摘要: 单细胞生物学领域的核心挑战已从数据生成转向如何将稀疏、异质的单细胞RNA测序数据转化为准确的细胞类型注释与可重复的科学结论。为此，研究者开发了scParadise工具套件，包含三个集成模块：用于多层级细胞类型注释及未知细胞类型识别的scAdam、跨组织模态填补工具scEve，以及标准化基准评测工具scNoah。借助该套件，研究团队修正了Tabula Muris Senis图谱中的注释错误，证实原标注为粒细胞的细胞实为中性粒细胞，而原标注的巨噬细胞实际涵盖多种不同细胞类型。此外，通过跨组织蛋白表达填补，研究者在人内脏脂肪组织中鉴定出三种此前未知的自然杀伤T细胞亚群，并经流式细胞术验证。这些新亚群通过以肿瘤坏死因子为核心的信号通路与髓系细胞及脂肪祖细胞发生相互作用，揭示了免疫-基质互作促进慢性炎症并损害脂肪生成的新机制，为肥胖相关免疫调控研究提供了新视角。

scParadise：可调节的高精度多层级细胞类型注释、未知细胞类型识别与模态补全工具¶

概述¶

在单细胞生物学领域，研究瓶颈已从数据生成本身转移到如何将稀疏、异质的单细胞 RNA 测序（scRNA-seq，单细胞核糖核酸测序）数据集转化为准确的细胞类型标注、可解释的多组学状态以及可重现的研究结论。scParadise 正是为解决这一核心挑战而构建的综合性框架。

scParadise 将 scRNA-seq 原始数据转化为新的科学知识，其核心价值体现在三个层面：

注释准确性：通过多层级注释策略，纠正现有主流细胞图谱中存在的标注错误，例如在 Tabula Muris Senis 图谱（一个权威小鼠单细胞图谱数据库）中发现被标记为粒细胞（granulocytes）的细胞实际上全部为中性粒细胞（neutrophils），被标记为巨噬细胞（macrophages）的细胞实际上涵盖多种不同细胞类型。
未知细胞发现：能够识别现有参考数据库中未曾描述过的全新细胞类型或细胞亚群。
多模态整合：通过跨组织的模态补全（modality imputation），在仅有转录组数据的情况下推断蛋白质表达等其他组学信息，从而实现多维度的细胞状态解析。

该工具的重要性在于，它不仅提升了细胞注释的精度，还通过生物学验证（如流式细胞术实验）证实了其计算预测结果的可靠性，为免疫学、代谢疾病等领域提供了全新的研究范式。

核心原理与功能¶

scParadise 由三个相互集成的子工具组成，分别命名为 scAdam、scEve 和 scNoah，三者协同构成完整的分析流程。

scAdam：多层级细胞类型注释与未知细胞类型识别¶

scAdam 是 scParadise 的注释核心模块，其设计目标是实现"可调节的（tunable）"高精度注释。与传统单一层级的细胞类型分类器不同，scAdam 采用多层级（multi-level）注释策略，即允许在细胞大类（如免疫细胞、上皮细胞）和细胞亚群（如 CD4+ T 细胞、CD8+ T 细胞）两个层次上进行嵌套式的精细注释。

未知细胞类型识别（unknown cell type identification）是 scAdam 区别于现有工具的关键特性。传统注释工具通常只能将待测细胞强制映射至参考数据库中已有的类别，无法处理参考库中不存在的细胞状态。scAdam 则内置了识别"未知"细胞的能力，当某一细胞群体与所有参考类型的相似度均低于设定阈值时，将其标记为潜在的新型细胞亚群，为下游生物学发现提供线索。

通过 scAdam，研究团队对 Tabula Muris Senis 图谱进行了重新注释，发现了以下具体的注释错误：

原标注为粒细胞（granulocytes）的细胞群体，经 scAdam 重新分析后确认全部为中性粒细胞（neutrophils），原注释存在系统性偏差。
原标注为巨噬细胞（macrophages）的细胞群体，实际上代表了一系列不同的细胞类型，原注释存在过度概括问题。

