同一种细胞在不同研究中可能被标注到不同层级:一份数据写“上皮细胞”,另一份写“肺泡II型细胞”,还有研究使用更细的亚群名称。把标签一股脑合并,可能抹掉生物学层级;直接比较名称,又会把同义词当成不同细胞。张学工及合作者近年的方法学工作,关注的正是怎样跨数据集协调这些注释、以及如何判断整合结果是否可靠。
为什么“统一标签”并不只是改名
单细胞图谱汇集了不同组织、实验室和研究项目的数据。标签差异有时来自命名习惯,有时代表分辨率不同,也可能反映真实的细胞状态差异。若只做字符串替换,容易把父类与子类压成同一标签;若只按表达相似度聚类,也未必能保留知识体系中的层级关系。
清华大学自动化系现行教师页面将张学工列为教授,研究方向包括生物与医学机器学习和大数据分析、人类细胞图谱与人体系统数字孪生、单细胞生物信息学。下面讨论的是公开论文呈现的研究线索,不代表对其课题组未公开计划的推断。清华大学教师页面
2026 年工作:先比较方法,再构建注释层级
2026 年发表于 Bioinformatics 的论文由周天洪、陈逸欣、朱颖涛、贾金萌、张学工和魏磊等共同完成。团队比较了 scHPL、treeArches 与 CellHint,在五种模拟情景和五种真实数据情景中评估跨数据集细胞类型注释协调;研究覆盖细胞类型层面及肺、心脏等图谱级数据。论文还提出 AH-F1、TEDS 和 PCBS 三项指标,从注释协调和树结构相似度等角度评价结果。PubMed 原始记录 · 开放全文
在此基础上,论文介绍 OTHarmonizer:它采用部分最优传输(partial optimal transport)来处理不同数据集中的细胞类型对应关系,并尝试构建层级结构。直观地说,方法允许某些标签彼此对应,也允许一个标签与另一数据集中的多个层级标签建立关系;它不必强行假设两边的注释是一对一。
这篇论文的价值不只是提出一个新工具,也把“对齐得好不好”变成可讨论、可比较的问题。对于使用者,重要的是同时看标签对应与树结构:若一个数据集只标到“免疫细胞”,另一个已细分到多个 T 细胞亚群,合理结果应保留层级差异,而不是把细粒度注释退化成粗标签。
但论文也清楚显示,模拟数据中的表现不能直接代表真实图谱。作者报告,各方法在复杂真实数据中仍有改进空间,OTHarmonizer 在大规模图谱数据上也会遇到性能挑战。自动协调结果应当与专家知识和原始标注一起审阅,不能把模型输出当作最终标准。方法提供代码和数据集,适合读者进一步复核适用场景。代码与数据入口见 PubMed 记录
从 2024 年的多组学基准研究看方法学取向
另一项相关工作发表于 2024 年 Briefings in Bioinformatics,张学工与清华团队合作者比较了 12 种单细胞 RNA 与 ATAC 多组学整合方法,在三类整合任务上使用 11 项指标评估组学混合、细胞类型保留、轨迹保留、细胞层面对齐等表现,也考察了运行规模与易用性。PubMed 原始记录 · 开放全文
论文的核心信息不是“某个算法在所有情形都最好”,而是不同方法在不同指标上有取舍,选择应由数据配对方式、分析目标和评价标准共同决定。由于基准研究只覆盖论文所设定的数据集、任务与指标,不能据此给所有组织、平台和研究问题排出普适名次。
把两项研究放在一起看,一个清晰的公开研究线索是:单细胞分析的关键瓶颈不止是开发整合算法,也包括明确任务、构造可信评价标准,并使不同数据中的注释能够被解释和复用。这是基于论文内容的归纳,不等同于团队官方发布的方向总结。
读论文时可以怎样判断方法是否适合自己的数据
| 先核对什么 | 为什么重要 | 读结果时的提醒 |
|---|---|---|
| 数据是否配对、来自何种组织与平台 | RNA/ATAC 整合和跨研究注释协调面对的任务不同 | 不要只凭“单细胞整合”关键词迁移结论 |
| 目标是批次校正、细胞映射还是层级整理 | 不同任务需要不同评价指标 | 混合度提高不代表生物学差异保留得更好 |
| 细胞标签的粒度是否一致 | 粗标签与细标签可能是父子层级,不是冲突标签 | 检查树结构与专家可解释性 |
| 基准是否包含与自己相近的真实数据 | 模拟数据通常不能覆盖真实数据的复杂性 | 重点阅读真实场景结果和失败案例 |
| 结果是否能在独立数据或人工审阅中复核 | 自动注释可能受参考图谱和标签体系影响 | 把方法输出当候选映射,而非定论 |
结语:把“整合”拆成可验证的步骤
张学工参与的这些公开研究,呈现出方法开发与方法评价并行的特点:先说明分析任务是什么,再检查不同方法在多维指标和真实数据中的表现,最后把标签对应关系组织成可解释的结构。对实际项目而言,与其先追求一个看起来整齐的统一图谱,不如先保留原始标签、注明映射依据,并在目标组织和数据规模上复核。
如果你正在处理单细胞或多组学数据,云生信可协助梳理数据设计、分析目标与可复现的评估流程。联系云生信,沟通组学分析需求
参考文献
- Zhou T, Chen Y, Zhu Y, Jia J, Zhang X, Wei L. Cross-dataset annotation harmonization for cell-type hierarchy construction. Bioinformatics. 2026;42(7):btag506. doi:10.1093/bioinformatics/btag506. PMID: 42423286.
- Xiao C, Chen Y, Meng Q, Wei L, Zhang X. Benchmarking multi-omics integration algorithms across single-cell RNA and ATAC data. Brief Bioinform. 2024;25(2):bbae095. doi:10.1093/bib/bbae095. PMID: 38493343.
来源核查日期:2026-11-22。两篇论文的 PubMed 记录及开放全文已核对。张学工为论文共同作者;本文未将合著表述为其个人独立成果。

