DyMoTree 使用树结构神经网络从单细胞转录组中解析早期细胞状态转变及其驱动因素

从单细胞RNA测序数据中推断早期细胞命运，对于识别发育和疾病过程中的细胞起源及命运可塑性至关重要。然而，现有方法往往未能充分利用树状结构的谱系轨迹，从而限制了命运图谱构建的准确性和可解释性。在此，我们提出 DyMoTree，这是一种计算框架，可在显式谱系约束下，将细胞命运决策建模为祖细胞状态与终末细胞状态之间的非线性映射。通过将谱系图与树状结构神经架构相结合，DyMoTree 从单细胞转录组中学习谱系分辨的细胞状态转变映射，从而能够稳健推断早期命运偏向，并识别命运特异性祖细胞亚状态及驱动基因。在模拟数据、谱系追踪实验和体内系统中，DyMoTree 在解析早期命运偏向方面优于现有方法。其在小鼠胚胎发生、肺腺癌进展和 CAR-T 免疫治疗中的应用揭示了发育及疾病相关转变背后的调控程序。DyMoTree 为建模发育和疾病进展过程中谱系分辨的细胞状态动态提供了一个通用框架。

从单细胞RNA测序数据中推断早期细胞命运，对于识别发育与疾病过程中的细胞起源及命运可塑性至关重要。然而，现有方法往往未能充分利用树状结构的谱系轨迹，从而限制了命运映射的准确性和可解释性。本文提出DyMoTree，这是一种计算框架，将细胞命运决策建模为在显式谱系约束下祖细胞状态与终末细胞状态之间的非线性映射。通过将谱系图与树状结构神经网络架构相整合，DyMoTree能够从单细胞转录组中学习谱系分辨的细胞状态转变映射，从而稳健推断早期命运偏向，并识别命运特异性祖细胞亚状态及驱动基因。在模拟数据、谱系追踪实验和体内系统中，DyMoTree在解析早期命运偏向方面优于现有方法。其在小鼠胚胎发生、肺腺癌进展和CAR-T免疫治疗中的应用揭示了发育及疾病相关转变背后的调控程序。DyMoTree为建模发育与疾病进展中谱系分辨的细胞状态动态提供了一个通用框架。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.09.731114v1?rss=1

🏷️ 单细胞转录组 细胞命运推断 谱系轨迹 树结构神经网络 驱动基因识别