当前位置：首页>南京>IF11.20!问鼎顶刊!南京大学牵头借GEO+机器学习实现新突破,斩获1区顶刊,解锁肿瘤克隆演化解码新框架!

IF11.20!问鼎顶刊!南京大学牵头借GEO+机器学习实现新突破,斩获1区顶刊,解锁肿瘤克隆演化解码新框架!

2026-05-09 13:35:24

❓为何单细胞转录组数据难以精准解析肿瘤克隆演化，传统方法易受噪声干扰、克隆分型与谱系重建脱节？

❗华大智造、南京大学、中科院杭州医学所团队研发scRevol模型，依托GEO等数据库，基于强化学习构建单细胞肿瘤克隆演化分析框架，通过CNV 嵌入优化、智能聚类、MST 演化树重建，突破传统方法局限。

实验表明，scRevol 在模拟数据、谱系示踪数据及卵巢癌数据中表现稳健，克隆识别更准、谱系还原度更高，可精准定位高转移克隆、解析原发与转移灶亚克隆结构，为肿瘤异质性研究与精准诊疗提供高效工具。

依托GEO等数据库高效发文，速关注我们，私信解锁专属科研支持！↓↓↓

文献解读

TIZI YOGA

yanjiubeijing

研究背景

肿瘤演化伴随高度细胞异质性，是癌症进展、转移与治疗耐药的核心驱动力，精准解析克隆结构与演化轨迹对精准肿瘤学至关重要。传统 bulk 测序难以捕捉单细胞水平的克隆差异，单细胞 DNA 测序通量低、基因组覆盖度有限，而基于单细胞转录组（scRNA-seq）的现有方法多将克隆分型与谱系重建拆分为独立模块，存在强模型假设、数据要求苛刻、抗噪声能力弱、克隆与演化关联度低等缺陷，难以高效、准确地从噪声较多的 scRNA-seq 数据中重建肿瘤克隆演化轨迹。

yanjiumudi

研究目的

开发基于强化学习的单细胞肿瘤演化分析模型 scRevol，解决现有方法克隆分型与谱系重建脱节、抗噪声差、准确性不足的问题，实现从单细胞转录组数据中精准识别肿瘤克隆、稳健重建克隆演化轨迹，并揭示克隆异质性与转移、临床表型的关联，为肿瘤演化研究提供高效可靠的计算框架。

yanjiu fangfa

研究方法

模型构建：开发scRevol框架，将无监督聚类转化为马尔可夫决策过程（MDP），采用近端策略优化（PPO）算法优化潜在嵌入，结合KL 散度约束与 PCA 初始化提升训练稳定性与嵌入鲁棒性。

克隆分型：基于优化后的 CNV 嵌入完成细胞聚类，生成稳定克隆标签。

演化树重建：使用最小生成树（MST） 算法，基于克隆中心距离构建肿瘤克隆演化树。

数据来源：依托Figshare 模拟数据集、GEO（GSE161363）肺癌谱系示踪数据、VIB‑KU Leuven 卵巢癌 scRNA‑seq 数据开展验证。

对比与评估：以 K‑means、Leiden、SCEVAN、Clonalscope 为基线，采用LCC、PCD、TC、ARI、NMI等指标量化性能；结合富集分析、差异表达、假时间分析解析克隆功能与转移特征。

研究结果

TIZI YOGA

模型框架有效性

scRevol 形成 “标签分配学习→克隆聚类→演化树构建” 完整流程，可稳定从 CNV 矩阵解析肿瘤克隆结构与演化轨迹，适配模拟数据、转移异质性分析、临床生物学挖掘三大场景。

图1.scRevol 用于肿瘤演化建模与生物学解析的工作流程

模拟数据集性能最优

在 485 组模拟数据中，scRevol 的ARI、NMI、LCC、PCD、TC等指标全面领先 K‑means、Leiden、SCEVAN、Clonalscope 等方法；克隆数目预测准确、谱系拓扑还原度高，高噪声下仍保持稳定，与真实克隆高度匹配。

图2.基于模拟数据的性能评估。(A) 各方法的平均ARI与NMI值

肺癌转移克隆精准识别

成功划分10 个克隆群，清晰定位 c0、c3 等高转移潜能克隆；克隆分型与谱系标签一致性（ARI=0.443）显著高于同类方法；克隆特征与黏着斑、未折叠蛋白反应等转移通路高度关联，局部谱系一致性（LNC_NES）表现最佳。

图3.克隆群特征及谱系间转移异质性分析

卵巢癌克隆与演化清晰解析

精准区分肿瘤 / 正常细胞（肿瘤纯度＞0.96），重建克隆演化树；克隆分布与假时间轨迹高度一致，不同亚克隆呈现炎症应答、DNA 修复、增殖等 distinct 功能特征，可稳定识别 BRCA1/BRCA2 高表达克隆。

图4.基于 scRevol 分析解析克隆演化与功能动态

原发‑转移灶亚克隆全景揭示

明确卵巢、大网膜、腹膜的克隆分布，识别跨组织共享克隆 C5与部位特异亚克隆；演化时序与假时间吻合，早期克隆富集免疫相关通路，晚期克隆富集 TGFβ/WNT 等免疫抑制通路，完整呈现肿瘤转移演化规律。

图5.基于 scRevol 推断的高级别浆液性卵巢癌（HGSOC）克隆动态与功能图谱

小结

本研究成功构建scRevol强化学习框架，依托模拟数据、GEO 谱系示踪数据及卵巢癌单细胞数据库，经聚类优化与演化树重建，实现肿瘤克隆精准识别与谱系轨迹高效还原。结果显示，该模型在抗噪声、克隆分型、拓扑一致性上全面优于现有方法，可清晰揭示肿瘤转移异质性、原发‑转移亚克隆演化时序及功能特征，为单细胞水平肿瘤克隆演化研究提供稳定可靠的新工具。