空间转录组样本。与现有基准或真实标签相比，CATFISHR 在八个队列中的六个队列里取得了 > 0.85 的平衡准确率，并在六个队列中取得了 > 0.80 的 F1 分数。每个数据集中均存在仅由 CATFISHR 识别为恶性的细胞（“Hidden”细胞），且常规质量控制指标无法对其作出一致解释。在若干队列中，与非恶性细胞群相比，Hidden 细胞在转录特征上更接近基准恶性细胞群；在 Visium 数据中，经组织学专家确认，所采集的 Hidden 空间点包含形态学上呈恶性的细胞。CATFISHR 在减少恶性细胞漏检的同时，保留了罕见、过渡性及与基准结果不一致的细胞群，以供后续研究。
CATFISHR：整合转录组与推断的 CNV 图谱，全面识别恶性细胞 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索关键词
高级搜索
最新结果
CATFISHR：整合转录组与推断的 CNV 图谱，全面识别恶性细胞
查看 ORCID 个人资料
Prachi
Shukla，
查看 ORCID 个人资料
Maria
Mannino，
查看 ORCID 个人资料
Myriam
Hofer，
查看 ORCID 个人资料
Evelyn R.
Lattmann，
查看 ORCID 个人资料
Veronika
Haunerdinger，
查看 ORCID 个人资料
Patrick
Turko，
查看 ORCID 个人资料
Mitchell P.
Levesque
doi：
https://doi.org/10.64898/2026.10.22.760906
Prachi Shukla
1
苏黎世大学；苏黎世大学医院皮肤科；
在 Google Scholar 中查找此作者
在 PubMed 中查找此作者
在本站搜索此作者
Prachi Shukla 的 ORCID 记录
Maria Mannino
1
苏黎世大学；苏黎世大学医院皮肤科；
在 Google Scholar 中查找此作者
在 PubMed 中查找此作者
在本站搜索此作者
Maria Mannino 的 ORCID 记录
Myriam Hofer
1
苏黎世大学；苏黎世大学医院皮肤科；
在 Google Scholar 中查找此作者
在 PubMed 中查找此作者
在本站搜索此作者
Myriam Hofer 的 ORCID 记录
Evelyn R. Lattmann
1
苏黎世大学；苏黎世大学医院皮肤科；
在 Google Scholar 中查找此作者
在 PubMed 中查找此作者
在本站搜索此作者
Evelyn R. Lattmann 的 ORCID 记录
Veronika Haunerdinger
1
苏黎世大学；苏黎世大学医院皮肤科；
在 Google Scholar 中查找此作者
在 PubMed 中查找此作者
在本站搜索此作者
Veronika Haunerdinger 的 ORCID 记录
Patrick Turko
2
苏黎世联邦理工学院 NEXUS 个性化健康技术中心
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Patrick Turko 的 ORCID 记录
通讯请联系：
turko{at}nexus.ethz.ch
Mitchell P. Levesque
1
苏黎世大学；苏黎世大学医院皮肤科；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Mitchell P. Levesque 的 ORCID 记录
摘要
信息/历史
指标
补充材料
数据/代码
PDF 预览
摘要
在单细胞 RNA 测序（scRNA-seq）中识别恶性细胞仍颇具挑战，因为转录组细胞分型、体细胞变异检测和推断拷贝数的方法各自存在特定于其技术模式的局限。罕见或模糊的恶性细胞群尤其容易被错误分类或排除，尽管它们与治疗耐药、微小残留病灶和转移密切相关。我们开发了 CATFISHR，这是一种半自动化工作流程，整合 RNA 表达相似性、推断的拷贝数变异（CNV）谱以及共识细胞分型，以相对于高置信度参考细胞对恶性细胞进行分类。我们在八个队列中评估了 CATFISHR，其中包括七个涵盖多种癌和黑色素瘤亚型的 scRNA-seq 数据集，以及一个 10x Visium 空间转录组样本。与现有基准或真实标签相比，CATFISHR 在八个队列中的六个队列里取得了高于 0.85 的平衡准确率，并在八个队列中的六个队列里取得了高于 0.80 的 F1 分数。每个数据集中都存在仅由 CATFISHR 识别为恶性的细胞（“隐藏”细胞），且无法始终通过标准质量控制指标对其作出解释。在若干队列中，“隐藏”细胞在转录层面更接近
与非恶性区室相比，恶性区室更适合作为基准；在 Visium 数据中，经组织学家确认，抽样得到的 Hidden spots 包含形态学上的恶性细胞。CATFISHR 在减少漏检恶性细胞的同时，保留了稀有、过渡性以及与基准不一致的细胞群体，供后续研究使用。
利益冲突声明
作者声明不存在利益冲突。
脚注
https://doi.org/10.5281/zenodo.20530569
https://github.com/LevesqueLabHub/CATFISHR
版权
本预印本的版权归作者／资助方所有，其已授予 bioRxiv 永久展示该预印本的许可。
本内容依据
CC-BY-NC-ND 4.0 International 许可协议
提供。
返回顶部
上一篇
发布于 2026 年 10 月 27 日。
下载 PDF
补充材料
数据／代码
电子邮件
感谢您有兴趣帮助传播 bioRxiv 的内容。
注意：此处要求填写您的电子邮件地址，仅用于确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
收件人
*
请在不同行输入多个地址，或以逗号分隔。
您即将通过电子邮件发送以下内容：
CATFISHR：整合转录组与推断的 CNV 图谱，实现全面的恶性细胞识别
邮件主题
（您的姓名）向您转发了一篇来自 bioRxiv 的页面
邮件正文
（您的姓名）认为您可能想查看 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于测试您是否为真人访客，并防止自动垃圾信息提交。
分享
CATFISHR：整合转录组与推断的 CNV 图谱，实现全面的恶性细胞识别
Prachi Shukla、Maria Mannino、Myriam Hofer、Evelyn R. Lattmann、Veronika Haunerdinger、Patrick Turko、Mitchell P. Levesque
bioRxiv
2026.10.22.760906；
doi：
https://doi.org/10.64898/2026.10.22.760906
分享本文：
复制
引文工具
CATFISHR：整合转录组与推断的 CNV 图谱，全面识别恶性细胞
Prachi Shukla、Maria Mannino、Myriam Hofer、Evelyn R. Lattmann、Veronika Haunerdinger、Patrick Turko、Mitchell P. Levesque
bioRxiv
2026.10.22.760906
doi：https://doi.org/10.64898/2026.10.22.760906
引文管理工具格式
BibTeX
Bookends
EasyBib
EndNote（标记格式）
EndNote 8（XML）
Medlars
Mendeley
Papers
RefWorks（标记格式）
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google +1
学科领域
所有文章
动物行为与认知（8164）
生物化学（19027）
生物工程（15171）
生物信息学（45426）
生物物理学（22958）
癌症生物学（20131）
细胞生物学（27332）
临床试验（138）
发育生物学（14163）
生态学（21412）
流行病学（2067）
进化生物学（25825）
遗传学（16363）
基因组学（23867）
免疫学（19048）
微生物学（43241）
分子生物学（18363）
神经科学（95246）
古生物学（714）
病理学（3039）
药理学与毒理学（5208）
生理学（8292）
植物生物学（16287）
科学传播与教育（2116）
合成生物学（4650）
系统生物学（10396）
动物学（2428）
关键词：单细胞RNA测序 · 恶性细胞识别 · 拷贝数变异推断 · 空间转录组
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.22.760906v1?rss=1