scSurvival：基于单细胞分辨率的临床癌症队列数据生存分析

生存分析是癌症研究的基础。技术进步使得越来越多的队列水平癌症研究能够将单细胞测序与临床生存数据相结合。然而，目前尚无有效策略可直接基于单细胞数据建模生存结局。为填补这一空白，我们提出了scSurvival——一个基于注意力的多实例Cox回归框架，该框架将每个肿瘤样本建模为细胞集合，从而在患者和单细胞水平预测生存结局。为处理高维度、稀疏性和批次效应，scSurvival整合了基于变分自编码器的特征提取模块与生成式建模，以增强特征鲁棒性和跨批次泛化能力。综合模拟实验证明scSurvival具有卓越的性能和可扩展性。在黑色素瘤和肝癌单细胞RNA测序（scRNA-seq）队列中，scSurvival能准确预测患者结局，并识别对生存最关键的关键细胞亚群。总体而言，scSurvival在揭示生存相关细胞亚群的同时实现了患者生存的稳健预测，推动了癌症研究中单细胞生存分析的发展。意义：生存分析是临床肿瘤学的核心，但目前尚无工具能直接基于单细胞数据建模生存结局。scSurvival通过结合生存信息从scRNA-seq数据预测患者结局并识别关键细胞亚群，填补了这一空白，实现了可扩展的分析，并促进了队列水平单细胞分析在癌症研究中的更广泛应用。