RNA可变剪接是基因转录后调控的重要过程，其中蕴含转录本结构和功能多样性信息，是细胞转录异质性的重要来源。单细胞RNA测序技术因测序深度低、数据噪音及缺失率高等问题，在单细胞尺度精确量化可变剪接事件中存在较大挑战。近日，中国科学院北京基因组研究所（国家生物信息中心）研究员刘肇祺团队，开发出单细胞可变剪接事件识别与定量推断算法——SCSES。该方法能够准确还原单细胞分辨率水平可变剪接的动态变化，为学界理解细胞类型与状态异质性提供了新的分析视角。SCSES算法基于复杂网络信息传播模型，融合细胞剪接相似性和剪接事件相似性等多维信息，可实现对单个细胞剪接状态的推断。该算法利用RNA绑定蛋白基因表达谱、原始junction测序读段及原始PSI矩阵，构建出细胞剪接相似性网络，并整合剪接事件序列特征及剪接调控关系，建立了剪接事件相似性网络。进一步，面对数据中存在的四种典型缺失值情境，SCSES基于不同的相似性网络，设计了三种针对性的缺失值补全策略，实现了单细胞内剪接强度的准确刻画。研究团队通过模拟数据和真实生物学数据，系统评估了SCSES与当前已有可变剪接分析方法的性能差异。结果显示，SCSES在剪接事件强度恢复准确性和差异剪接事件识别方面均优于现有方法。同时，在多种干细胞和胚胎发育数据集中，SCSES在细胞亚群划分与发育轨迹重建中展现出良好的生物学一致性。实际应用中，SCSES在多种重要生物学场景中展现出对细胞异质性更高的分辨能力。在多发性骨髓瘤耐药性研究中，SCSES在初诊患者样本中识别出了具有潜在硼替佐米耐药特征的细胞亚群，这一发现难以通过传统基因表达分析获得；在胚胎发育研究中，SCSES解析了中内胚层向内胚层转化过程中的剪接动态，揭示关键剪接事件或参与调控细胞分化进程。此外，SCSES在基于inDrop平台的造血干细胞分化数据集中，解析了单核细胞亚群间的剪接异质性，表明SCSES具有在基于微流控技术数据中进行细胞异质性分析的能力。SCSES是具备多场景适应能力的单细胞剪接分析工具，可有效应用于不同生物背景、物种及测序平台的剪接分析，为肿瘤异质性、发育生物学及疾病机制研究提供了工具。相关研究成果发表在《自然-通讯》（Nature Communications）上。研究工作得到国家自然科学基金委员会、科学技术部等的支持。论文链接SCSES计算流程框架