Moirai：基于基因水平表达动态的单细胞轨迹推断

多细胞生物的发育以细胞分化过程为基础，而该过程受基因表达协同且序贯变化的调控。研究者已开发出多种利用 scRNA-seq 数据的方法，以推断细胞在伪时间轴上的位置，并识别参与该过程的相关基因。这些轨迹推断方法通常依赖于全局转录组变化和数学方法。然而，对大规模转录组变化的过度强调，可能会削弱对分支点和汇聚轨迹的识别敏感性，而这些现象往往由小尺度的转录事件所支配。基于这一动机，我们开发了 Moirai，这是一种基于图的轨迹推断方法，能够识别在发育连续体上动态变化的基因表达模式，并利用这些模式在所有细胞之间定义统一的伪时间轴。在此过程中，Moirai 将关注重点转向单个基因的动态变化，从而增强了其检测被全局转录组相似性所掩盖的潜在分支点的能力。 我们将 Moirai 应用于四个发育数据集，结果表明其能够恢复已知参与相应发育过程的基因的表达模式，从而支持利用这些基因来定义细胞伪时间的合理性。我们进一步表明，Moirai 能够在不同嵌入方法下稳健地推断基因表达模式，这凸显了将推断过程的重点转向小尺度转录动态的价值。

多细胞生物体发育的基础是细胞分化过程，而这一过程受基因表达协同且连续变化的调控。研究人员已开发出多种利用 scRNA-seq 数据的方法，用以推断细胞沿伪时间轴所处的位置，并识别参与该过程的相关基因。这些轨迹推断方法通常依赖于全局转录组变化和数学方法。然而，过度强调大尺度转录组变化可能会削弱对分支点和汇聚轨迹的识别敏感性，而这些过程更多是由小尺度转录事件所驱动的。基于这一动机，我们开发了 Moirai，一种基于图的轨迹推断方法，能够识别在发育连续体中动态变化的基因表达模式，并利用这些模式在所有细胞之间定义一条共同的伪时间轴。在此过程中，Moirai 将关注重点转向单个基因的动态变化，从而增强了其检测被全局转录组相似性所掩盖的潜在分支点的能力。

我们将 Moirai 应用于四个发育数据集，结果表明它能够恢复已知参与相应发育过程的基因的表达模式，这也支持了利用这些基因来定义细胞伪时间的合理性。此外，我们还表明，Moirai 能够在不同嵌入方法下稳健地推断基因表达模式，凸显了将推断过程的关注重点转向小尺度转录动态的价值。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.05.742709v1?rss=1

🏷️ 单细胞RNA测序 轨迹推断 伪时间分析 基因表达动态 发育过程 图算法