scMAC用单细胞先验补全bulk TCR功能语境

scMAC 作者团队发布单细胞引导的 TCR 功能语境补全框架 scMAC，用于从 bulk TCR 测序数据推断反映转录组状态的 T 细胞功能表征。该方法先用多尺度表达建模结合大语言模型编码基因和蛋白描述，构建去噪的功能参考，再学习原型引导的 TCR 到功能映射，在组库水平估计功能组成。 作者团队称，在真实单细胞及配对 RNA/TCR 数据集上，scMAC 在细粒度细胞状态表征、基因功能一致性、表达恢复和疾病相关通路分析上优于现有单细胞表征方法；在含 83 种细胞亚型的结直肠癌数据集上调整兰德指数为 0.656。 代码已在 GitHub 公开（https://github.com/Bioinformatics7181/scMAC）。上述性能比较为作者自述，尚未见独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。