摘要：单细胞测序的出现为个性化治疗开辟了新的途径。在本研究中，我们解决了二级聚类同步主题子群发现问题（主题级别）和细胞类型检测（单元格级别）用于来自多个受试者的单细胞表达数据。当前的统计方法要么是不考虑受试者异质性的聚类细胞，要么是不使用单细胞信息的分组受试者。为了弥合细胞聚类和主题分组之间的差距，我们开发了一个非参数贝叶斯模型——单细胞表达数据的主题和细胞聚类（SCSC）模型，以同时实现主题和细胞分组。SCSC模型不需要预先指定主题子组编号或单元类型编号。它会自动归纳主题子组结构，并跨主题匹配单元格类型。此外，它通过故意考虑数据的丢失、库大小和过度分散，直接对单细胞原始计数数据进行建模。提出了一种用于后验推断的分块吉布斯采样器。模拟研究和对多受试者诱导的多能干细胞单细胞RNA测序数据集的应用验证了SCSC模型同时聚类受试者和细胞的能力。

关键词：马尔可夫链蒙特卡罗，混合物，基于模型的聚类，非参数贝叶斯，单细胞RNA测序。