本文由Changde Cheng（圣裘德儿童研究医院计算生物学系）、Wenan Chen和Hongjian Jin（圣裘德儿童研究医院应用生物信息学中心）及Xiang Chen（通讯作者）共同完成，于2023年7月30日发表在期刊Cells上，题为《A Review of Single-cell RNA-seq Annotation, Integration, and Cell–Cell Communication》。文章以开放获取形式发布，遵循知识共享许可协议（CC BY 4.0）。
单细胞RNA测序（scRNA-seq）技术通过解析单个细胞的转录组，为研究细胞异质性、稀有的细胞类型以及细胞间通讯提供了前所未有的分辨率。然而，scRNA-seq数据分析面临诸多挑战，包括数据稀疏性、批次效应、注释可靠性以及多模态数据整合等问题。本文旨在系统综述当前scRNA-seq分析领域的关键方法，重点关注计数建模（count modeling）、细胞类型注释（cell-type annotation）、数据整合（data integration）和细胞间通讯推断（cell–cell communication inference）三大核心议题，并讨论未来发展方向。
scRNA-seq数据的统计建模需根据测序平台差异选择不同模型。UMI（unique molecular identifier）计数技术避免了PCR扩增引入的偏差，可直接用负二项分布（negative binomial, NB）或泊松-对数正态混合模型建模，而传统非UMI数据需考虑零膨胀模型（zero-inflated models）。空间转录组数据的建模与UMI计数类似，但需处理单点（spot）内多细胞混合的复杂性。文章列举了多种整合模型（如cell2location、GIMVI）及其在空间转录组数据中的应用，强调不同技术的建模需匹配其生物学特性（如分辨率、扩增噪声）。
细胞注释方法分为无监督（unsupervised）和有监督（supervised）两类：
- 无监督方法依赖已知标记基因数据库（如PanglaoDB、CellMarker），通过差异表达分析或富集评分（如AUCell、UCell）对聚类结果进行手动或自动化注释。此类方法的局限性在于标记基因的跨平台不一致性、冗余性以及缺乏细胞类型的层次结构信息。
- 有监督方法利用已标注数据集训练分类器（如随机森林、神经网络），工具包括SingleR、CellAssign、scBERT（基于自然语言处理模型BERT改造）。这类方法在跨数据集应用时需解决批次效应，且可能忽略新细胞类型的发现。文章特别推荐多分辨率注释框架（如scMRMA、scClassify），通过结合细胞类型的层级关系提高分类准确性。
数据整合分为三类：
- 映射（mapping）：通过降维（如PCA、CCA）或概率模型（如scVI、Harmony）消除批次效应，实现跨数据集比较。
- 反卷积（deconvolution）：基于线性组合模型（如cell2location、SPOTlight）解析空间转录组中混合 spot 的细胞类型组成。
- 多模态融合（multimodality fusion）：整合 scRNA-seq 与其他组学数据（如 scATAC-seq、蛋白质组），MOFA+ 和 TotalVI 通过低维表征关联不同模态。
文章指出，整合需假设数据集间存在生物学对应关系，而批次效应与真实生物变异分离是核心挑战。
细胞间通讯研究聚焦于配体-受体（ligand-receptor, LR）互作，通过表达乘积模型（如CellPhoneDB、CellChat）或网络分析（如NicheNet）推断信号通路。空间转录组（如Giotto、SpaTalk）可进一步约束 LR 互作的空间邻近性。文章强调，尽管转录本丰度不等同于蛋白质活性，但 LR 共表达模式仍可为机制研究提供线索。新兴方法（如scSeqComm）通过概率模型量化信号传递的可信度，而张量分解（tensor-cell2cell）能捕捉上下文依赖的通讯模式。
本文的价值在于：
1. 方法论的系统梳理：为scRNA-seq分析中的关键步骤（注释、整合、通讯）提供工具选型指南，并比较了各类算法的优缺点（如scVI和Seurat在批次矫正中的表现）。
2. 技术挑战的批判性分析：指出当前标记基因数据库的局限性、批次效应的理论假设缺陷，以及跨模态整合中“表达滞后”等问题。
3. 未来方向：呼吁开发层次化注释工具、多模态对齐算法，以及结合实验验证的LR互作模型。
这篇综述不仅是技术方法的百科全书，更为领域内未解难题（如细胞类型定义的模糊性、跨物种整合的可行性）提供了研究框架。