#paper https://doi.org/10.1038/s41587-021-01033-z Nat Biotechnol. 2022. Differential abundance testing on single-cell data using k-nearest neighbor graphs. 传统的单细胞差异丰度检测依赖将细胞划分为聚类再比较比例，但难以捕捉连续轨迹、微小变化，并受批次效应影响。本文提出的 Milo 基于 kNN 图，通过 重叠邻域建模细胞状态，并用 NB-GLM 统计检验，再结合 加权 Benjamini–Hochberg 控制空间 FDR，从而在复杂实验设计中保持准确性和灵活性。实验显示，Milo 在模拟和真实单细胞数据中均优于传统方法，能更敏锐地检测细胞状态变化。它运行高效、内存可控，适用于大规模数据，并可扩展至多组学。总体而言，Milo 提供了一种突破聚类局限的差异丰度检测方法，在疾病、衰老和发育研究中展现广泛应用潜力。