420万个细胞核，重读AD遗传风险

研究阿尔茨海默病的单细胞论文，标准动作都是「找差异表达基因」。但Nature Communications 11月9日这项研究说：这套方法漏掉了一半的风景

哈佛医学院团队开发了TriSCOPE框架，把三条分析线拧在一起：机器学习预测建模+供者配对差异分析+拟时序推断。

他们扫了6个AD数据集：约420万个细胞核、627名供者、6大类脑细胞。发现了一个关键事实——机器学习找到的「预测性表达基因」和传统差异基因大部分不重叠。也就是说，单变量分析天生看不见多变量的疾病结构。

最漂亮的发现是遗传锚定：27个基因–细胞类型对被直接连到已知的AD风险位点（比如ARL17B、JAZF1），这些基因在传统差异分析里毫无动静，却带着明确的遗传证据。相当于给全基因组关联研究找到了「具体在哪种细胞里干活」的地址。

APOE、LINGO1等关键基因还在独立队列里成功复验。算法升级带来的发现，不输新数据本身。