关键词：单细胞 RNA 测序，最优输运理论，神经微分方程，基因调控网络，细胞命运决定，复杂系统动力学建模

论文题目：Reconstructing growth and dynamic trajectories from single-cell transcriptomics data

论文来源：Nature Machine Intelligence

论文链接：https://www.nature.com/articles/s42256-023-00763-w

在细胞科学探究中，了解单个细胞随着时间推移如何生长、分化和变化，是揭示生命奥秘的关键。单细胞 RNA 测序（scRNA-seq）技术使科学家能够详细分析单个细胞的基因表达情况，从而揭示细胞在不同状态下的动态变化。然而，由于测序过程会破坏细胞，导致无法追踪同一细胞在不同时间点的变化，这给研究细胞的成长轨迹和动态过程带来了挑战。

为了解决这一难题，Nature Machine Intelligence 近期发表的一项研究介绍了一种名为 TIGON（Trajectory Inference with Growth via Optimal transport and Neural network，通过最优输运和神经网络生长进行轨迹推断）的新方法，不仅为单细胞转录组数据的动态解析提供了全新的工具，也为深入理解细胞群落的动态变化开辟了新视角。

TIGON 将细胞的动态变化与群落增长整合于统一框架内，采用深度学习与最优输运（optimal transport）理论，精准重建细胞状态转变及增殖过程，并揭示驱动这些变化的基因调控机制。具体而言，首先基于 Wasserstein-Fisher-Rao（WFR）距离构建动态非平衡最优输运模型，并对其进行无量纲化处理，使其能够同时捕捉每个细胞在基因表达空间中的速度和生长率；其次，利用神经微分方程（Neural ODEs）解决动态非平衡最优输运问题，Neural ODEs 能高效模拟连续时间下的动态过程，适用于处理时间序列数据；最后，通过模型获得的细胞速度和生长信息，推断潜在的时间因果基因调控网络，并通过分析生长梯度，识别与细胞生长密切相关的关键基因。

TIGON 突破了传统单细胞动态追踪的瓶颈，提供了高鲁棒性和高准确性的细胞状态转变与增殖预测工具，推动了细胞发育和疾病机制研究的发展，该框架不仅适用于单细胞 RNA 测序数据，还具备广泛的应用前景，可扩展至其他类型的单细胞数据和复杂系统的动力学建模，对细胞命运的理解和刻画有重要意义。

图 1. TIGON 的示意图。

a. 细胞谱系动态的示意图，包括细胞生长、转变和基因调控网络（GRNs）。b. 连续的细胞动态由时间依赖的密度 ρ ( x,t ) 描述。时间序列单细胞 RNA 测序快照的输入在离散时间点生成密度 ρ。c. 密度 ρ 由涉及速度 v 和生长 g 的偏微分方程控制，这些量由两个神经网络建模。d,e.TIGON 的输出和下游分析。d. 左上角，速度图，每个点代表一个细胞，颜色表示采集时间，箭头的长度表示速度的大小。右上角，每个细胞的轨迹。左下角，选定细胞或细胞类型的基因调控矩阵。右下角，GRN，其中指向箭头（钝箭头）表示源基因对目标基因的正（负）调控，箭头的宽度表示调控强度。e. 左侧，推断的生长值 g 用颜色表示。红色箭头表示 g 的梯度，其长度对应于大小。右侧，g 的梯度决定了基因对生长变化的贡献。基于梯度最大的基因选择与生长相关的基因。

图 2. TIGON 在三基因模拟数据集上的表现

图 3. TIGON 在谱系追踪数据集上的表现

图 4. TIGON 在 EMT 单细胞 RNA 测序数据集 ( scRNA-seq ) 上的表现

图 5. TIGON 与轨迹推断或增长推断方法在单细胞 RNA 测序数据集 ( scRNA-seq ) 上的比较

王婷 |  编译

生命复杂性读书会：

生命复杂系统的构成原理

在生物学中心法则的起点，基因作为生命复杂系统的遗传信息载体，在生命周期内稳定存在；而位于中心法则末端的蛋白质，其组织构成和时空变化的复杂性呈指数式增长。随着分子生物学数十年来的突飞猛进，尤其是生命组学（基因组学、转录组学、蛋白质组学和代谢组学等的集合）等领域的日新月异，当代生命科学临近爆发的边缘。如此海量的数据如何帮助我们揭示宇宙中最复杂的物质系统—— " 人体 " 的构成原理和设计原理？阐释人类发育、衰老和重大疾病的发生机制？

集智俱乐部联合西湖大学理学院及交叉科学中心讲席教授汤雷翰，国家蛋白质科学中心（北京）副研究员常乘、李杨，香港浸会大学助理教授唐乾元，北京大学前沿交叉学科研究院研究员林一瀚，中国科学院分子细胞科学卓越创新中心博士后唐诗婕，共同发起「生命复杂性：生命复杂系统的构成原理」读书会，从微观细胞尺度、介观组织器官尺度到宏观人体尺度，梳理生命科学领域中的重要问题及重要数据，由生物学家提问，希望促进统计物理、机器学习方法研究者和生命科学研究者之间的深度交流，建立跨学科合作关系，激发新的研究思路和合作项目。读书会从 2024 年 8 月 6 日开始，每周二晚 19:00-21:00 进行，持续时间预计 10-12 周。欢迎对这个生命科学、物理学、计算机科学、复杂系统科学深度交叉的前沿领域感兴趣的朋友加入！

详情请见：

生命复杂性读书会：从微观到宏观，多尺度视角探索生命复杂系统的构成原理