生信爱好者周刊（第 75 期）：学术需要批判氛围¶

这里记录每周值得分享的生信相关内容，周日发布。

本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。

封面图¶

本周话题：学术需要批判氛围 ¶

我们的大学和学术界普遍缺乏批判氛围，这既有历史文化传统中长者为尊的因素，也有大学教师自身原因。正如钱理群先生提到某些中国知识分子的精致主义，就是只顾自己利益，凡是对我个人不利的事情坚决不做，而批评别人，尤其是批评某些权威人士往往就会伤害到自己。事不关己高高挂起，明哲保身是精致主义的典型特征，这与批判精神相悖。

@He-Kai-fly - 只有把握好学术批判利弊之间微妙的客观思想和个人情感的平衡，个人和社会才能有所进步和提高。

生信研究¶

1、Cancer Discovery | 多区域单细胞测序解析肺腺癌的空间和细胞结构

德克萨斯大学安德森癌症中心的研究团队利用单细胞测序技术系统地研究了人早期肺腺癌（lung adenocarcinoma，LUAD）组织及癌旁和远端肺样本的单细胞数据，构建了肺上皮细胞、免疫细胞等其他多个细胞群体的转录组学数据集，揭示了早期肺癌演化的特征，为研究LUAD演化轨迹和制定早期肺癌治疗策略提供了宝贵资源。感谢董炜投稿。

论文链接：https://aacrjournals.org/cancerdiscovery/article/11/10/2506/665617/Resolving-the-Spatial-and-Cellular-Architecture-of

2、Nature Machine intelligence| 华大智造研发团队发布基于对比学习的多模态单细胞算法，快速实现千万级单细胞多组学数据建模

近日，华大智造研发团队在Nature Machine intelligence（IF=25.898）上在线发表了题为“Contrastive learning enables rapid mapping to multimodal single-cell atlas of multimillion scale”的研究成果。研究人员开发了一种基于对比学习的多模态单细胞算法工具——Concerto（协奏曲）。”协奏曲”的命名，既包含了“对比学习建模细胞表征”的英文首字母，又暗含了组织器官中不同类型、不同状态的细胞协同发挥作用之意。该算法通过自监督训练的方式，可快速对千万级无标注的单细胞多组学数据进行建模，得到的细胞表征（cell embedding）可以用于自动注释、多模态整合、聚类、跨批次整合、参考映射注释等下游应用。目前，Concerto在各项任务都展现了优异的性能，进一步丰富了单细胞大数据领域的算法工具。

论文链接：https://www.nature.com/articles/s42256-022-00518-z

3、 Nature发布15万人全基因组测序研究成果，揭示多个罕见变异的性状关联

冰岛雷克雅未克大学联合deCODE Genetics公司、安进公司等团队对来自英国生物银行（UKB）的150119个个体的WGS数据进行分析，重点介绍了发现的具有较大影响的罕见变异性状关联，这些信息是WES和SNP阵列数据集难以鉴定或无法鉴定的。这是迄今规模最大的全基因组测序工作。该研究结果已发表Nature上。

论文链接：https://www.nature.com/articles/s41586-022-04965-x

4、Nat Med | 基于73万人遗传和健康数据揭示遗传风险因素对寿命的影响

芬兰赫尔辛基大学FIMM分子医学研究所的研究团队将来自两项生物库研究的80种疾病的遗传关联结果与2019年GBD研究的DALY预估值相结合，阐述了遗传变异对个人和群体层面上健康寿命年数损失的影响。该研究将不同的遗传风险因素按其对健康的影响进行排序，并将遗传风险因素与传统的可改变风险因素进行比较，提出了遗传风险因素的比较风险评估模板。 - 论文链接：https://www.nature.com/articles/s41591-022-01957-2

5、Nat Commun | 利用机器学习准确分析FFPE样本的基因组学特征，解锁临床癌症样本的遗传密码

美国赫尔辛基大学研究团队从FFPE样本中提取了福尔马林暴露导致的全基因组突变特征，并设计了FFPEsig算法。该算法能够准确分析癌症活检FFPE样本中基因组学数据，使用机器学习方法校正了受损DNA，并揭示肿瘤样本中真正的突变过程。该方法能够对FFPE样本进行稳健的突变特征分析，从而为使用FFPE-WGS数据进行临床应用铺平了道路，有助于在数百万现有癌症储存样本中释放巨大的医学价值。

论文链接：https://www.nature.com/articles/s41467-022-32041-5

博文咨询¶

6、Wasmtime 1.0 正式发布：快速、安全、可用于生产环境

历经三年开发，Bytecode Alliance（字节码联盟）宣布 WebAssembly runtime —— Wasmtime 1.0 正式发布，并可用于生产环境。Wasmtime 是 Bytecode Alliance 开发的 WebAssembly runtime，采用 Rust 编写，构建于编译器 Cranelift 之上。Wasmtime 完全开源，符合 WASI 标准，还支持与 C/C++、Python、.NET、Go 和其他编程语言集成，可运行在 Windows/Linux/macOS 等平台。

Release Process: https://docs.wasmtime.dev/stability-release.html
发布公告：https://bytecodealliance.org/articles/wasmtime-1-0-fast-safe-and-production-ready

7、使用TPM/FPKM/RPKM进行差异分析真的可以消除系统误差吗？

本文通过解读一篇文章探索差异表达分析一个比较有意思的数据科学问题：虽然TPM/FPKM/RPKM是一种“全局归一化”，在理论上可以消除线性系统误差。但是，研究者认为这种假设对组学数据分析来说太天真了，并且强调组学数据的非线性系统误差没有生物信息学方法可以消除，并以GSE159751为例进行了相关分析。