scRNA-seq 中的可解释性问题
单细胞 RNA-seq 分析越来越依赖深度学习——scVI 做批次校正、CellTypist 做注释、scVelo 做轨迹推断。这些模型效果很好，但都是黑箱。当你的 AI Agent 将 50,000 个细胞聚类成 15 种类型时，你能解释为什么某个细胞被分到了第 7 簇吗？
对于可发表的研究，"模型说的"是不够的。审稿人需要知道哪些基因驱动了分类、批次效应是否污染了嵌入、注释的置信度到底有多高。
本指南介绍为 scRNA-seq AI 工作流带来可解释性的工具和技能。
"可解释" 在 scRNA-seq 中的三个层次
- 特征归因 — 哪些基因对预测最重要？（SHAP 值、注意力权重）
- 置信度评分 — 模型对这个细胞类型标签有多确定？（后验概率、熵）
- 潜在空间可解释性 — scVI/scANVI 嵌入中的维度实际代表什么？
大多数现有 scRNA-seq 流水线都不处理这些。以下是如何添加它们。
工具 1：SHAP 用于基因重要性分析
作用： SHAP 为每个预测的每个基因分配重要性分数——不仅是全局的，而是逐细胞的。
对 scRNA-seq 的意义： 不再只是"这个细胞是 T 细胞"，而是"这个细胞是 T 细胞，因为 CD3D、CD3E 和 IL7R 高表达，且 CD19 缺失。"
OpenClaw 技能：
clawhub install shap工具 2：scVI 后验分析
作用： scVI 提供概率性潜在空间——每个细胞嵌入都带有不确定性估计。
意义： 你可以量化模型对细胞在 UMAP 特定区域的"置信度"。高不确定性 = 细胞可能处于过渡态或特征不明确。
OpenClaw 技能：
clawhub install scvi-tools工具 3：CellTypist 置信度分数
作用： CellTypist 不仅分配标签，还提供每个细胞对每种可能细胞类型的概率分数。
意义： 95% 置信度的 "CD8 T 细胞" 和 51% 置信度的标注完全不同。后者可能是过渡态或注释错误。
OpenClaw 技能：
clawhub install bio-single-cell-cell-annotation工具 4：UMAP 可信度指标
作用： UMAP 用于可视化很好，但可能创造误导性的聚类。可信度指标量化你应该多信任 2D 布局。
关键指标：
- 可信度分数 — UMAP 中的邻近点在高维空间中也邻近吗？
- 连续性分数 — 高维空间中的邻近点在 UMAP 中也邻近吗？
- 轮廓系数 — 聚类分离度如何？
工具 5：GRN 推断用于机制解释
作用： 基因调控网络推断识别哪些转录因子调控哪些靶基因——为细胞状态差异提供机制性解释。
意义： 不再是"第 5 簇高表达这 50 个基因"，而是"第 5 簇由转录因子 FOXP3 驱动，激活了这些下游靶点"。
OpenClaw 技能：
clawhub install arboreto可解释 scRNA-seq 流水线
1. QC & 预处理 ──→ scrna-orchestrator (ClawBio)
2. 批次校正 ────→ scvi-tools（概率性，带不确定性）
3. 聚类 ────────→ scanpy (Leiden)
4. 注释 ────────→ CellTypist（带置信度分数）
5. 解释 ────────→ SHAP（每个聚类的基因重要性）
6. 验证 ────────→ UMAP 可信度 + 轮廓系数
7. 机制 ────────→ arboreto (GRN 推断)每一步都产生可解释的输出。没有黑箱。
为什么这对发表论文很重要
期刊越来越要求可解释性：
- Nature Methods 社论（2025）："作者应报告自动化细胞类型注释的置信度指标"
- Genome Biology 审稿指南现在包括"解释关键生物学发现的模型决策"
- STAR Methods 部分预期需要讨论可重复性和可解释性
可解释流水线不仅是好的实践——它正在成为发表要求。
相关资源
最后更新：2026 年 3 月 27 日。所有技能均积极维护，免费安装。