Seurat v5.6.0 发布，新增线程控制并加速核心分析步骤
Seurat 发布 v5.6.0，新增 setThreads 和 getThreads 控制支持的 C++ 内核与 uwot UMAP 后端线程。
推荐理由：新版本把归一化、降维、聚类和整合等常用步骤改为多线程 C++ 实现，并修复了 BPCells 磁盘型数据的打分问题，做单细胞分析的读者可据此判断是否升级。
#单细胞
Seurat：GitHub Releases精选AI 评分7272
Rahul Satija精选AI 评分7878 Seurat 5.6 公测版发布，提升核心流程速度与内存表现
Seurat 5.6 公测版发布，针对核心工作流的速度、内存和可扩展性做了大幅改进，尤其面向大规模数据集。作者团队称过去几个月用编码智能体重写了 Seurat 核心流程，把部分步骤从 R 迁移到 C++ 并优化代码，部分场景提速 10 倍以上且输出一致。安装说明见 https://github.com/satijalab/seurat/discussions/10449。
推荐理由：Seurat 5.6 公测版针对大数据集重写核心流程，做单细胞分析的读者可据此判断是否试用。
Stephen Quake精选AI 评分8080 Universal Cell Embedding 模型基于 3600 万细胞训练，可研究训练集外物种
Stephen Quake 介绍 Universal Cell Embedding 模型，该模型在来自多种物种和组织的 3600 万细胞数据集上训练，可研究远超训练集范围的生物体。相关成果来自 Rosen 等人的 Nature 论文，DOI 为 10.1038/s41586-026-10689-z。
推荐理由：Universal Cell Embedding 在 3600 万细胞上训练，可外推到训练集之外的物种，为跨物种细胞研究提供参考。
已经到底了