一份来自癌症患者的组织不会把里面的每个细胞都变成癌细胞。免疫细胞、基质细胞和肿瘤细胞挤在一起少数关键细胞的信号很容易淹没在海量数据里。单细胞测序让研究者读到每个细胞的基因表达。但从“这份样本有病”走到“哪些细胞值得关注、哪些基因值得追踪”中间仍隔着几道难题。scTransMIL想把这条路接起来。这项研究于2026年9月14日发表于Nature Communications从细胞的表达模式出发连接样本判断、细胞分数与基因线索。[1]图1。图1 左侧为中文解读右侧上、下分别为原文Fig. 1a的多实例数据形式与Fig. 1b的学习流程。原图用于解释袋级监督概念。 来源Nature Communications Fig. 1a–b。先看一袋细胞再找其中的线索把所有细胞的表达取个平均少数异常信号可能被冲淡把患者的所有细胞都标成“癌细胞”又会混淆身份。scTransMIL把样本看作一袋细胞让模型学习哪些细胞信息更有助于判断整份样本。读一个词要看它所在的句子读一个基因也可以看它与其他基因共同出现的表达模式。模型用Transformer学习这种上下文给细胞打疾病相关分数再汇总成样本判断先区分肿瘤与正常再预测癌种图2。图2 左侧为中文解读右侧上方为原文Fig. 1c的两阶段预测流程下方为Fig. 1d的门控编码器及样本聚合器。 来源Nature Communications Fig. 1c–d。先问样本再问细胞研究覆盖约400万个细胞、30种癌症和999位供者。为减少“见过同一个人”的干扰训练、验证和测试按供者分开图3。对于子样本则是对样本的更进一步划分能让模型更方便地处理一批数据。图3 左侧为中文解读右侧重排原文Supplementary Fig. 3a的全部统计图上排为样本/子样本划分及共享图例下排左为两种标签设置的分布右为肿瘤子样本的癌种分布。全图保留原文数值、类别与图例泛癌图谱包含1563份样本。 来源Nature Communications Supplementary Fig. 3aResults。第一关是样本判断。研究把scTransMIL与多种方法放在同一基准上比较并改变训练数据比例。原文从Accuracy、AUC和F1三个角度检验这一关随着数据增加scTransMIL的样本级表现得到改善能够预测一个样本是癌症还是正常组织图4。图4 原文Fig. 2a按两行重排左上Accuracy、右上AUC、左下F1、右下共享图例。横轴为训练数据比例。 来源Nature Communications Fig. 2a。更有意思的问题是癌症通常会发生转移而对于一个已经发生转移的样本要预测出源发癌症才能让患者得到更精准的治疗但是从转移后样本预测源发癌症本身就很困难。在scTransMIL研究中有一个例子乳腺癌转移到其他部位后模型还能识别它来自哪里吗在37位患者、约40万个细胞的独立乳腺癌队列中模型对原发和转移样本预测癌症来源结果发现多数指向源发癌症即乳腺癌图5。图5 左侧为中文解读右侧为原文Fig. 3c完整桑基图依次显示取样部位、原发/转移状态及癌种预测。保留所有预测分支包括非BRCA分支BRCA指乳腺癌。 来源Nature Communications Fig. 3c。第二关是细胞。把CNV注释与模型分数放到同一张细胞地图上再比较ROC曲线就能检验高分是否对应参考中的肿瘤细胞。以CNV推断注释作计算参考scTransMIL的AUC为0.71比较方法为0.67、0.58和0.56。这说明scTransMIL确实可以从样本回溯到细胞分辨率的疾病状态也就是从一袋细胞中检测出恶性细胞图6。这个功能可以给精准医疗带来畅想化疗会把正常细胞和癌细胞都杀死如果能准确定位恶性细胞就有机会避免正常细胞被损伤减少患者的治疗痛苦。图6 原文Fig. 2f重排上排左为CNV参考注释、右为细胞疾病相关分数下排为ROC与AUC读数。两张地图使用同一细胞嵌入蓝/橙对应参考正常/肿瘤分数色标保留。来源Nature Communications Fig. 2f。一个甲状腺癌旁样本让结果更直观组织结构接近正常在病理图像层面并不能看出样本有癌变模型却给出0.64的阳性预测分数高分集中在具有癌前状态特征的上皮细胞。