轨迹不确定性框架（TUF）：用于在单细胞轨迹分析中识别过渡态和分支点细胞状态的模块化框架

单细胞轨迹推断方法能够为细胞分配伪时间坐标，但对于分配不确定性所提供的信息有限，尤其是在过渡状态和分支点处。我们提出了轨迹不确定性框架（Trajectory Uncertainty Framework，TUF），这是一种模块化的下游分析方法，为单细胞数据定义了二维不确定性坐标系。TUF 将局部不确定性分解为时间熵评分（Temporal Entropy Score，TES；时间异质性）和轨迹发散评分（Trajectory Divergence Score，TDS；方向性发散）。合成数据基准分析表明，联合解读 TES 和 TDS 有助于区分真实的命运分叉。将该框架应用于胰腺内分泌发生、肠上皮、胶质母细胞瘤和乳腺癌数据集时，TUF 坐标系能够识别已知的过渡性细胞群体。为分离超越肿瘤基础生物学特征的不确定性转录驱动因素，我们采用了分数型 logit 残差分析。结果显示，TES 和 TDS 与情境特异性的过渡程序相关：在胶质母细胞瘤中，残差 TES 富集于炎症性重塑，而 TDS 标记增殖和代谢应激；在乳腺癌中，残差 TES 富集于上皮—间质转化（EMT）相关程序及细胞外基质重塑程序，而 TDS 则标记不同的谱系相关程序。这些轴之间的基因重叠极少（胶质母细胞瘤中 Jaccard 指数为 0.079；乳腺癌中为 0.028），并且在独立的 Julia 和 Python 实现中均保持稳健。SiCell.jl 提供了 TUF 的高效开源实现，并依据 MIT 许可证通过 Julia General Registry 和 GitHub 发布。

单细胞轨迹推断方法能够为细胞分配伪时间坐标，但对于分配不确定性所提供的信息有限，尤其是在过渡状态和分支点处。我们提出了轨迹不确定性框架（Trajectory Uncertainty Framework，TUF），这是一种模块化的下游分析方法，为单细胞数据定义了二维不确定性坐标系。TUF将局部不确定性分解为时间熵评分（Temporal Entropy Score，TES；时间异质性）和轨迹分歧评分（Trajectory Divergence Score，TDS；方向性分歧）。合成数据基准表明，联合解读TES和TDS有助于区分真实的细胞命运分叉。在应用于胰腺内分泌发生、肠上皮、胶质母细胞瘤和乳腺癌数据集时，TUF坐标系能够识别已知的过渡性细胞群。为分离超出肿瘤基础生物学特征之外的不确定性转录驱动因素，我们采用了分数logit残差分析。结果显示，TES和TDS与情境特异性的过渡性程序相关：在胶质母细胞瘤中，残差TES富集于炎症性重塑程序，而TDS则标记增殖和代谢应激；在乳腺癌中，残差TES富集于上皮—间质转化（EMT）相关程序和细胞外基质重塑程序，而TDS标记不同的谱系相关程序。这些轴之间的基因重叠极少（胶质母细胞瘤中的Jaccard指数为0.079；乳腺癌中为0.028），并且在独立的Julia和Python实现中均保持稳健。SiCell.jl提供了TUF的高效开源实现，并以MIT许可证通过Julia General Registry和GitHub发布。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.31.742012v1?rss=1

🏷️ 单细胞轨迹分析 轨迹不确定性 过渡态细胞 分支点识别 伪时间推断 计算生物学