scHelix：通过显式基因级解耦实现非对称双流整合

单细胞 RNA 测序（scRNA-seq）整合中的一个关键挑战是消除批次效应与保持生物学保真度之间的矛盾。虽然最近的证据表明批次效应在不同基因间表现异质，但大多数现有方法对转录组进行均匀处理，频繁导致过度校正和细微生物学信号的丢失。为了解决这一问题，我们提出了 scHelix，一个数据自适应框架，它通过在输入层显式地将基因划分为域不变锚点和域敏感变体，从根本上改变了特征处理方式。scHelix 利用配备停止梯度图缓存的双流稀疏扩散编码器来高效学习多尺度结构表示。我们方法的核心是一种新颖的非对称“对齐-精炼-融合”协议：不稳定的变体流首先被对齐到锚点流的稳健拓扑上，随后在保守的精炼阶段，锚点流通过有界残差门控吸收去噪后的细节。这种分而治之的架构防止了捷径学习，并确保在不损害生物簇完整性的情况下稳健地去除批次效应。广泛的基准测试表明，scHelix 优于现有最先进的方法。