Nature Communications
🗺️ 空间单细胞超分辨
🤖 最优传输算法
Published: 2026
Xiangyu Kuang et al. (Nat Commun 2026)
💡 核心突破： 提出了创新算法框架 CellRefiner，克服了斑点级空间转录组（如 Visium）包含多个混合细胞的分辨率瓶颈，结合配对 scRNA-seq 数据高保真恢复出真实组织原位的单细胞级转录本分布。
采用基于空间正则化最优传输（Optimal Transport）与贝叶斯概率图推断，精确将解离单细胞投影并分配至空间物理点位，恢复单细胞分辨率。
成功揭示了微米级细胞边界处的受体-配体精准物理邻域，解决了传统空间去卷积算法无法获得单细胞级空间共定位信息的关键缺陷。
Advanced Science
🤖 多模态语言细胞大模型
🗺️ 空间组织自然语言查询
Published: 2026
Hongyoon Choi, Jinseok Park, Sunwoo Kim et al.
💡 核心突破： 首创通过大语言模型能力赋能单细胞与空间转录组的通用基础模型 CELLama，将细胞表达谱投影至自然语言语义空间，支持通过自然语言直接检索与理解空间组织微环境。
将基因集与功能通路文本化，构建了基因表达-生物医学文本的对齐嵌入空间，无需针对特定数据集繁复调参即可完成 Zero-shot 细胞类型与组织微区注释。
极大降低了非计算背景生物学家解析高维度空间转录组数据的门槛，实现了“自然语言提示词驱动”的空间病理表型探索。
NPJ Digital Medicine
🤖 可解释性AI (XAI)
🧬 肿瘤微环境致死轴
Published: 2026
NPJ Digit Med (Nature Portfolio), 2026
💡 核心突破： 整合单细胞测序与空间转录组技术，基准评估了 101 种机器学习管线，通过 SHAP 可解释性 AI 揭示了恶性肿瘤中由成纤维细胞与髓系细胞主导的免疫耗竭微环境空间轴（Lethal Axis）。
结合 Lasso 与 PLS-Cox 构建高普适性预后评分体系，引入 SHAP 特征重要性归因，解析驱动免疫抑制微环境空间聚集的关键基因（如 PCSK1N、ACSL3）。
在患者源性类器官（Organoids）与动物模型中验证了靶向抑制该空间轴关键分子可显著逆转耐药表型，为精准联合免疫治疗提供直接线索。
Nature Genetics
🗺️ 空间转录组算法
🔬 细胞分割矫正
Published: 2026
Broad Institute of MIT and Harvard, Harvard University et al.
💡 核心突破： 首次在全基因组水平系统量化了成像空间转录组（Xenium、MERFISH、Stereo-seq）中的细胞分割误差，并提出了统一的计算校正基准，防止因边缘光学模糊导致相邻细胞分子污染。
基于空间概率扩散与马尔可夫随机场（MRF），精准重新分配游离及重叠区域内的转录本标签。
有效避免了肿瘤浸润前沿与脑组织神经突触区域中假阳性配体-受体对的错误推断，奠定了高可信度空间分析基础。