空间转录组切细胞不再靠单一分数：11种方法跨5平台，SAM总分最高、SCS覆盖校正后居首
核心概要
空间转录组的细胞分割长期缺少跨平台、带生物学指标的系统比较。一项基准在5种技术、15个数据集、约230万个细胞上评测11种图像、转录组和多模态分割方法，并引入覆盖分割质量、转录本回收、形态、表达纯度与空间组织的指标。按15项指标平均的总分，SAM最高（0.58），其后为SAM2（0.53）、BIDCell（0.52）和SCS（0.48）；按分割细胞数与参考细胞数之比校正后，SCS升至首位（0.34），BIDCell与Baysor同为0.33。
深度剖析
细胞分割是空间转录组流程里最缺标准的一步，分割边界决定每个像素和每条转录本归到哪个细胞，错误会传到细胞分型、空间模式与配体—受体推断。 此前的分割评测主要只用图像数据，缺少结合测序类空间方法所产生转录组信息的评估，也缺少有生物学含义的指标。 这次评测覆盖5种空间转录组技术产生的15个数据集、12种人和小鼠组织类型、约230万个细胞，单个数据集规模从约700个细胞到接近80万个细胞。
不同方法在不同数据集和指标上各有强弱，没有一个方法在所有维度上领先。 按15项指标平均的总分，SAM为0.58，SAM2为0.53，BIDCell为0.52，SCS为0.48，Baysor与mSAM同为0.45，Cellpose为0.42，CelloType为0.37，Watershed为0.27。 SAM的转录本数与基因数得分较高（每细胞转录本0.71、每细胞基因0.73），但分割完整度得分只有0.28；BIDCell分割完整度为0.62，表达谱与参考的一致性为0.89。
把分割产出与覆盖度一起看会改变排序，说明单看质量分数会偏向只分割出少量细胞的方法。 按分割细胞数与参考细胞数之比校正总分后，SCS以0.34居首，BIDCell与Baysor同为0.33；BIDCell和Baysor分别在6个和5个数据集上取得最佳。 15项指标被归并为8个生物学类别，其中表达纯度与其他类别在各数据集上均不相关，说明它提供了其他指标没有的信息。
分割选择会改变下游生物学结论，平台差异同样如此。 在三套小鼠脑数据上，MERFISH出现更高的背景与非特异污染，STARmap PLUS与Stereo-seq的表达更具细胞类型特异性；在部分条件下，负标记表达对应的污染影响可达约10%至15%的细胞。 配体—受体分析中，STARmap PLUS与Stereo-seq把Pdgfc–Pdgfra、Prok2–Prokr2和Vip–Vipr2放在预期细胞上，MERFISH则把这些互作分散到错误的细胞群体。
启示与展望
评测范围是5种空间转录组技术产生的15个公开数据集，覆盖12种人和小鼠组织类型与约230万个细胞，并附一套基于Nextflow的开源流程用于运行和评估分割方法。
评测未穷尽所有空间转录组技术和每种方法的全部参数设置；平台设计、图像质量、基因面板与组织组成的差异使算法性能与技术效应难以完全分开；基因集敏感性分析只在单个数据集上进行，属于初步评估。