可讓研究人員確定新的細胞亞型，從看似全然混亂的狀態創造出秩序。標志著我們向單細胞基因組邁進了重要的一步。

單細胞RNA測序是一種相對較新的技術，可以幫助科學家們了解基因在不同類型健康組織和癌癥中是如何表達的。它能夠在一次實驗中提供數百個單細胞的基因表達譜數據，從而產生單個細胞類型的準確信息。然而，單細胞轉錄組結構的根本復雜性，對于弄懂這些數據提出了一個重大挑戰。

利用單細胞基因組學，我們能夠選取一個組織的細胞，根據它們的表達譜，把它們分成不同的類型，從而確定可能有一系列功能作用的細胞亞型。但是，為了正確地做到這一點，我們需要處理一些混雜因素，直到現在，我們還沒有可靠的方法解決這些混雜因素。

一種組織類型的樣本具有固有的復雜性：一些細胞將會是新的，一些則是舊的，在任何給定的時間點上它們將處于細胞周期的不同階段。大多數細胞類型也有隱藏的亞型，每一種可能具有不同的功能。該研究小組開發出一種新的單細胞潛變量模型（scLVM），可讓我們檢測和控制隱藏的亞結構，從而使相關的生物信號更容易識別。

已經明確了如何考慮細胞周期階段、測量噪聲或生物學過程這樣的因素，從而可能獲得不同細胞類型和亞型中基因表達的更準確信息。將單細胞分析與統計方法相結合，可讓我們確定細胞類型，否則它們仍然不被發現。

如果你所有的數據都來自于單細胞的基因表達，你就需要一種方法來識別和糾正可區分單個細胞的潛在因素，所以你可以了解其深層的生物學因素。我們的模型解釋了單細胞之間的關聯性，例如它們是否處于細胞周期的相同階段，識別可能混雜的變量，并去除它們。這也使我們更容易發現新的細胞亞型——你可能不知道已存在的變量，然后一并糾正它們。

單細胞類型分析，對于生物醫學研究是至關重要的。我們可以根據已知的、詳細的細胞構成，更好地研究和了解癌細胞、分化過程以及各種疾病的發病機制。現在我們的模型可利用單細胞基因組學進行這種分析。