空间结构不该被方法假设丢掉：从液滴微流控到持续同调的三个最新证据
液滴微流控的流程为单球形细胞设计，丝状真菌装进去液滴就不稳、分选完细胞就死（PMID: 42773672）。空间多组学的早融合把测到的蛋白质折进嵌入，再去预测蛋白质就是作弊（PMID: 42788664）。ABM 参数推断靠均值方差描述细胞空间排布，两个机制不同的模型在这个摘要下长得一模一样（PMID: 42789676）。
三篇文章批评的是同一类设计错误：方法在出发点上预设了一种太简单的结构，把不符合预设的信息提前丢掉，然后为此付出代价。
MultiSpaceNet 的有类型边图与注意力晚融合
现有空间多组学整合方法的困境来自一个结构性矛盾。各模态单独建图，跨模态任务就被切断；早期融合把测到的蛋白质折叠进嵌入，事后预测蛋白质等于已知答案的重复；交集规则删掉大多数相似性边，等于在信息进入模型前就放弃了大半（PMID: 42788664）。
MultiSpaceNet 的解法是把同一张切片的细胞放在同一个共享节点集的图里，空间邻接、转录组相似性、蛋白质组相似性分别作为不同类型的边存在，两个模态分支独立运行，只在每个细胞的注意力层上汇合（PMID: 42788664）。两个分支不提前合并，RNA 到蛋白质的预测才做到真正的无泄漏（leakage-free）验证——信号强度有意义的蛋白质预测效果与现有专门方法持平或更优（PMID: 42788664）。
在五个基准数据集上，空间域识别的平均调整兰德指数（adjusted Rand index）达到 0.472，超过九种已发表方法（PMID: 42788664）。一个训练好的模型同时给出空间域划分、蛋白质预测、跨切片联合嵌入、每个细胞的模态主导权图，以前这四件事需要不同工具分别来做。
五个基准数据集的组织类型、平台和疾病背景材料里没有说明，ARI 的均值背后到底有多少异质性不清楚。复杂样本——比如肿瘤微环境里大量稀有细胞类型的情形——能不能维持性能，目前没有答案。
持续同调替代均值方差喂给贝叶斯计算：TOPAZ 的设计逻辑
从时序细胞成像反推驱动规则，难在区分度。你有一段成纤维细胞集体迁移的时序图像，想判断细胞之间是否存在对齐互动，靠均值、方差几乎做不到——两个机制不同的 ABM 可以产生肉眼看差不多的轨迹。它们的差别藏在空间拓扑里：是否存在持续的连通簇，环路的尺度分布是什么样（PMID: 42789676）。
持续同调（persistent homology）追踪点云里连通分量和环路随尺度变化的出生与消亡，产出的持久图对局部噪声稳健、对全局空间模式敏感。TOPAZ 用这个描述子替换传统摘要统计量，接近似贝叶斯计算（ABC）和近似近似贝叶斯计算（AABC）做参数推断，最终用贝叶斯信息准则（Bayesian information criterion）在模型间做选择（PMID: 42789676）。
成纤维细胞模拟实验里，TOPAZ 能准确恢复 ABM 参数，也能把基础 ABM 和包含对齐互动的扩展 ABM 区分开（PMID: 42789676）。
这里需要指出：验证全部基于模拟数据，规则是人为设定的。真实细胞图像的空间模式能不能被同样的持续同调特征捕捉到，还需要真实实验数据来验证。这不是小问题——模拟里的成纤维细胞按已知规则运动，真实细胞的异质性要复杂得多。代码已开源，管道框架可扩展，是现阶段最直接的实用价值。
Acremonium chrysogenum 与两株放线菌的液滴分选流程优化
丝状真菌 Acremonium chrysogenum 和两株放线菌 Streptomyces lividans、Saccharopolyspora erythraea 进液滴，遇到的是同一类结构问题的实验版本。这类微生物生长缓慢、形态分化复杂，标准液滴流程是为单个球形细胞优化的，套上来遇到两个瓶颈：液滴稳定性和分选后存活率（PMID: 42773672）。
实验优化了孢子悬液制备方案和液滴孵育时间，并比较了三种分选后处理方案——不处理、去乳化（demulsification）、去乳化加振荡培养。主要结论：放线菌产生的液滴比丝状真菌显著更稳定；降低分选电压能明显改善存活率；去乳化处理有效提升了存活率（PMID: 42773672）。不同物种的最优分选窗口由各自的生长速率和形态特征决定，也就是说参数不通用，新菌株进来需要重新标定。
只做了三个菌株，覆盖面有限。但能把流程从“几乎跑不通”推到“可以实际用于高通量筛选”，对菌株工程领域有直接的方法论参考价值。
三篇的分工与共同落点
MultiSpaceNet 和 TOPAZ 产出了可量化的基准数字，可以和已有方法做直接比较；液滴微流控那篇产出的是一套优化流程，跨域比较没有统一指标。机制层面也有分歧：TOPAZ 的目标是“规则是什么”，MultiSpaceNet 的目标是“表示是什么”，是两个不同的问题，互不替代。
三篇的共同落点是：生物系统的结构复杂性不是方法设计里要绕开的障碍，而是必须直接编码进去的输入。 结构信息在方法里消失的那一刻，后续能做的事就被提前锁死了。这在计算端表现为 ARI 的差距和区分度的丧失，在实验端表现为液滴破乳和细胞死亡。问题的形式不同，根因是一样的。
- [Stability and viability optimization for filamentous microorganisms in droplet-based microfluidic screening].，Sheng wu gong cheng xue bao = Chinese journal of biotechnology（PMID: 42773672）
- MultiSpaceNet: Graph-based Joint Representation Learning for Paired Spatial Transcriptome-Proteome Data.，Bioinformatics (Oxford, England)（PMID: 42788664）
- Topologically-based parameter inference for agent-based model selection from spatiotemporal cellular data.，PLoS computational biology（PMID: 42789676）