这一结果说明，即便是已发表的权威图谱数据，其注释精度仍有提升空间，scAdam 提供了一种系统性的纠错手段。

scEve：跨组织模态补全¶

scEve 是 scParadise 中负责跨组织模态补全（cross-tissue modality imputation）的模块。在实际研究中，多组学数据（如同时测量基因表达和蛋白质表达的 CITE-seq 实验）往往只在特定组织或特定研究中可用，而大量现有数据集仅包含转录组（RNA）信息。

scEve 的核心功能是：利用已有的多组学参考数据集（含 RNA 和蛋白质信息），对仅含 RNA 数据的目标数据集进行蛋白质表达的计算推断（imputation），且这种推断可以跨越不同的组织类型。这一能力极大地扩展了单 RNA 测序数据的信息密度。

实际应用示例：研究团队利用 scEve 在人类内脏脂肪组织（human visceral adipose tissue，VAT）中推断蛋白质表达，结合 scAdam 的注释结果，识别出三个此前从未被报道的自然杀伤 T 细胞（NKT cell，自然杀伤 T 细胞）亚群：

亚群编号	表面标志物组合	组织来源
亚群 1	CD56dim CD3+	人类内脏脂肪组织
亚群 2	CD56dim CD3+ CD4+	人类内脏脂肪组织
亚群 3	CD56dim CD3+ CD8+	人类内脏脂肪组织

上述三个亚群的计算预测结果随后通过流式细胞术（flow cytometry）实验得到验证，证实了 scEve 模态补全结果的生物学可靠性。

生物学意义：这三个新型 NKT 细胞亚群被发现参与了以肿瘤坏死因子（tumor necrosis factor，TNF）为核心的细胞间通讯网络，其互作对象包括髓系细胞（myeloid cells）和脂肪祖细胞（adipose progenitors）。这一发现揭示了免疫细胞与基质细胞之间相互作用的新范式，对理解慢性炎症（chronic inflammation）的形成机制以及脂肪生成受损（impaired adipogenesis）（与肥胖相关的病理过程）具有重要意义。

scNoah：标准化基准测试工具¶

scNoah 是 scParadise 框架中的标准化基准测试（standardized benchmarking）模块。在单细胞分析领域，不同工具的性能评估往往缺乏统一标准，导致跨研究的横向比较困难。scNoah 提供了一套标准化的评估流程，用于：

对 scAdam 和 scEve 的注释与补全结果进行定量评估
与现有同类工具进行公平比较
为用户提供参数调节（tunable）的依据，帮助其根据具体数据集特征优化分析策略

三个模块的集成设计使得 scParadise 形成了一个完整的闭环：scEve 补全多模态信息 → scAdam 进行精准注释 → scNoah 对结果进行验证与评估。

关键方法与步骤¶

由于原始文献未提供具体的安装命令或代码示例，以下内容根据论文描述的分析流程整理为关键方法步骤。实际代码与安装方式请参考 scParadise 官方文档 [待验证]。

第一步：数据准备¶

# 输入数据类型：单细胞 RNA 测序（scRNA-seq）数据集
# 推荐格式：AnnData（.h5ad）或类似的稀疏矩阵格式 [待验证]

# 数据要求：
# - 原始 scRNA-seq 表达矩阵（细胞 × 基因）
# - 若使用 scEve 进行模态补全，需提供含多模态信息的参考数据集
#   （例如：CITE-seq 数据，同时包含 RNA 和蛋白质表达）
# - 若使用 scAdam 进行注释，需提供参考细胞类型数据库或标注好的参考集

第二步：运行 scEve 进行模态补全（可选）¶

# scEve 模块：跨组织模态补全
# 适用场景：目标数据集仅含 RNA 数据，需推断蛋白质表达

# 核心逻辑：
# 1. 输入：仅含 RNA 的目标数据集 + 含 RNA 和蛋白质的跨组织参考数据集
# 2. 过程：scEve 学习参考数据集中 RNA 与蛋白质的对应关系
# 3. 输出：目标数据集的蛋白质表达推断值（imputed protein expression）

# 特点：支持跨组织（cross-tissue）推断，
#       即参考数据集与目标数据集可来自不同的组织类型

第三步：运行 scAdam 进行多层级注释¶

# scAdam 模块：多层级细胞类型注释
# 核心参数说明（参数名称为示意，具体以官方文档为准）[待验证]：

# 层级设置（multi-level）：
#   - 第一层级：粗粒度注释（如：免疫细胞、上皮细胞、基质细胞）
#   - 第二层级：细粒度注释（如：T细胞、B细胞、NK细胞、NKT细胞）

# 可调节参数（tunable）：
#   - 相似度阈值（similarity threshold）：
#     低于此阈值的细胞将被标记为"未知细胞类型（unknown cell type）"
#     阈值越高 → 更严格，更多细胞被标记为未知
#     阈值越低 → 更宽松，强制映射到最近的已知类型