它提示了追踪稀少信号的可能性单个案例体现了scTransMIL的早筛应用潜力图7。图7 上方为原文Fig. 2d样本预测热图下方为Fig. 2e细胞分数面板及解读。热图包含全部9份样本和5种方法细胞分数图对应Patient 5的癌旁样本。上皮细胞的解读来自论文的细胞类型对照分析。来源Nature Communications Fig. 2d–e。找到细胞之后还能问到基因传统差异分析常问这个基因的表达量变了多少scTransMIL的基因注意力多问了一层放在整个表达模式中它是否值得关注在急性淋巴细胞白血病ALL中模型提示了两种差异分析均未检出的BLK。BLK已有生物学研究支持这里的价值是补充发现线索的路径注意力排名本身不能证明因果图8。图8 原文候选基因交集。Attention inference为注意力推断Differential为差异表达分析。BLK已有生物学研究支持并非本研究新发现的基因。 来源Nature Communications Fig. 4g。这些线索能进一步走进实验室吗另一项发表于Advanced Science的独立研究把问题带到了类风湿关节炎。研究者分析79份滑膜样本结合scTransMIL、SCimilarity解释工具和双阈值策略聚焦到OGT这个候选。[2]图9。图9 上方为联合分析流程解读下方为原文Fig. 1D的排序变化Delta order。候选来自scTransMIL、SCimilarity及双阈值策略共同构成的流程。 来源Advanced Science Fig. 1A–D。接下来证据接力从计算转向实验。患者组织显示了OGT的相关变化细胞实验和成纤维样滑膜细胞特异性OGT敲除小鼠进一步支持其致病作用图10。图10原文Fig. 1G选取OGT与Merge通道健康和RA两组均保留未调整荧光强度或颜色。n3比例尺25 μm。 来源Advanced Science Fig. 1G。机制研究继续向下追OGT介导的O-GlcNAc修饰稳定了SAP130促使BTG2受到表观遗传抑制推动滑膜细胞的异常行为图11。图11 上方为便于阅读的机制解读下方为原文机制示意。来源Advanced Science Fig. 5QResults。团队还设计了AS1411-OSMI靶向降解分子。在关节炎小鼠中干预减轻了病变与依那西普联用产生额外获益图12。图12 原文Fig. 7B的曲线与图例分别放大后纵向排列。ETA为依那西普。结果限于小鼠模型尚非人体疗效证据。 来源Advanced Science Fig. 7B。除了评分变化论文还提供了骨结构和组织染色等证据。下面保留全部原文对照组展示小鼠骨结构结果。这一步仍属于临床前研究图13。图13 原文Fig. 7C保留全部八组按每行四组、从左到右、从上到下排列。各组名称与原图对应除Healthy外均为CIA关节炎模型。 来源Advanced Science Fig. 7C。让下一次实验有更具体的问题从“样本有病”到“哪些细胞相关”再到“哪些基因值得验证”scTransMIL提供了一条逐层追问的路径。OGT案例则展示了计算线索如何与组织、细胞和动物实验接上。细胞高分不等于它就是癌细胞候选基因也不等于已经确认的靶点。真正令人期待的是面对越来越庞大的细胞数据研究者能更有依据地决定下一次实验该追哪条线索。参考[1] scTransMIL bridges patient-level disease states and single-cell transcriptomics for cancer screening and heterogeneity inference. Nat Commun (2026). https://doi.org/10.1038/s41467-026-77538-5[2] Multi-Technique Integration Identifies O-GlcNAc Transferase in Fibroblast-Like Synoviocytes as a Therapeutic Target for Rheumatoid Arthritis. Advanced Science (2026). https://doi.org/10.1002/advs.77466