1. 应用领域与背景
文献英文标题：Benchmarking unpaired single-cell multi-omics integration; 发表期刊：Genome Biology; 影响因子：未公开; 研究领域：单细胞多组学数据分析
单细胞多组学测序技术是生命科学领域的前沿技术，领域共识：2019年单细胞多组学技术被《自然-方法》评为年度技术，实现了在单个细胞层面同时解析基因组、转录组、表观组等多个组学层面的信息，为细胞异质性研究、细胞命运调控机制解析提供了核心技术支撑。当前研究热点集中在多组学数据的整合分析方法开发，尤其是非配对多组学数据（即同一细胞群体中不同细胞分别进行不同组学检测）的整合，因为这类数据在临床样本和大规模研究中更为常见，但由于缺乏细胞层面的直接对应关系，整合难度远高于配对数据。目前领域内未解决的核心问题是缺乏系统的基准评估体系，现有整合方法的性能差异、适用场景及关键步骤的优化方向尚未明确，导致研究人员在方法选择上缺乏统一参考标准。
针对这一研究空白，本研究通过配对单细胞多组学数据作为金标准，系统评估了非配对单细胞转录组与表观组数据整合流程中各个关键步骤的性能，旨在建立一套稳健、通用的整合分析 pipeline，为后续复杂多组学研究提供方法学参考。
2. 文献综述解析
作者围绕非配对单细胞多组学数据整合这一主题，按方法的技术模块（特征关联、降维、聚类、标签转移）进行分类评述，核心逻辑是明确各技术模块的现有策略、优势与局限性，进而凸显系统基准评估的必要性。
现有研究已开发了多种非配对多组学整合方法，这些方法在特征关联环节主要采用基因活性评分、转录因子结合位点预测等策略，能够在一定程度上建立转录组与表观组的关联，但不同方法的特征关联效率和准确性差异较大；在降维环节，线性方法如主成分分析（PCA）具有计算效率高、结果解释性强的优势，而非线性方法如t-SNE、UMAP则能更好地保留数据的非线性结构，但存在计算成本高的局限性；在聚类和标签转移环节，现有方法的性能受数据类型、细胞异质性程度的影响较大，且缺乏系统的跨数据集验证。现有研究的核心局限性在于缺乏对整合流程各环节的系统性评估，多数研究仅关注单一方法的性能，未明确各步骤的最优组合及适用场景，导致方法的可推广性不足。
本研究首次通过配对多组学数据作为基准，系统比较了特征关联、降维、聚类、标签转移等多个环节的不同策略的组合性能，明确了各步骤的关键影响因素及最优选择，填补了领域内缺乏系统基准评估体系的空白，为非配对多组学整合方法的开发和应用提供了标准化参考框架。
3. 研究思路总结与详细解析
本研究的核心目标是建立一套稳健、通用的非配对单细胞转录组与表观组数据整合 pipeline，核心科学问题是非配对多组学整合流程中各关键步骤的最优策略组合及性能影响因素，技术路线遵循“金标准数据集构建→多环节多策略系统评估→最优流程筛选→独立数据集验证”的闭环逻辑。
3.1 基准数据集构建与预处理
实验目的是构建用于评估的基准数据集，确保数据质量符合分析要求。研究选取了多个公开的配对单细胞多组学数据集，包括SHARE-seq技术生成的小鼠皮肤、小鼠脑数据集，以及10× Genomics的多种组织数据集，同时纳入了转录组与组蛋白修饰ChIP-seq的配对数据集；对原始数据进行标准化预处理，包括转录组数据的基因表达量归一化、表观组数据的峰调用与信号量化，然后将配对数据拆分为非配对的转录组数据集和表观组数据集，模拟实际研究中的非配对数据场景。通过预处理后的数据集保留了细胞类型的异质性特征，拆分后的非配对数据与原始配对数据的细胞类型分布一致，为后续的方法评估提供了可靠的基准。
文献未提及具体实验产品，领域常规使用Cell Ranger、Seurat等单细胞数据分析软件进行数据预处理。
3.2 特征关联环节性能评估
实验目的是评估不同特征关联策略在建立转录组与表观组关联中的性能。研究测试了两种主流特征关联策略，即基于基因启动子区域的表观组信号计算基因活性评分，以及基于转录因子结合位点的表观组信号与基因表达的关联；通过计算基因活性评分与实际基因表达量的相关性，以及关联后细胞类型聚类结果与金标准的一致性，评估不同策略的性能。研究发现基因活性评分与基因表达量的相关性较低，但基于基因活性评分的特征关联能够有效保留细胞类群的聚类结构，细胞类型聚类结果与金标准的一致性较高（文献未明确提供具体相关系数及一致性数据，基于图表趋势推测）；而基于转录因子结合位点的关联策略在细胞类型特异性较高的数据集上性能更优，但计算成本显著高于基因活性评分策略。