# 输出：
#   - 每个细胞的多层级类型标签
#   - 未知细胞类型的候选群体列表
#   - 各层级注释的置信度评分 [待验证]

第四步：运行 scNoah 进行基准评估¶

# scNoah 模块：标准化基准测试
# 功能：对 scAdam 和 scEve 的结果进行定量评估

# 评估维度（基于论文描述推导）[待验证]：
#   - 注释准确率（annotation accuracy）
#   - 未知细胞类型的识别精度（precision/recall for unknown types）
#   - 模态补全的相关性指标（imputation correlation metrics）

# 基准比较：
#   - 可与现有细胞注释工具进行横向对比
#   - 提供标准化报告，支持跨研究比较

第五步：生物学验证（下游分析）¶

# 对计算预测结果进行实验验证（以论文为例）：
# 
# 场景：scEve 在人类内脏脂肪组织中预测出三个新型 NKT 细胞亚群
#   - CD56dim CD3+
#   - CD56dim CD3+ CD4+
#   - CD56dim CD3+ CD8+
#
# 验证方法：流式细胞术（flow cytometry）
#   - 使用对应表面标志物的荧光抗体组合
#   - 在独立的生物样本中验证上述细胞亚群的存在
#
# 后续分析：细胞通讯分析（cell-cell communication analysis）
#   - 分析新型 NKT 亚群与髓系细胞（myeloid cells）的互作
#   - 分析新型 NKT 亚群与脂肪祖细胞（adipose progenitors）的互作
#   - 关注以 TNF（肿瘤坏死因子）为核心的信号通路

实战示例¶

示例一：纠正已有图谱的注释错误¶

背景：Tabula Muris Senis 是一个广泛使用的小鼠全身单细胞图谱，但其细胞类型注释存在系统性偏差。

使用 scParadise 的分析过程：

将 Tabula Muris Senis 图谱数据作为输入，导入 scAdam 进行重新注释
scAdam 使用多层级策略对图谱中所有细胞进行独立分析
与原始标注结果进行对比，识别差异显著的细胞群体

关键发现：

粒细胞问题：原图谱中标注为 granulocytes（粒细胞）的所有细胞，经 scAdam 重新分析后，被一致鉴定为 neutrophils（中性粒细胞）。粒细胞是一个更宽泛的上位概念，包含中性粒细胞、嗜酸性粒细胞、嗜碱性粒细胞，将全部细胞标注为粒细胞属于注释层级不精确的问题。
巨噬细胞问题：原图谱中标注为 macrophages（巨噬细胞）的细胞群体，实际上是多种不同细胞类型的混合，说明原注释存在将不同细胞合并为单一类型的过度简化问题。

意义：该示例表明 scParadise 可作为已有数据集的质控和重注释工具，有助于提升下游分析的可靠性。

示例二：在脂肪组织中发现新型 NKT 细胞亚群¶

背景：人类内脏脂肪组织（VAT）中的免疫细胞组成与肥胖相关的慢性炎症密切相关，但此前对该组织中 NKT 细胞多样性的认识十分有限。

分析流程：

获取人类内脏脂肪组织的 scRNA-seq 数据集（仅含转录组信息）
利用 scEve 引入跨组织多模态参考数据，推断每个细胞的蛋白质表达谱（重点关注 CD56、CD3、CD4、CD8 等 NKT 细胞相关表面标志物）
利用 scAdam 基于补全后的多模态信息进行细粒度注释，识别 NKT 细胞亚群
识别出三个表达特征明确的新型 NKT 亚群（CD56dim CD3+；CD56dim CD3+ CD4+；CD56dim CD3+ CD8+）
通过流式细胞术在独立样本中对上述亚群进行实验验证，确认其真实存在

