- 4 次围观
理解细胞命运决策是发育生物学和疾病研究的基础。然而，实验性谱系追踪需要进行遗传操作，这在许多系统中并不切实际，尤其是在人类系统中。计算方法通常依赖于具有时间分辨率的测量数据，而单细胞组学和空间组学研究很少能够提供此类数据。在此，我们提出 Ageas，一种与时间无关的迁移学习框架，用于从单细胞和空间多组学数据推断细胞命运。Ageas 通过从终末细胞群体中学习命运记忆，并将这些信息迁移至祖细胞或中间细胞，从而克服了上述局限，使得能够基于静态分子快照推断命运偏向。为实现跨分子模态的稳健泛化，Ageas 采用具有自动模型选择功能的数据自适应集成策略。在包含谱系追踪的单细胞转录组和表观基因组图谱以及空间转录组数据的基准数据集中，与现有方法相比，Ageas 展现出优异的性能。将 Ageas 应用于三维人类胚胎后发现，上胚层命运预置呈现出具有空间组织性的前后轴梯度：前部上胚层细胞偏向外胚层命运，而后部细胞则偏向原条来源的谱系，并伴随着区域性渐变的命运相关调控程序。综上，这些结果表明，Ageas 是一种能够从静态分子快照中解码细胞命运决策的通用框架。
Ageas实现基于单细胞和空间多组学数据的时间无关性细胞命运推断 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
Ageas实现基于单细胞和空间多组学数据的时间无关性细胞命运推断
Junyao Jiang ，
Alex Kong ，
Gang Yu
doi： https://doi.org/10.64898/2026.08.30.748098
Junyao Jiang 1 西湖大学；
在Google Scholar中查找该作者
在PubMed中查找该作者
在本站搜索该作者
通讯作者：
jyjiang{at}link.cuhk.edu.hk
Alex Kong 2 南京大学；
在Google Scholar中查找该作者
在PubMed中查找该作者
在本站搜索该作者
Gang Yu 3 慕尼黑大学
在Google Scholar中查找该作者
在PubMed中查找该作者
在本站搜索该作者
摘要
信息/历史
指标
补充材料
预览PDF
摘要
理解细胞命运决定对于发育生物学和疾病研究至关重要。然而，实验性谱系追踪需要进行遗传操作，这在许多系统中并不切实际，尤其是在人类研究中。计算方法通常依赖于具有时间分辨率的测量数据，而单细胞和空间组学研究很少能够提供此类数据。在此，我们提出Ageas，一种用于基于单细胞和空间多组学数据进行细胞命运推断的时间无关性迁移学习框架。Ageas通过从终末细胞群体中学习命运记忆，并将这些信息迁移至祖细胞或中间细胞，从而克服了上述局限，使得研究者能够基于静态分子快照推断命运偏向。为实现跨分子模态的稳健泛化，Ageas采用具有自动模型选择功能的数据自适应集成策略。在包含经谱系追踪的单细胞转录组和表观基因组图谱，以及空间转录组数据的基准数据集中，与现有方法相比，Ageas均表现出较强的性能。将Ageas应用于三维人类胚胎后，我们发现上胚层命运预定呈现出具有空间组织特征的前后轴梯度：前部上胚层细胞偏向外胚层命运，而后部细胞则偏向原条来源的谱系；与此同时，与命运相关的调控程序也呈现区域性梯度变化。综上，这些结果表明，Ageas是一个可从静态分子快照中解析细胞命运决定的通用框架。
利益冲突声明
作者已声明不存在利益冲突。
版权
本预印本的。
该预印本依据以下许可协议公开：
CC-BY-NC-ND 4.0国际许可协议
返回顶部
上一篇
下一篇
发布于2026年9月3日。
下载PDF
补充材料
电子邮件
感谢您有兴趣传播bioRxiv上的内容。
您的电子邮件地址
*
您的姓名
*
发送至
*
请输入多个地址，每行一个，或使用逗号分隔。
您将要发送以下内容：
Ageas实现基于单细胞和空间多组学数据的时间无关性细胞命运推断
（您的姓名）已从bioRxiv向您转发了一个页面
邮件正文
（您的姓名）认为您可能会对bioRxiv网站上的这一页面感兴趣。
您的个人留言
验证码
此问题用于测试您是否为人类访客，并防止自动化垃圾信息提交。
分享
Ageas实现基于单细胞和空间多组学数据的时间无关性细胞命运推断
Junyao Jiang ，
Alex Kong ，
Gang Yu
bioRxiv
2026.08.30.748098；
doi：
https://doi.org/10.64898/2026.08.30.748098
分享本文：
复制
引用工具
Ageas实现基于单细胞和空间多组学数据的时间无关性细胞命运推断
Junyao Jiang ，
Alex Kong ，
Gang Yu
bioRxiv
2026.08.30.748098；
doi：
https://doi.org/10.64898/2026.08.30.748098
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.30.748098v1?rss=1
🏷️ 细胞命运推断 单细胞多组学 空间转录组 迁移学习 发育生物学