Josep Carreras白血病研究所的研究团队开发了一种整合单细胞多组学数据的新方法，能够更精确地识别组织和器官中的罕见细胞类型和状态。该研究发表于《Genome Biology》期刊，由Elisabetta Mereu博士领导，并与麻省理工学院和哈佛大学的研究人员合作进行。

该团队引入了一种名为scOMM的机器学习工具，用于在不同单细胞分析方法中分类和比较细胞类型。这一工具已公开可用，并在肾脏、血液和心脏组织中进行了测试。通过整合多种数据模态，如scRNAseq和snATACseq，研究人员能够增强对细胞多样性的洞察力，克服单一方法的局限性，从而更全面地描述复杂组织。

作为概念验证，团队分析了来自19名捐赠者的肾脏样本，共计199,744个细胞。整合单细胞多组学数据后，他们成功识别出两种罕见细胞类型，这些细胞与疾病器官相关，此前未在现有肾脏细胞图谱中检测到。这展示了整合方法在提升细胞识别精度方面的潜力，有助于推动人类细胞图谱项目的进展，该项目涉及103个国家的18个科学网络。

研究团队还在心脏和独立肾脏数据集中验证了其整合策略，结果表明该方法具有稳健性和可转移性，可推广到不同组织和实验协议。这种整合单细胞多组学数据的方法为更好地表征白血病和淋巴瘤等疾病中的细胞异质性打开了新途径，有望促进医疗保健和医学研究的深入发展。

出版详情：作者：Josep Carreras Leukaemia Research Institute；标题：《Integration of single-cell multiomics data allows a more precise identification of rare cell types and states》；发表于：《Genome Biology》(2026)。