下游生物学分析：

对新型 NKT 亚群进行细胞通讯分析，发现其与髓系细胞和脂肪祖细胞之间存在以 TNF（肿瘤坏死因子）为核心的互作网络
该 TNF 中心型通讯模式与慢性炎症的维持和脂肪生成受损（impaired adipogenesis）直接相关
为理解肥胖状态下免疫-基质细胞互作（immune-stromal interactions）提供了全新的分子机制框架

常见问题¶

Q1：scParadise 与现有细胞类型注释工具（如 Seurat、SingleR、scANVI）相比有何优势？

A：scParadise 的核心优势体现在三个方面：（1）未知细胞类型识别——大多数现有工具只能将细胞强制映射至已知类别，而 scAdam 能够主动识别并标记参考库中不存在的新型细胞群体；（2）多层级注释——支持从粗粒度到细粒度的层级化注释，而非单一层级的平面分类；（3）模态补全集成——scEve 将跨组织蛋白质表达推断与注释流程深度整合，使得仅有 RNA 数据的数据集也能获得多模态辅助的高精度注释。scNoah 则进一步提供了标准化的性能评估框架，便于用户客观判断分析质量。[待验证：具体性能指标对比数据请参考原始论文的基准测试章节]

Q2：如果我的数据集没有对应的多模态参考数据，能否单独使用 scAdam 进行注释？

A：根据论文描述，scParadise 的三个子工具设计为"集成（integrated）"的模块化框架，但模块化设计通常也支持独立使用 [待验证]。scAdam 本身的注释功能基于 scRNA-seq 数据，若无多模态参考数据，可跳过 scEve 模态补全步骤，直接使用 scAdam 进行基于转录组的多层级注释。但在这种情况下，蛋白质标志物相关的细胞亚群分辨率可能受到一定限制。

Q3：scAdam 中"可调节（tunable）"具体指哪些参数可以调整？

A：根据论文描述，"tunable"特性主要体现在未知细胞类型识别的阈值设置上——用户可以根据研究需求调节相似度阈值，控制工具对潜在新型细胞类型的敏感程度。阈值较高时，工具会将更多细胞标记为"未知"，适合以发现新细胞类型为目标的探索性研究；阈值较低时，工具会尽量将细胞映射至已知类别，适合对已有图谱的再注释场景。具体的可调参数列表请参考官方文档 [待验证]。

Q4：scEve 的跨组织模态补全如何保证不同组织间的生物学差异不引入噪声？

A：论文明确指出 scEve 是"跨组织（cross-tissue）"模态补全工具，意味着其设计中考虑了不同组织背景下基因-蛋白质关系的异质性 [待验证：具体的跨组织适应机制细节请参考原始论文方法章节]。在实际应用中，研究团队通过流式细胞术对补全结果进行了实验验证，证实了跨组织补全在人类内脏脂肪组织中的可靠性，但不同组织类型间的补全精度可能存在差异，建议结合 scNoah 的评估结果进行判断。

Q5：如何判断 scAdam 识别出的"未知细胞类型"是真正的生物学新发现，而非技术噪声？

A：区分真实的未知细胞类型与技术噪声需要多层次的验证。从论文提供的示范来看，建议采用以下策略：（1）利用 scNoah 对注释结果的置信度进行定量评估；（2）检查候选未知细胞群体是否在多个独立样本或数据集中重现；（3）分析候选群体的差异表达基因，判断其是否具有生物学合理的功能特征；（4）在条件允许的情况下，通过实验方法（如流式细胞术、免疫组化）进行独立验证——这正是论文中对三个新型 NKT 亚群所采取的验证路径。

总结¶

scParadise 是一个面向单细胞 RNA 测序数据分析的综合性框架，通过 scAdam（多层级注释与未知细胞识别）、scEve（跨组织模态补全）和 scNoah（标准化基准测试）三个集成模块，系统性地解决了当前单细胞分析领域从数据到知识转化过程中的核心瓶颈。

其主要贡献体现在：能够发现并纠正已有权威图谱（如 Tabula Muris Senis）中的注释错误；能够在仅有转录组数据的情况下推断蛋白质表达，并据此识别此前未知的细胞亚群；以及通过流式细胞术实验验证，在人类内脏脂肪组织中发现了三个新型 NKT 细胞亚群及其在肥胖相关慢性炎症中的调控作用。这些成果共同表明，scParadise 不仅是一套分析工具，更是推动单细胞生物学从数据积累走向机制发现的重要方法学平台。