單細(xì)胞組學(xué)的「洪水時代」已經(jīng)來臨。成百上千萬的細(xì)胞轉(zhuǎn)錄組測序結(jié)果不斷涌現(xiàn)，研究者們期待把這些數(shù)據(jù)串聯(lián)起來，繪制出全面的人體和動物細(xì)胞圖譜。然而現(xiàn)實中，一個難題屢屢擋道：數(shù)據(jù)量太大、訓(xùn)練太慢、下載太耗資源，導(dǎo)致大規(guī)模參考集很難被真正廣泛復(fù)用。

在這種背景之下，美國加州大學(xué)伯克利分校（University of California, Berkeley）等的團隊提出了scvi-hub—— 一個利用預(yù)訓(xùn)練概率模型高效共享和訪問單細(xì)胞組學(xué)數(shù)據(jù)集的平臺。研究者希望通過它，讓任何實驗室都能像調(diào)用工具包一樣，輕松利用社區(qū)已經(jīng)訓(xùn)練好的模型與參考圖譜。

該成果以「Scvi-hub: an actionable repository for model-driven single-cell analysis」為題，于 2025 年 9 月 8 日發(fā)布在《Nature Methods》。

相關(guān)鏈接：https://www.nature.com/articles/s41592-025-02799-9

單細(xì)胞組學(xué)生態(tài)平臺

單細(xì)胞技術(shù)過去十年間快速擴張，Tabula Sapiens、HLCA（Human Lung Cell Atlas）等大型項目產(chǎn)生了數(shù)量龐大的參考數(shù)據(jù)集。隨著單細(xì)胞數(shù)據(jù)集的增長，遷移學(xué)習(xí)將成為一種關(guān)鍵技術(shù)，這類技術(shù)在單細(xì)胞組學(xué)中大致分為參數(shù)與非參數(shù)兩類，盡管前者已經(jīng)得到了廣泛運用，但實現(xiàn)訓(xùn)練模型重用能力的挑戰(zhàn)依然存在。

如何實現(xiàn)高效復(fù)用？如何解決數(shù)據(jù)庫與框架之間的版本問題？諸如此類，都是急需解決的問題。

Scvi-hub 的設(shè)計初衷就是要「去除負(fù)擔(dān)」，讓模型和數(shù)據(jù)變得輕巧、透明而且易于分享。它基于scvi-tools（一種生成式概率建模工具包）構(gòu)建，并通過Hugging Face Hub托管，確保版本可追溯、卡片式（model card）文檔清晰。

圖 1：Scvi-hub 概述。

模型的貢獻者可以自行選擇分享模型背后的數(shù)據(jù)，以原始數(shù)據(jù)或者以精簡后的形式進行上傳。精簡功能提供了參考數(shù)據(jù)集的壓縮表示，同時仍然保留了與原始數(shù)據(jù)大部分相同的功能。

圖 2：scvi-hub 實現(xiàn)的僅參考任務(wù)。

數(shù)據(jù)壓縮顯著降低了內(nèi)存需求并加快了表達值的生成。借助這項功能，團隊已經(jīng)在平臺上「種子化」了90 多個預(yù)訓(xùn)練模型，覆蓋了多個大型計劃以及CELLxGENE Census等公共資源。每個模型的訓(xùn)練細(xì)節(jié)、適用范圍與性能指標(biāo)都被透明化展示，保證后續(xù)使用的可追溯性與可復(fù)現(xiàn)性。

輕裝上陣

接下來，除開貢獻者角度，該平臺針對使用者也做出了相當(dāng)程度的評估優(yōu)化。

模型評估是 scvi-hub 的關(guān)鍵功能，使貢獻者能夠在上傳前評估模型，用戶可以判斷其相關(guān)性和質(zhì)量。為此，團隊專門開發(fā)了 scvi.criticism 模塊，用于評估使用 scvi-tools 訓(xùn)練的模型。

這個模塊引入了一系列通用指標(biāo)來評價模型質(zhì)量，比如說計算基因水平和細(xì)胞水平的變異系數(shù)和差異表達，并評估它們的相似性。相似性越高，說明模型訓(xùn)練得越好。

這些指標(biāo)不依賴具體數(shù)據(jù)集，因此可跨研究場景比較。研究者在下載模型前，可以先查看其「體檢報告」，對模型的可靠性心里有數(shù)。

圖 3：使用普查級預(yù)訓(xùn)練模型進行查詢分析。

Scvi-hub 也可以擴展到多模態(tài)數(shù)據(jù)。從遷移學(xué)習(xí)的查詢數(shù)據(jù)分析，再到標(biāo)簽注入后的查詢參考，以及超過 3000 萬細(xì)胞的數(shù)據(jù)集普查分析，scvi-hub 的使用范圍非常廣泛， 除開本職工作意外，團隊甚至利用它識別出一種在原研究中未識別的對 CCR7、CCL17 和 CCL22 呈陽性的樹突狀細(xì)胞群體。

潛力與謹(jǐn)慎并行

研發(fā)團隊共計設(shè)想了三種適用群體：共享數(shù)據(jù)并提供可重復(fù)分析的個人研究員、大規(guī)模圖集工作的高級分析項目以及使用預(yù)訓(xùn)練模型執(zhí)行注視或反卷積任務(wù)的研究者。結(jié)合外部參考文獻，數(shù)據(jù)集分析逐漸豐富，細(xì)胞類型組成等相關(guān)見解也日益增多。

這是良性的社區(qū)循環(huán)，且它所采用的以模型為中心的方法能夠以縮小的格式表示大型參考數(shù)據(jù)集，加速對資源的訪問。在單細(xì)胞數(shù)據(jù)洪流里，研究者終于不必再為數(shù)據(jù)而焦頭爛額，而是能夠把精力集中在真正重要的科學(xué)問題上?？梢哉f，scvi-hub 并不是又一個工具，而是一條讓數(shù)據(jù)、模型與社區(qū)之間形成正循環(huán)的高速通道。