细胞类型不再先标注：NetMap从混合单细胞数据里同时读出调控网络与细胞身份
核心概要
单细胞调控网络推断不再需要先给细胞分型。此前流程先聚类、再用标记基因标注细胞类型，然后逐群推断网络，聚类和标注的误差会传进网络。NetMap在聚类之前就为每个细胞推断基因调控网络，再用GradientShap把网络边归因到输入基因，在PBMC多组学数据的三个评估案例上聚类分数分别为1.0、0.99和0.99。
深度剖析
细胞类型划分和基因调控网络推断被放到同一步完成，网络在单个细胞层面给出，而不是每个细胞群一张网络。 此前的做法是先对高变基因聚类、用标记基因确定细胞类型，再在每个同质细胞群上单独跑一次网络推断，因此每个群只得到一张网络，细胞层面的调控活动变化被抹平。 在scMultiSim生成的合成数据上，每个模拟群被赋予各自的特征网络，NetMap在命中边召回上高于概念最接近的scGeneRAI和用真实标签简化输入的GRNBoost2，同时把非命中边压到接近随机水平。
网络由浅层瓶颈自编码器重建表达计数，再用可解释性方法把每个目标基因回溯到输入基因。 自编码器按负二项或零膨胀负二项分布拟合原始计数，以容纳单细胞数据常见的过离散和过多零值；多个模型集成后取平均，得到稳健的细胞级网络。 在10X Genomics的PBMC多组学数据上，NetMap只输入未聚类的混合表达数据，三个评估案例的聚类分数分别为1.0、0.99和0.99；对照ChIP-seq结合证据，中位AUC为0.65，高于同样使用预聚类输入的GRNBoost2和scPRINT，而使用染色质可及性和调控先验的LINGER取得最高的中位AUC 0.71。
网络结构本身可以反过来给细胞打标签，用个性化PageRank在细胞级图上传播标记基因。 常规做法把网络建好后很快退回基因集分析，不再使用网络结构；这里直接把网络结构用于PageRank，得到每个细胞对各细胞类型的概率式归属。 在四个PBMC技术重复上，NetMap把超过95%的细胞映射到与基因表达聚类相同的类别，重复运行和跨技术平台的结果一致；在小鼠CD8+ T细胞的naïve、活化24小时、耗竭72小时和96小时四个阶段上，聚类匹配到95%的细胞，多数错配发生在两个相邻的耗竭状态之间。
启示与展望
已展示的范围包括：scMultiSim生成的二群和三群合成数据、10X Genomics的PBMC多组学数据，以及小鼠P14 CD8+ T细胞在naïve、活化24小时、耗竭72小时和96小时四个阶段的单细胞数据。适用读者是已经熟悉scverse生态、希望在不预先标注细胞类型的情况下获得细胞级调控网络的分析人员。方法以Python包形式发布，并与scverse兼容。
可解释性方法假设变量相互独立，而基因表达特征高度相关，归因会被相关变量分摊，信号锐度下降，真实数据上的精度整体偏低。PageRank归属对标记基因集大小敏感，大小差异过大会稀释概率，作者建议各集合规模相近，并提醒含义模糊的标记基因会稀释标签。文献来源的细胞类型定义本身不一致，同一基因可能出现在多个细胞类型的标记集中，这会给新生调控子的重叠评估带来离群值。