CanCellCap：基于多域学习的跨组织单细胞转录组癌症细胞精准识别新方法

研究人员针对单细胞RNA测序(scRNA-seq)数据中肿瘤异质性导致的癌症细胞识别难题，开发了多域学习框架CanCellCap。该模型整合域对抗学习(Domain adversarial learning)和专家混合系统(MoE)，在13种组织类型、23种癌症类型和7种测序平台数据中实现平均0.977的识别准确率，显著优于5种现有方法。其突破性在于首次实现跨物种、跨平台和未知癌症类型的稳健识别，为肿瘤微环境研究和临床诊断提供新工具。

　　

在肿瘤研究领域，单细胞RNA测序(scRNA-seq)技术虽能揭示细胞层面的转录组异质性，但如何准确区分恶性细胞仍是重大挑战。传统方法如InferCNV依赖拷贝数变异(CNVs)分析，易受正常细胞基因组变异的干扰；而机器学习模型如ikarus又面临组织特异性表达模式带来的泛化瓶颈。更棘手的是，不同测序平台导致的基因漏检(dropout)现象进一步增加了识别难度。

厦门大学自动化系、国家健康医疗大数据研究院的Jiaxing Bai团队在《BMC Biology》发表的研究，提出了革命性的多域学习框架CanCellCap。该工作通过创新性地整合三大技术模块：1)模拟不同测序平台dropout的特征掩膜-重建策略；2)提取组织共性特征的域对抗学习模块；3)捕捉组织特异性表达的专家混合系统(MoE)，首次实现了跨组织、跨平台甚至跨物种的癌症细胞精准识别。

关键技术包括：1)基于TISCH数据库收集328,230个细胞的13种组织scRNA-seq数据；2)通过随机掩膜模拟不同测序平台dropout效应；3)采用梯度反转层(GRL)实现组织无关特征提取；4)构建含组织特异性专家的MoE模块；5)在33个测试数据集(834,788细胞)和空间转录组数据中进行系统验证。

模型性能验证
在包含15种组织类型的测试集上，CanCellCap的AUROC达0.9722，显著优于第二名Cancer-Finder(0.8676)。特别在罕见癌症如颅咽管瘤(ACP)中仍保持0.9402准确率，证实其临床适用性。

跨平台泛化能力
对未参与训练的C1 Fluidigm等平台数据，识别准确率稳定在0.9121-0.956，而传统方法如CopyKAT在10X Genomics平台性能下降达15%。

生物学意义发现
通过SHAP分析鉴定的关键基因如IFI27和CXCR4与已知癌症标志物高度吻合，KEGG通路分析显示"癌症通路"和"MAPK信号通路"显著富集，为肿瘤机制研究提供新线索。

这项研究的突破性在于：1)首次实现跨组织/跨物种的端到端癌症细胞识别；2)通过特征解耦技术克服测序平台差异；3)在空间转录组中准确绘制肿瘤区域(准确率0.7989)。其开源代码和预训练模型将推动个性化医疗发展，而鉴定的SPINT2等新型标志物为靶向治疗研发指明方向。未来通过扩展跨物种训练数据，有望进一步突破现有生物医学研究的物种壁垒。