单细胞数据里被丢掉的RNA末端信息：scPolyA把多聚腺苷化位点变成可比较的细胞与组织测量
核心概要
常规单细胞与空间转录组的3′端测序本为计数基因表达而做，其中少量带多聚腺苷酸尾的读段其实标出了RNA末端位置。scPolyA把这类读段用于从头发现多聚腺苷化位点，再用总读段覆盖度划定计数区间，输出逐细胞或逐空间位点的末端使用率、3′UTR长度与内含子多聚腺苷化指标。在八个单细胞数据集上，其位点与PolyA_DB 3参考图谱的中位一致率为63.3%，高于polyApipe、scAPAtrap、Sierra和SCAPE，与采用DeepPASS序列过滤的SCAPTURE相近。
深度剖析
常规3′端单细胞与空间转录组数据可以不再只当作基因丰度测量，而被转换成逐细胞、逐空间位点的RNA末端选择图谱。 此前这类数据主要按基因丰度分析，多聚腺苷化研究依赖参考图谱或专门的位点识别流程，位点边界与分子计数区间往往分开处理。 在覆盖四种建库方案、两个物种、六个组织的八个单细胞数据集上，scPolyA位点与PolyA_DB 3的中位一致率为63.3%，polyApipe为23.9%、scAPAtrap为26.6%、Sierra为32.4%、SCAPE为35.0%，采用DeepPASS过滤的SCAPTURE为59.4%。
位点发现与分子计数被接到同一条链上：多聚腺苷酸尾读段确定候选末端，总读段覆盖度决定每个末端可被计数的区间宽度。 固定上游窗口的做法（如polyApipe默认250 nt）与基于覆盖度堆积的候选区域，会把不同的唯一分子标识符分配给同一个末端。 在八个空间切片上，scPolyA位点与PolyA_DB 3的中位一致率为89.9%，polyApipe为71.3%、Sierra为55.6%、scAPAtrap为36.5%；在Slide-seqV2切片中可识别的尾读段仅占约0.03%的比对，scPolyA仍识别出1,853个位点，polyApipe为1,217个。
配套的深度学习模块DeepCPS在尾读段支持稀疏时补充判断：一个模型评估候选位点接近参考图谱的程度，另一个模型从序列预测切割核苷酸位置。 仅按尾读段计数排序时，支持读段少的真实位点容易被阈值排除，而放宽阈值又会引入大量下游富A的疑似内部引物位点。 在留出染色体上，DeepCPS的位点评分AUROC为0.940（95%自助区间0.937–0.942），DeepPASS为0.909、DeepPASTA为0.832；在4,115个至少有十条尾读段的参考位点上，DeepCPS精确命中观测读段末端众数的比例为62.1%，APARENT为21.5%。
启示与展望
演示范围限于带条形码和唯一分子标识符的3′端单细胞与空间转录组比对，主基准使用关闭DeepCPS过滤的读段驱动发现模式；皮肤鳞癌分析使用十位患者的47,061个细胞与六位患者的空间切片，空间区域按表达标记打分划为富集区域而非纯化细胞类型。
参考图谱一致性只反映与既有注释的吻合，未匹配的候选不必然缺乏支持；使用率测量的精度主要取决于观测到的分子数，放宽尾读段阈值会大幅扩充位点目录，而通过末端唯一分子标识符深度筛选的基因增幅小得多。组织层面的3′UTR长度差异随参考细胞群体改变，单细胞与空间两种模态的基因水平一致性仅为中等。