单细胞时间序列不再只给黑箱嵌入：scCont用近邻配对加Shapley归因，把上皮-间质转化拆成可读基因模块

时间序列单细胞RNA测序能记录细胞在数天内如何改变身份，但这类转变是连续且非线性的，现有分析要么用线性分解把细胞切成离散亚群，要么用神经网络得到难以读出基因含义的嵌入。scCont把这两件事放在同一条流程里：既保留转变的连续拓扑，又把每个潜在维度翻译成一组有统计依据的基因。 此前的可解释路线以非负矩阵分解和线性解码变分自编码器LDVAE为代表，前者擅长分出细胞类型却难以刻画高度可塑的过渡态，后者把解码器限制为线性映射以换取基因载荷的可读性。对比学习在单细胞分析中多沿用随机基因丢弃、高斯噪声等数据增强来构造正样本对，并未针对时间序列的状态转变做优化。 在SERGIO模拟的双分支数据集上，k=10时scCont每个潜在维度归因最高的100个基因中背景基因占7.0%，相对73.3%的随机水平约低十倍；同一设置下，多层感知机探针从嵌入预测真实伪时间的交叉验证R²为0.84，而对同一矩阵做32维PCA时为0.60。程序基因恢复的AUPRC为0.26，作者报告LDVAE在该模拟集上略优但两者可比，且这一结果随模拟条件变化。

做法上，scCont先在标准化表达空间用k近邻图找出彼此邻近的细胞作为正样本对，让对比学习把拓扑上相邻的细胞在低维空间里拉近，从而在不使用时间标签的情况下保留转变的连续性。训练完成后，它把潜在单元激活投影回基因表达的PCA空间做空间聚类，把共享时空模式的单元归并为模块转变单元，再用Shapley归因给每个基因打分，找出驱动每个潜在维度的基因。 归因采用SHAP中的DeepSHAP解释器，以100个细胞为参考分布计算每个基因的平均绝对Shapley值，按z > 2.57、p < 0.01的阈值筛出显著贡献基因，再用g:Profiler做GO生物学过程富集，校正后p < 0.05。编码器是四层多层感知机，把3000个输入基因映射到32维潜在空间，投影器为两层结构输出16维用于InfoNCE损失，温度取0.20。 在上皮-间质转化数据上，作者用MCF10A细胞系经TGFB1处理、连续8天每日测序的数据把k从3扫到10，依据潜在协方差的参与比、潜在特征间GO术语的平均Jaccard重叠和同一时间点正样本对比例选定k=3，并用于全部上皮-间质转化分析。空间聚类在该数据集中分出三个模块，分别富集于黏附连接与细胞运动、组织发育等背景过程、以及代谢与激素响应。

已展示的范围是4个SERGIO模拟数据集，以及MCF10A经TGFB1处理和Cook等人提供的12个上皮-间质转化时间序列数据集，覆盖A549、MCF7、DU145、OVCA420四种细胞系与EGF、TGFB1、TNF三种诱导剂；跨数据集模块对齐的下游分析集中在A549。作者提出可把Monocle3一类轨迹推断方法接到scCont的模块化潜在空间上，作为后续方向。

作者指出方法的成功依赖初始k近邻图能准确反映真实生物学进程；与PCA、NMF相比，scCont在GPU上表现更好，随数据规模扩展效率较低；SHAP的计算开销随细胞数线性增长，在 atlas 规模数据上构成瓶颈。模拟数据中LDVAE在程序恢复上略优于scCont，且该结果随模拟条件变化。