scINSIGHT for interpreting single-cell gene expression from biologically heterogeneous data
包含模拟数据基准测试、三个真实数据应用（黑色素瘤、COVID-19、皮肤创面）以及计算性能评估，并进行了与多种方法的比较验证。
模拟单细胞数据（6个样本，3个时间点） 黑色素瘤患者的CD8+ T细胞（48个肿瘤活检样本） COVID-19患者外周血B细胞（14个血液样本） 小鼠皮肤创面真皮细胞（对照与Hh激活条件）
模拟数据中，三个细胞类型（C1, C2, C3）在所有样本中存在，而C4, C5, C6仅存在于特定条件；每个样本每种细胞类型100个细胞 黑色素瘤数据中，48个肿瘤样本来自32例患者，分为31例无应答（NR）和17例应答（R） COVID-19数据中，14个血液样本分为5例健康、4例复杂、5例恢复/出院前 皮肤创面数据中，两个样本（对照和Hh激活） scINSIGHT参数：K（公共模块数）在模拟中为13，黑色素瘤为9，COVID-19为13，创面为11；λ1=λ2在模拟中为0.01，黑色素瘤和COVID-19为1，创面为0.1
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
使用已知的细胞类型组成和条件特异性效应，评估scINSIGHT的聚类性能和整合能力。
使用scDesign模拟了六个单细胞样本，属于三个时间点（T1, T2, T3），每个时间点两个样本。包含六种细胞类型，其中C1-C3在所有样本中，C4-C6仅在特定条件中出现。将scINSIGHT应用于模拟数据，并与六种先进方法（Seurat、LIGER、Harmony、scMerge、scGen、Scanorama）进行比较。
验证scINSIGHT在真实数据中整合来自不同患者和条件的样本，并识别与免疫治疗应答相关的T细胞状态。
应用scINSIGHT到48个黑色素瘤肿瘤活检样本的CD8+ T细胞单细胞数据（6350个细胞），将NR/R作为条件因子，识别细胞聚类和公共/条件特异性基因模块。与Seurat、LIGER、Harmony、scGen、Scanorama比较。
评估scINSIGHT在复杂临床数据中识别与疾病阶段相关的B细胞亚型和基因模块的能力。
应用scINSIGHT到14个外周血样本的9741个B细胞数据，将疾病阶段（健康、复杂、恢复/出院前）作为条件因子，识别公共和阶段特异性基因模块，并使用SingleR注释细胞类型。与六种方法比较。
测试scINSIGHT在仅有两个样本（每个条件一个）时，识别细胞类型和公共模块的能力。
应用scINSIGHT到对照和Hh激活条件下的鼠真皮细胞单细胞数据，将条件因子设为对照/治疗，识别公共和条件特异性模块，并注释细胞类型。与六种方法比较。
评估scINSIGHT的计算性能，并与现有方法比较。
记录了scINSIGHT和其他六种方法在多个数据集上的运行时间和内存使用，包括模拟数据、黑色素瘤、COVID-19、创面和小鼠视网膜数据集。
按研究目的归类文中使用的方法，便于定位所需技术。
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 模拟数据生成 | 模拟样本数量、细胞类型组成、每个细胞类型的细胞数、条件效应权重（0.9和0.1） 阅读提示：Methods: Simulation and analysis of synthetic data |
| 黑色素瘤数据整合 | 基因特征选择（CD8+基因签名或2000个高度可变基因）、条件因子（NR/R）、参数K和λ1/λ2值（K=9，λ1=λ2=1） 阅读提示：Methods: Analysis of real data（黑色素瘤部分） |
| COVID-19数据整合 | 基因特征选择（2000个高度可变基因）、条件因子（疾病阶段）、参数K和λ1/λ2（K=13，λ1=λ2=1） 阅读提示：Methods: Analysis of real data（COVID-19部分） |
| 皮肤创面数据整合 | 条件因子（对照/治疗）、参数K和λ1/λ2（K=11，λ1=λ2=0.1） 阅读提示：Methods: Analysis of real data（创面部分） |
| 计算性能评估 | 运行时间、内存使用、数据集大小 阅读提示：Results: Computational time and memory usage |
