English空间转录组学新突破：CellRefiner用物理模型重建单细胞分辨率
单细胞测序看得到每个细胞的基因表达，却丢了空间位置；空间转录组保住了位置，却看不清单个细胞。CellRefiner用一套基于物理力学的粒子模型，把两者的优势合二为一。
一、困局：单细胞与空间，鱼和熊掌不可兼得？
单细胞RNA测序（scRNA-seq）能逐个细胞地绘制转录组图谱，精准捕捉基因表达的异质性。但代价是——组织被解离，细胞原有的空间位置信息荡然无存。而那些维持细胞间通讯、组织结构等关键生物学过程的空间线索，也随之丢失。
空间转录组学（ST）则走向了另一个方向：它保留了空间上下文，能研究基因表达的空间模式和细胞排列。但现有技术各有短板——
基于成像的方法
（如MERFISH、seqFISH+）：空间分辨率高，但检测基因数量有限，无法覆盖全转录组； 基于测序的方法
（如Visium、Slide-seqV2）：基因覆盖广，但每个"spot"包含多个细胞，无法区分单个细胞的身份。
也就是说，单细胞分辨率和全基因覆盖，目前难以在同一技术中兼得。
已有的计算方法试图通过整合scRNA-seq和ST数据来弥补这一不足，如Cell2location、Tangram、CellTrek、CeLEry等。但它们大多将细胞独立地放置到空间中，容易产生细胞重叠、过度拥挤或过于稀疏等不真实的排列，难以满足单细胞级别的精细分析需求。
二、CellRefiner：把细胞当作粒子，用力来"推"出正确位置
2026年2月发表于Nature Communications的研究中，来自加州大学欧文分校和北卡罗来纳州立大学的团队提出了CellRefiner——一种基于物理模型的方法，通过整合scRNA-seq与ST数据，从多细胞分辨率的空间数据中重建单细胞分辨率的转录组图谱。
核心原理：三种力驱动细胞归位
CellRefiner借鉴了亚细胞元素方法（Subcellular Element Method）——一种最初用于模拟多细胞组织的物理模型。在这个框架中，每个细胞被建模为一个粒子，其空间位置由三种力共同驱动：
① Morse势能力（细胞间距力） 作用于所有细胞对之间，模拟细胞间的弹性排斥与吸引，防止细胞重叠，也避免出现大面积空洞，维持真实的组织密度。 ② 基因表达相似性力 基因表达谱相似的细胞更可能在空间上接近。这一力将表达模式相近的细胞彼此吸引，使同类型细胞趋向聚集。 ③ 配体-受体相互作用力 基于CellChatDB中已知的配体-受体对，表达兼容配体-受体的细胞对之间产生吸引力。不过消融分析表明，该力的贡献较为有限，因此作为可选项处理。
通过迭代优化，粒子在三种力的共同作用下逐渐稳定，最终输出一套具有单细胞分辨率的空间转录组数据。此外，CellRefiner还能用多个粒子表示单个细胞，进一步建模细胞形状，为接触性细胞间通讯分析提供基础。
三、全面验证：四大平台，多项指标
研究者首先在已知真实映射的MERFISH数据（小鼠下丘脑前视区）上验证CellRefiner的位置优化能力。通过构建伪Visium数据（pseudo-Visium），对细胞初始位置施加扰动后进行优化，结果发现CellRefiner能显著降低KL散度，且预测的细胞空间位置大幅优于随机初始放置。
在与其他方法的横向比较中，CellRefiner在MERFISH、seqFISH、Slide-seqV2和STARmap四个数据集上，使用Wasserstein距离、KL散度、Ripley's L差异和欧氏距离四项指标，全面优于CytoSPACE、Tangram和CellTrek。特别是在小鼠海马体Slide-seqV2数据中，齿状回锥体细胞和内皮细胞等具有明确空间分布的细胞类型被更清晰地映射。
四、多细胞分辨率数据：从spot到单细胞的飞跃
在验证了粒子模型的准确性后，研究者将CellRefiner应用于真实的多细胞分辨率ST数据——10X Visium小鼠皮层数据。结果显示，CellRefiner重建的单细胞分辨率数据呈现出清晰的空间分层趋势，与已知的皮层结构高度吻合。
在小鼠耳淋巴结数据中，CellRefiner重建的组织结构与显微镜观察一致：CD8 T细胞集中于T细胞区，成熟B细胞向外围聚集——这正是淋巴结的已知解剖特征。
五、细胞形状重建：让"点"变成"面"
CellRefiner不仅能定位细胞，还能建模细胞形状。通过亚细胞元素法，每个细胞由多个粒子表示，粒子间的力同时包含细胞间力（维持细胞间距）和细胞内力（维持细胞形态）。
在seqFISH+小鼠皮层数据上，重建的细胞形状与真实形状高度一致，接触图也能准确反映细胞间的物理接触关系。这意味着CellRefiner不仅能告诉你"细胞在哪里"，还能告诉你"细胞长什么样、和谁挨着"。
六、接触性细胞间通讯：看见spot看不到的细节
有了单细胞分辨率的空间位置和细胞形状，CellRefiner进一步实现了接触性细胞间通讯（CCC）分析——这是原始多细胞分辨率ST数据无法做到的。
人类鳞状细胞癌：已知信号通路被成功"复现"
CellRefiner在人类鳞状细胞癌Visium数据上成功识别了四条已知的接触性信号通路：
EPHB
：在肿瘤区域边界富集，对应肿瘤角质形成细胞与肿瘤微环境之间的关键相互作用； NOTCH
：在肿瘤内部富集，已知的促血管生成信号； ICAM
：在肿瘤区域活性降低，与实验观察一致； CDH（E-Cadherin）
：介导肿瘤内部的细胞间粘附。
此外，还发现了EPHA、MPZ、CD39、CD46、桥粒和JAM等多种参与细胞粘附和桥粒形成的富集信号。
小鼠皮层：发现spot层面的"隐藏异质性"
在小鼠皮层中，CellRefiner识别出NOTCH、CDH、EPHA、EPHB、NRXN和SEMA4等多条重要信号通路，均与已知的神经生物学功能一致：
NOTCH
：跨皮层各层显著，可能参与神经干细胞维持和细胞周期调控； CDH
：介导神经元迁移和组织，特别发现皮层各层与Sst中间神经元之间的显著CDH信号，提示CDH在将此类中间神经元整合入皮层回路中的作用； EPHA/EPHB
：从各类中间神经元向皮层各层的强信号方向性，与神经发生和中间神经元迁移相关； NRXN和SEMA4
：在皮层各层内部显著，与突触形成相关。
