- 3 次围观
细胞命运动态不仅由细胞最终到达何种状态所定义，也由命运程序在何时出现、分化以及重塑群体结构所决定。近年来，大量研究致力于基于时间分辨的单细胞 RNA 测序和空间转录组学重建这些动态过程。然而，这一任务十分困难，因为这些测量仅提供破坏性的快照，而非连续的分子历史。另一方面，目前已有多种谱系追踪方法可用，能够作为时间约束来连接这些离散信息。挑战在于如何利用并统一这些多样的祖源记录，以重建连续的细胞状态动态。本文提出 PhyloFM，这是一种受谱系约束的流匹配框架，可将异质性的谱系信息映射到细胞命运锚定拓扑上，并在经拓扑正则化的潜在几何空间中学习连续速度场以及细胞相对丰度变化。基于同一组整合轨迹，PhyloFM 可预测群体输运、未来命运概率、承诺时序，以及分支分辨的基因和模块水平投影动态。 我们在五种谱系追踪场景中测试了 PhyloFM，涵盖秀丽隐杆线虫胚胎发生、LARRY 造血过程、pandaCREST 腹侧中脑发育、斑马鱼心脏再生以及空间 eTracer 肿瘤。在秀丽隐杆线虫中，相较于最先进的动态基线方法，我们的方法将群体输运性能提高了 17.3%，将基于谱系依据的动态误差降低了 16.3%；相较于额外的谱系感知对照方法，输运误差进一步降低了 26.6%。独立的 EPIC GFP 报告基因轨迹支持了所推断的前神经、纤毛神经元和晚期选择子程序的时序，其中 67% 的匹配报告基因显示 Pearson r > 0.6。在空间 eTracer 肿瘤基准测试中，相较于最佳空间基线方法，PhyloFM 将基于克隆依据的命运预测准确率提高了 70.4%。综上，这些分析表明，多样化的谱系记录可以作为生物学约束，用于从单细胞快照中重建连续且可解释的分子命运动态。
细胞命运动态的定义不仅取决于细胞最终到达何处，还取决于命运程序在何时出现、分化以及重塑群体结构。近年来，大量研究致力于利用具有时间分辨率的单细胞RNA测序和空间转录组学来重建这些动态过程。然而，这一任务颇具挑战性，因为这些测量只能提供破坏性的瞬时快照，而非连续的分子历史。另一方面，目前已出现多种谱系追踪方法，可作为时间约束来连接这些离散信息。挑战在于，如何在重建连续细胞状态动态的过程中利用并统一这些多样化的祖先记录。在此，我们提出PhyloFM，这是一种谱系约束的流匹配框架，可将异质性的谱系信息映射到细胞命运锚定拓扑之上，并在经拓扑正则化的潜在几何中，同时学习连续速度场以及细胞相对丰度变化。基于同一组整合轨迹，PhyloFM能够预测群体输运、未来命运概率、命运承诺时序，以及分支分辨的基因和模块水平投影动态。我们在五种谱系追踪场景中测试了PhyloFM，涵盖秀丽隐杆线虫胚胎发生、LARRY造血过程、pandaCREST腹侧中脑发育、斑马鱼心脏再生以及空间eTracer肿瘤。在秀丽隐杆线虫中，与当前最先进的动态基线方法相比，我们的方法将群体输运性能提高了17.3%，将基于谱系的动态误差降低了16.3%；相较于额外的谱系感知对照方法，输运误差降低了26.6%。独立的EPIC GFP报告基因追踪支持了所推断的前神经、纤毛神经元和晚期选择子程序的时序，其中67%的匹配报告基因显示Pearson r > 0.6。在空间eTracer肿瘤基准测试中，与最佳空间基线方法相比，PhyloFM将基于克隆的命运准确率提高了70.4%。综上，这些分析表明，多样化的谱系记录可以作为生物学约束，用于从单细胞快照中重建连续且可解释的分子命运动态。
感谢您关注并帮助传播bioRxiv的研究成果。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.29.741462v1?rss=1
🏷️ 单细胞转录组 谱系追踪 细胞命运动态 流匹配 空间转录组学 发育轨迹重建