cit_gsa：支持协变量校正的 scRNA-seq 基因集分析方法
cit_gsa: gene set analysis for scRNA-seq with covariate adjustment
研究者提出 cit_gsa，一种面向 scRNA-seq 的一步法自包含基因集差异表达分析方法，可处理两组以上比较并支持协变量校正，弥补了现有两阶段方法仅限两组比较且不支持协变量校正的局限。基准测试显示其在复杂场景下性能优于现有方法；真实数据分析证实引入协变量校正可改善生物学解读。
发生了什么
论文摘要提出cit_gsa，一种面向单细胞RNA测序的基因集水平差异表达分析（DEA）方法，特点是单步、自包含，支持两个以上条件的比较，并允许协变量调整。作者指出现有单细胞DEA方法依赖先做基因水平分析、再做富集的两步流程，多局限于两组比较且不支持协变量调整。与现有先进方法的基准比较显示cit_gsa在复杂场景下性能更优，真实数据分析确认协变量调整改善了生物学解释。研究获法国国家科研署（ANR-22-PESN-0002）和波尔多大学数字公共卫生研究生院（17-EURE-0019）资助，作者声明无利益冲突。
为什么重要
它回应的是单细胞基因集分析的一个具体短板：当实验是多组设计或存在批次、供体等混杂因素时，两步法功效受限，且容易把协变量效应误读为生物信号，cit_gsa把协变量调整纳入一步检验，并用真实数据展示了这对生物学解释的影响。对处理多条件设计或观察性单细胞数据的计算生物学家和统计人员，这直接决定基因集层面的结论是否站得住。据报道，该方法已实现在R包citcdf中，cit_gsa()是该包的两大入口函数之一，可直接上手复现[1]。
还缺什么
摘要未披露基准测试中对比的具体方法名单、性能指标数值和所用数据集，也未说明真实数据分析用了哪些数据；统计检验的构造细节、计算开销、是否经过同行评审及发表期刊均待确认。据报道，citcdf包的用户指南明确不含cit_gsa()基因集分析部分的教程，实际使用者还需查完整文档[2]。下一步看论文全文里复杂场景如何定义、协变量调整在真实数据上具体改变了哪些生物学结论，以及是否有人在独立数据上复现。
- 1.README - citcdf · cloud.r-project.org 2026
- 2.User guide to the citcdf R package · ftp.sun.ac.za 2026
来源：bioRxiv Genomics · biorxiv.org