单细胞RNA测序（scRNA-seq）技术能够在单细胞分辨率下揭示细胞异质性和基因调控机制，为比较不同物种间的细胞类型保守性与差异性、解析生命演化规律提供了重要手段。然而，跨物种单细胞转录组数据整合仍面临基因选择、批次效应、物种间进化距离等多重挑战。不同整合方法在不同分析场景下的表现存在差异，如何客观评价并选择合适的方法，成为了跨物种单细胞研究中的重要问题。

中国科学院昆明动物研究所生物多样性基因组中心作为研究所的重要技术支撑部门，依托物种多样性、组学数据分析方面的平台优势，围绕跨物种单细胞转录组数据整合开展系统基准评测研究，为跨物种单细胞数据分析提供了系统化、标准化的技术参考。

近日，生物多样性基因组中心以7种哺乳动物（小鼠、大鼠、树鼩、人、恒河猴、狗和猪）海马组织的单细胞转录组数据为研究对象，从基因选择策略、物种进化亲缘远近、物种数量三个核心维度，设计了27项不同的整合任务，系统评测了13种主流单细胞数据整合方法。

为比较不同方法的性能，中心开发了基于机器学习的ScCrossScore评估模型，该模型以数据驱动的方式对不同方法的整合结果进行打分评估，实现对整合效果更加公平的量化评价。评估结果表明，基于一对一直系同源基因筛选高变基因（HVGs），能够较好兼顾物种间的差异与共有特征；scANVI、scVI这两种基于深度学习的整合方法在近缘和远缘物种整合场景下均保持稳健性能；随着参与整合物种数量增多整合难度也随之增加，scANVI在保持数据质量方面表现最优。中心还搭建了ScCross评估平台，可为研究人员选择跨物种单细胞转录组学数据分析的最佳整合方法提供参考。

该研究以Systematic benchmarking and optimal strategy selection of cross-species integration methods为题，发表于Briefings In Bioinformatics。昆明动物所硕士生王若菻（已毕业）为论文第一作者，昆明动物所研究员王国栋为论文通讯作者。此研究得到了云南省重大科技专项计划（202502AU100002），科技创新2030-重大项目（2021ZD0203900），兵团科技计划（2025AB053），中国科学院战略生物资源计划（KFJ-BRP-004）项目的支持。

文章链接：https://doi.org/10.1093/bib/bbag490

图1　研究内容示意图

图2　13种跨物种整合方法的整体排名

综合得分较高的方法在图中排名靠前，颜色越深表示综合得分越高；对于具体指标而言，得分越高对应的颜色也越深。圆圈的大小反映了各具体指标得分的相对大小，圆圈越大，表示该指标在对应方法中的得分相对较高。