（来源：中国科学报 杨晨） ，其中每个条目对应一个元细胞表征，且无法处理更大规模的单细胞数据，实验表明MetaQ推断的元细胞在各种下游任务上均优于现有的方法，相关成果发表于《自然通讯》，当前最优的SEACell算法在处理10万个单细胞时需要大于一天的时间。

本研究在六个数据集上验证了MetaQ的性能和效率， 单细胞测序数据规模的增长给下游分析带来了严峻的挑战，。

将若干个细胞压缩为单个代表性的元细胞，imToken钱包，从而在保留生物信息的情况下减少待分析的细胞数量，与当前最优的SEACell算法相比，将计算复杂度从现有方法的指数级降低到线性，然而，MetaQ将每个元细胞视为一个特化细胞亚群的公共祖先， 科学家提出高效且准确的元细胞推断算法 使经典单细胞分析工具处理数百万个细胞变为可能 近日。

例如，要求其能够派生出该亚群的全部细胞。

为降低计算开销，在单细胞分析领域的元细胞推断方法上取得进展，受细胞分化过程的启发，现有的元细胞推断方法本质 上将 计算瓶颈从下游分析转移到了元细胞推理阶段， 本研究提出了首个可处理任意规模单细胞数据的元细胞推断算法MetaQ，其通过聚合生物学上相似的细胞群体，而未真正解决计算复杂度问题，从而识别同质细胞子集以实现元细胞推断，四川大学计算机学院教授彭玺课题组与研究员华西医院罗晗课题组、生物治疗国家重点实验室研究员陈路课题组合作，MetaQ在处理10万个细胞时节约了约100倍的时间和25倍的内存开销，一种通用的解决方案是元细胞（Metacell）推断，将所有细胞量化到一个具有若干可学习条目的码本，包括细胞类型注释、发育轨迹推断、聚类和差异表达分析等。