细胞丰度变化会伪装成通讯上调，单细胞差异分析绕不开这层混淆
单细胞通讯分析里有一个不太显眼的坑。当比较两组样本时，如果疾病组某类细胞的比例升高了，涉及这类细胞的配体-受体互作分数几乎必然跟着升高，哪怕每个细胞的表达量一点没变。这不是信号增强，是组成混淆（compositional confounding）。把这两件事分开，是差异通讯分析得出可信结论的前提。
通讯信号的三个独立分量
Community 是专为多样本病例-对照 scRNAseq 数据集设计的差异通讯分析 R 包（PMID: 42699773）。它把一条通讯链路显式分解为三个独立分量：细胞类型丰度（abundance）、参与信号传导的细胞活跃分数（active fraction），以及配体-受体表达水平。三者各自独立评估，通讯模式可以被归类为上调、下调、不变，或“补偿性”（compensated，指某个分量下降而另一个上升、整体效果相互抵消）。
作者把这套框架用在三个疾病场景上：溃疡性结肠炎、接受免疫检查点抑制剂治疗的黑色素瘤，以及急性髓系白血病（AML）。溃疡性结肠炎中通讯整体增加，黑色素瘤应答者中免疫抑制信号减弱，AML 中免疫通讯整体下降（PMID: 42699773）。与现有工具相比，Community 对离群样本驱动的噪声更稳健、扩展性更好。三个场景用的是已发表的公开数据集，各自样本量有限，这套分解方法在其他组织系统上的表现还需要独立验证。
植物单细胞标记的置信度分层
同样的混淆，在跨数据集整合时以另一种形式出现。一个基因在特定实验背景下是好标记，换一批参照细胞，特异性就可能消失。
iPscDB 整合了来自 38 个植物物种、946 个实验的 4,688,428 个细胞，以及 288,139 个经人工整理的细胞标记（PMID: 42755294）。在这个规模下，标记可信度的差异是必然存在的。平台引入了“标记置信度分级”（Marker Confidence Level）体系，按证据强度和独立性给每个标记评级，从人工整理的经典标记到数据库来源的关联，分级明确。原始数据可及的数据集经统一流水线重处理，整合质量和自动化细胞类型注释都做了定量评估。
没有原始数据的实验集只能沿用原始注释，这是任何大型整合数据库都面临的上限，iPscDB 也不例外（PMID: 42755294）。分级体系至少让用户知道一个标记的证据来自哪里，而不是拿到一张列表然后不知道哪条更可信。
iGCB 的体外诱导与前体限制
如果组成混淆来自组织背景，最彻底的解法是把细胞从组织里拿出来。
生发中心 B 细胞（germinal center B cells，GCB）是抗体亲和力成熟和体细胞高频突变（somatic hypermutation，SHM）的核心场所，但它们定位于淋巴组织，一直很难在人体材料上做实验操作。Priest 等人描述了一种体外诱导体系，通过模拟 T 细胞来源的信号，把人类初始 B 细胞转化为 BCL6 阳性的诱导 GCB 样细胞（iGCB）（PMID: 42758797）。验证依靠单细胞蛋白质组和转录组的并排比较，iGCB 细胞在表面标记、转录因子、DNA 修复和糖基化特征上与人扁桃体 GCB 细胞吻合，且存在激活诱导胞苷脱氨酶（AID）依赖的 SHM。
iGCB 细胞可以从初始 B 细胞和未类别转换的记忆 B 细胞及循环边缘区 B 细胞生成，但不能从类别转换的记忆 B 细胞生成（PMID: 42758797）。这个前体限制本身就是一条关于 GCB 诱导条件的具体线索。体外体系成立的前提是 iGCB 与体内 GCB 足够相似，单细胞多组学的并排分析提供了这一证据，但两者在更复杂功能实验中的等价性还需要逐步建立。
三篇工作横跨人类淋巴组织、植物基因组、炎症和肿瘤免疫，研究对象相距很远，但碰到的是同一类问题：把叠加在一起的信号层拆开。这不是技巧，是让结论成立的前提。
- Community: Component based differential cell communication analysis in large multi-sample case-control scRNAseq datasets.，iScience（PMID: 42699773）
- iPscDB: a comprehensive platform for plant single-cell transcriptomic data integration and analysis.，Nucleic acids research（PMID: 42755294）
- In vitro induction of human germinal center B cells.，Science immunology（PMID: 42758797）