细胞解卷积十种算法评测：参考集错配让最好的方法r值跌到0.17
参考集的选择比算法本身更重要，但在多数论文的方法部分，这句话只占一行。
批量RNA测序（bulk RNA-seq）样本量大、成本低，代价是把组织里所有细胞的信号混在一起。细胞解卷积（cellular deconvolution）是一条出路——用单细胞RNA测序（scRNA-seq）的参考数据反推各细胞类型在 bulk 样本里的比例，绕开物理分选。这个方向近年方法涌现，系统横向比较一直不够。
MuSiC、DWLS 和 BayesPrism 在基准条件下领跑
Malik 等人对十种主流的基于参考集的解卷积算法做了系统评测，包括 MuSiC、DWLS、BayesPrism、CIBERSORTx、SCDC、BisqueRNA、DISSECT、TAPE、Scaden 和 scpDeconv，用两个独立数据集跑了六组实验（PMID: 42762696）。选这十个的理由是架构多样且使用普遍，传统统计模型和深度学习方法都有代表。
基准条件下，MuSiC、DWLS 和 BayesPrism 表现最强，每样本均值 Pearson 相关系数 r 大于 0.95、Lin 一致性相关系数（CCC）大于 0.95（PMID: 42762696）。深度学习方法整体变异更大。
这三组数字看起来很漂亮。问题在“基准条件”这四个字里。
参考集限定为单一发育阶段后 r 最低跌至 0.17
真实分析中，参考 scRNA-seq 数据和待分析的 bulk 样本往往来自不同实验室、不同发育阶段或不同疾病状态。Malik 等人专门模拟了这种错配：把参考集限定为单一发育阶段，看各算法性能怎么变。
各方法均值 Pearson r 落在 0.17 到 0.58 之间（PMID: 42762696）。
基准 r > 0.95，参考集错配后最低跌到 0.17。不是渐变，是断崖。
BayesPrism 在参考集错配实验里平均鲁棒性最高；测序深度那组实验里，SCDC 和 DWLS 在四个深度水平上最稳定（PMID: 42762696）。没有哪个算法在全部六组实验里都排第一。
这意味着方法部分写“我们使用 MuSiC 进行解卷积”本身信息量不足。参考集来自哪个组织、哪个发育阶段，与样本的生物学距离有多远，才是决定结果可不可信的那几行字。
这份评测的代码已公开在 GitHub 上，做到了基本可复现。但两个数据集覆盖的生物学范围有限，结论能否推到更复杂的组织类型或疾病状态，还需要更多验证。
TopClust 用拓扑数据分析绕开参数主观性
从 bulk 解卷积往上走一层，scRNA-seq 数据本身的聚类分析面临一个结构性问题：大多数方法需要用户手动指定参数，不同参数导致不一致的细胞类型划分，可重复性差（PMID: 41981916）。
Hu 等人提出的 TopClust 用高维密度图替代主观的参数选择。具体做法：先用共享最近邻模型（shared nearest neighbor model）构建高维密度图，再用拓扑数据分析（topological data analysis）在图上找局部极大值。每个极大值是一个簇的顶峰细胞（summit cell），顶峰附近密度较高的核心细胞群是峰值细胞（peak cells）（PMID: 41981916）。聚类的数量和边界由拓扑特征决定，不需要调参。
在肺癌细胞系和荧光激活细胞分选（fluorescence-activated cell sorting，FACS）分选的免疫细胞两个基准数据集上，TopClust 的结果与已知细胞类型吻合良好（PMID: 41981916）。单独分析峰值细胞，可以减少刻画每个簇的转录变异，改善细胞类型注释的准确度。
方法还提供了一个差异分析工具：计算顶峰细胞对之间的方向向量，把基因投影到这个向量上，识别最能区分两类细胞的基因，作为传统差异表达分析（differential expression analysis）的补充（PMID: 41981916）。
验证目前只在两个相对简单的细胞体系上做过。在细胞类型高度复杂的组织或罕见细胞比例极低的情况下是否同样可靠，还需要更多数据支持。
胞内凝胶化在单细胞层面的均一性挑战
同期一篇综述从湿实验方向切入细胞状态调控。Chen 等人梳理了胞内凝胶化（intracellular gelation）技术——在细胞质内原位构建三维聚合物网络，形成“人工细胞骨架（artificial cytoskeleton）”，直接调控细胞内的物理化学微环境（PMID: 42746902）。相比从细胞外部作用的传统生物材料，这种“由内向外”的策略可以在不改变外部环境的前提下干预细胞状态。综述覆盖的范围包括触发机制、材料体系、生物学效应和医学应用。
然而单细胞层面的异质性同样是这条路线的障碍：各细胞之间凝胶化效率不一致。加上目前缺乏体内靶向技术，绝大多数工作停留在体外；人工细胞骨架的长期安全性也尚无定论（PMID: 42746902）。均一性、靶向性、安全性，这三条限制都是可靠应用这项技术的前提，目前都没有解决。
- Intracellular gelation technology: frontier exploration in biomaterials and biomedical applications.，Journal of materials chemistry. B（PMID: 42746902）
- Benchmarking reference-based cellular deconvolution algorithms to predict cell proportions.，Computational biology and chemistry（PMID: 42762696）
- TopClust: Topological-based analysis of scRNA-seq data for data-driven identification of clusters and core cluster cells.，Biophysical journal（PMID: 41981916）