单细胞甲基化分析工具SMORE用贝叶斯框架自动推断细胞群数量

2026-10-26·碱基·生信方法

单细胞DNA甲基化测序数据同时面对高度异质性、超高维度和极度稀疏三个麻烦。极度稀疏这一条格外棘手，每个CpG位点在单个细胞里只有0或1两种读数，实际覆盖率通常很低，信号容易被淹没。现有方法还普遍要求用户事先指定细胞群数量，而在甲基化数据里这个先验往往不存在。

SMORE（Single-cell MethylOme Reduction and Embedding）把这几个问题放在一个贝叶斯框架里统一处理（PMID: 42779705）。

低秩高斯因子分解与自适应群体发现

SMORE先把甲基化比例转成有序甲基化状态（ordered methylation states），让极度稀疏的输入变成适合结构化建模的形式，再用低秩潜在高斯因子分解（low-rank latent Gaussian factorization）学习细胞的低维坐标。细胞群数量的确定交给混合有限混合先验（mixture-of-finite-mixtures，MFM），推断时自动收敛到应保留的群体数，不需要用户指定。不确定性从甲基化测量一路传播到细胞归属，输出的不只是硬标签。

模拟与真实数据验证

模拟实验覆盖了样本量大小、类群比例均衡与否、信号强弱和模型设定偏差（model misspecification），SMORE恢复潜在群体结构的准确性在这些条件下优于已有方法（PMID: 42779705），但摘要里没有量化差距的具体数字。三个真实人类数据集来自肺、外周血和初级运动皮层，SMORE在三者上都给出了有生物学支撑的群体结构（PMID: 42779705），跨不同组织系统都能跑通，说明方法对特定数据类型的依赖不算强。

这篇目前是bioRxiv预印本，没有经过同行评审。对考虑将其整合进分析流程的读者，建议等正式发表后再决定，或先在有金标准标注的数据集上跑一遍对照。

STEAP2作为铁代谢恶性上皮状态的候选标志物

另一篇来自Cancers，对STEAP2在肺腺癌（LUAD）中的角色做了系统整合分析，整合了TCGA-LUAD的bulk表达、亚型、拷贝数和生存数据，加上两个单细胞数据集（GSE131907、GSE148071）（PMID: 42795018）。它想搞清楚的是，STEAP2高表达代表的到底是一种独立的恶性上皮状态，还是7号染色体q臂拷贝数变异（CNA）的被动跟随者。

亚型富集方面，STEAP2高表达肿瘤中Squamoid亚型占59.6%，低表达组为23.3%，OR 4.69（95% CI：2.06–10.69）。铁代谢处理是两个单细胞队列里最可重复的差异特征，GSE131907配对分数差为0.779（95% CI：0.605–0.952），GSE148071为0.340（95% CI：0.304–0.377）；把STEAP2本身从铁代谢评分中移除，方向不变，排除了自我拉抬的可能（PMID: 42795018）。

在7q染色体窗口的106个候选基因里，STEAP2排在前十分位（rank fraction 0.099），用7q拷贝数代理变量和经典Squamoid标志物校正后，状态关联仍然保留，说明它不只是染色体片段扩增的替代品。

校正分期之后，生存关联消失，HR 1.17，p=0.359（PMID: 42795018）。预后相关性由肿瘤分期分布不均驱动，不是铁代谢状态本身的独立效应。文章的结论因此很克制，支持STEAP2用于状态识别，不支持预后应用、靶向治疗或因果驱动基因的声明。

这是从多数据集整合分析做出来的结论，没有实验扰动，铁代谢状态与STEAP2表达之间没有直接的因果证据。对做类似多组学整合分析的读者，这篇处理“候选基因是独立标志物还是染色体区段搭便车者”这一问题的分析框架值得参考，具体包括7q基因基准对照、CNA代理变量校正，以及对连续表达和截断表达的灵敏度分析。

还有一篇（PMID: 42768301）把FDA批准的循环肿瘤细胞检测系统CELLSEARCH改造用于FFPE淋巴结切片，在头颈鳞癌的100个淋巴结样本（50个转移阳性、50个阴性）中实现了100%的灵敏度和特异性（阈值>12个细胞），下游做低深度全基因组测序，产出50份CNA图谱，单细胞WGA成功率27%、pooled分组>75%。与生信方法的交集主要是单细胞全基因组扩增和低覆盖度拷贝数分析，偏临床转化方向，有需要的读者可直接看原文。

单细胞甲基化组学贝叶斯聚类SMORE肺腺癌STEAP2