Genome Med | 杨梦/俞扬团队：基于强化学习解码单细胞肿瘤克隆演化

本文报道了华大智造杨梦团队与南京大学俞扬团队在《Genome Medicine》上发表的一项研究。背景：肿瘤演化是一个充满细胞异质性的动态过程，单细胞转录组技术虽能高分辨率解析克隆多样性，但数据稀疏性和技术噪声给克隆结构推断和演化轨迹重构带来挑战。研究目的：开发基于强化学习的计算框架scRevol，利用单细胞组学数据解码肿瘤克隆演化，克服现有算法依赖强模型假设和噪声处理局限。结论：scRevol通过将无监督聚类重构为马尔可夫决策过程，使用近端策略优化算法以聚类质量为奖励信号，结合最小生成树重构演化层级。在模拟数据和真实数据中，scRevol在克隆识别精度、拓扑准确性及噪声稳定性上优于现有工具。应用于高级别浆液性卵巢癌临床队列时，成功解析了克隆结构，识别出共享亚克隆和组织特异性亚克隆，并揭示了演化后期免疫抑制重塑相关通路。该研究展示了强化学习在单细胞组学特征提取与降噪中的潜力，为肿瘤克隆演化分析提供了准确且具生物学解释性的框架。