scTrilemma：平衡单细胞表征学习中的身份、不变性与表达

基于摘要分析。该研究面向单细胞 RNA-seq 的无标签表征学习：细胞身份、状态与组织背景需要通过分析发现，而同一变异来源究竟是有效信号还是干扰取决于分析任务。作者提出 scTrilemma，将保持生物学身份与状态、抵抗干扰性上下文、保留基因表达变异之间的“表征三难困境”建模为信息路由问题。 方法采用潜在瓶颈 VAE，在单一重建目标下结合表达门控的基因编码、经由解码器的细胞表征路由，以及由 pseudo-bulk 推导的先验条件化。其核心研究问题是：不依赖目标标注或辅助表征损失，仅由表达数据驱动的路由能否协调上述三种需求。摘要未给出门控计算、路由实现、先验构造及损失的具体数学形式。 在 CZ CELLxGENE Census 连续发布版本上的基于版本的零样本评估中，作者报告，scTrilemma 在保持较强生物学身份表征的同时改善上下文不变性与表达保真度，并在多个疾病场景中保留生物学状态、差异表达及通路结构。摘要未提供具体版本、数据规模、划分细节、对照基线或指标数值，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其“保留任务相关变异，同时抑制干扰”的信息路由思想可能对应 EEG 中神经状态与被试、会话背景相互混杂的瓶颈，但这是机制类比，不是已证实的 BCI 效果。可考察瓶颈与路由设计；基因门控、pseudo-bulk 先验及表达重建目标则需按 EEG 的通道和时间结构重新设计。低信噪比、小数据及跨被试通道差异可能导致路由抑制有效神经信号，或优先保留伪迹。一个可证伪的小实验是假设路由能改善跨会话任务表征，在固定数据划分与训练预算下比较普通 VAE 和路由变体，同时评估任务信息保持、会话信息可辨识性及信号重建质量。相关 EEG 工作尚未检索确认。