单细胞测序能刻画肿瘤异质性，却难以把细胞状态与患者级表型稳定对应，尤其在缺少细胞级注释时，计算衔接困难。2026 年 9 月 14 日，腾讯 AI for Life Sciences Lab姚建华团队在 Nature Communications 发表题为《scTransMIL bridges patient-level disease states and single-cell transcriptomics for cancer screening and heterogeneity inference》的研究，他们提出 scTransMIL，把患者样本看作包含多个细胞的包，用 Transformer 多实例学习连接单细胞转录组与样本级癌症标签，并完成癌症筛查和异质性推断。

scTransMIL 采用全转录组秩值编码，把细胞基因表达排成序列，用 6 层 Transformer 提取初始嵌入，再通过门控编码器过滤与包标签无关的信息，输出细胞肿瘤分数和门控嵌入。包聚合器按肿瘤分数加权整合细胞，先判断样本是肿瘤还是正常，若为肿瘤再预测具体癌型，训练时联合包级交叉熵和自适应聚类损失。研究团队在 104 个数据集、1563 个样本、约 400 万细胞和 30 种癌症上评估，按供者划分训练、验证和测试集并重复 7 次，scTransMIL 在准确率、AUC 和 F1 上优于 KIDA、DEGAS、scIDST 及 scVI+MIL 等基线，数据量增加时性能提升，单包推理约 245 秒，低于 DEGAS 的 720 秒。

甲状腺癌 GSE184362 中，局部肿瘤信号容易被正常微环境稀释，KIDA 等伪 bulk 方法分数偏低，DEGAS 和 scIDST 也难区分早期信号，scTransMIL 把患者 5 癌旁样本判为阳性，预测分数 0.64，高肿瘤分数集中在可能癌前病变的甲状腺滤泡上皮细胞。癌症类型预测中，scTransMIL 能匹配原发和转移样本癌型，在外部 BRCA 数据集保持较高准确率，单细胞 UMAP 显示肿瘤分数与恶性注释对应较好。急性淋巴细胞白血病分析中，scTransMIL 肿瘤分数与 CNV 推断的恶性 B 细胞一致，注意力机制找回 CD79A、PIMT 和 BLK，传统 Wilcoxon 差异分析漏掉 BLK。

未纳入泛癌训练的急性髓系白血病数据上，研究团队比较不微调、只微调包聚合器以及微调最后两个 Transformer 块和包聚合器三种策略，后一种在少量标签下准确率和 F1 更优，10 例肿瘤和 3 例正常训练样本时性能接近平台。微调后实例嵌入重建造血干细胞到单核细胞的连续分化轨迹，肿瘤分数与恶性注释更一致，研究团队识别出 6 个 AML 恶性亚型，覆盖 HSC 样、GMP 样到 Mono 样状态，纵向样本显示治疗中肿瘤负荷和亚型组成变化。671 例 bulk AML 生存分析中，HSC 样亚型预后较差，GMP 样亚型较好，亚型特异基因富集到免疫逃逸和分化通路。

READING

BioPeers