文献未提及具体实验产品，领域常规使用Signac、ArchR等软件进行表观组数据的基因活性评分计算。
3.3 降维环节性能评估
实验目的是比较线性与非线性降维方法在非配对多组学整合中的性能差异。研究测试了线性降维方法（主成分分析）和多种非线性降维方法（t-SNE、UMAP、PHATE），将特征关联后的整合数据进行降维处理，然后通过降维后细胞类群的分离程度、与金标准细胞类型的一致性，以及计算效率等指标评估性能。非线性降维方法在保留细胞类群的异质性特征上表现更优，降维后细胞类型的聚类结果与金标准的一致性更高（文献未明确提供具体一致性数据，基于图表趋势推测）；而线性降维方法的计算效率更高，在大规模数据集上的适用性更强，且结果的解释性更好，具有更好的鲁棒性。
文献未提及具体实验产品，领域常规使用Scikit-learn、Seurat等软件进行降维分析。
3.4 聚类与标签转移环节性能评估
实验目的是评估不同聚类方法和标签转移策略在非配对多组学整合中的性能。研究测试了多种聚类方法（Louvain、Leiden、K-means），以及基于最优传输（OT）、K近邻（KNN）、支持向量机（SVM）的标签转移策略；通过聚类结果与金标准细胞类型的一致性，以及标签转移的准确率、召回率等指标评估性能。聚类方法中Leiden算法在多数数据集上表现最优，聚类结果与金标准的一致性最高（文献未明确提供具体一致性数据，基于图表趋势推测）；标签转移环节中，基于最优传输的策略在所有降维结果上均表现出显著优于其他策略的性能，标签转移准确率更高（文献未明确提供具体准确率数据，基于图表趋势推测），且在细胞异质性较高的数据集上优势更为明显。
文献未提及具体实验产品，领域常规使用Seurat、Scanpy等软件进行聚类分析，使用Python的OT库进行最优传输计算。
3.5 最优整合 pipeline 验证
实验目的是验证筛选得到的最优整合 pipeline 在独立数据集上的通用性。研究将筛选得到的最优流程（基因活性评分特征关联+UMAP降维+Leiden聚类+最优传输标签转移）应用于多个独立的非配对多组学数据集，包括临床样本数据集和不同组织类型的数据集，评估其在不同场景下的性能。最优整合 pipeline 在所有独立数据集上均表现出稳定的性能，细胞类型聚类结果与金标准的一致性较高，标签转移准确率显著高于现有常用方法（文献未明确提供具体一致性及准确率数据，基于图表趋势推测），证明了该 pipeline 的稳健性和通用性。
文献未提及具体实验产品，领域常规使用上述提到的标准化单细胞数据分析软件。
4. Biomarker研究及发现成果解析
本研究属于方法学研究，未涉及传统意义上的疾病相关生物标志物（Biomarker），但筛选得到的最优整合 pipeline 可作为多组学数据整合的方法学“生物标志物”，其筛选逻辑为：基于配对多组学数据的金标准评估→多环节多策略的系统比较→独立数据集验证。
该方法学“Biomarker”的来源为多个公开的单细胞多组学数据集，涵盖多种组织类型和技术平台；验证方法为通过与配对金标准数据的一致性评估、独立数据集的性能验证，评估其特异性（即针对不同数据类型的适配能力）和敏感性（即准确捕捉细胞类型异质性的能力）；研究结果显示，该最优 pipeline 在不同数据集上的细胞类型聚类一致性均保持在较高水平（文献未明确提供具体AUC及敏感性数据，基于图表趋势推测），具有良好的特异性和敏感性。
该最优整合 pipeline 的功能关联在于为非配对单细胞多组学数据的整合分析提供了标准化的方法学框架，能够显著提升整合结果的准确性和稳定性；其创新性在于首次系统建立了非配对多组学整合流程的基准评估体系，明确了各关键步骤的最优策略组合；由于属于方法学研究，无传统Biomarker的风险比等统计学结果，但研究通过多个数据集的系统评估，证明了该 pipeline 的稳健性和通用性，为后续复杂多组学研究的方法选择提供了核心参考。