科研人员建立单细胞轨迹推断技术

细胞分化和命运决定是生命的奥秘之一，也是生命科学领域的核心问题，揭示其规律和机制对于探索生命现象和促进医学发展具有重要意义。然而，准确地追踪细胞的动态分化轨迹并非易事，尤其是在疾病等干扰情况下的细胞命运转换过程，存在较大的随机性和难以预测性。当前，单细胞转录组测序（scRNA-seq）是研究细胞分化的强有力的技术，可通过分析单个细胞的转录组状态来推断细胞分化的动态过程。尤其是基于信使RNA（mRNA）的剪切动力学而发展起来的RNA速度模型（RNA velocity），可预测单细胞转录组在“过去”或“未来”时间的状态，是单细胞轨迹推断的经典算法。然而，由于单细胞测序技术与mRNA转录/剪切动力学的高度复杂性，RNA速度模型在实际应用中常出现错误推断或不稳健的问题。 

本研究提出利用单细胞系统发育树的枝长信息代替物理时间，联合单细胞转录组数据，可以探究基因表达随着枝长（即时间）的变化规律，特别是鉴定随细胞分裂而表达量呈单调递增或递减的基因（即单调表达基因），其RNA变化速度可以利用分子演化模型进行定量估计，从而构建单细胞转录组速度场，实现对细胞分化轨迹的高精准推断（图1）。 　 

PhyloVelo算法主要分为两部分。第一步是单调表达基因（monotonically expressed gene，MEGs）的识别，利用单细胞转录组数据和细胞系统发育树（cell phylogeny）信息，通过带漂移的扩散过程模型（diffusion process）和零膨胀的负二项分布（ZINB）来估计每个基因在系统发育树上各个时间点的表达水平；进而，利用表达水平估计值和对应系统发育树时间的相关性，筛选出那些随着谱系时间线性单调增加或减少的基因，即单调表达基因MEGs（图1）。第二步是基因表达变化速度的估计，假设每个MEG的表达水平随着时间的变化速率是恒定的，即扩散方程中的漂移系数是常数；通过最大似然估计，可以得到每个MEG的漂移系数，从而得到每个细胞的单调基因表达变化速度的向量；将这个向量映射到降维空间（tSNE, UMAP等）重建RNA速度场，可推断每个细胞在过去一个单位时间（如一个细胞分裂或突变）的转录组状态，即逆时间重建细胞分化轨迹（图1）。 　　 

该研究在多种仿真数据和真实数据上对PhyloVelo算法的准确性和鲁棒性进行了验证。PhyloVelo均能够高准确地推断仿真数据中的线性、分叉和趋同等复杂分化结构，与真实分化轨迹高度一致（图2）。此外，PhyloVelo还在小鼠早期胚胎发育中表现出优于RNA velocity的性能，能够准确地识别出红细胞系列中血液/内皮祖细胞作为最早期的细胞类型，且与细胞增殖能力呈强相关（图3）。   

除了小鼠胚胎发育外，PhyloVelo还准确解析了小鼠和人类的肿瘤演化、免疫细胞动态发育等其他生物过程中的复杂分化轨迹，并量化了细胞类型之间的状态转换概率。例如，在肺癌模型中，PhyloVelo揭示了癌细胞的逆向分化轨迹。在抗PD-1治疗后的CD8+ T细胞中，PhyloVelo发现活化CD8+ T细胞的来源在免疫治疗前后有明显的变化，表明T细胞高度的命运可塑性。 

总之，PhyloVelo是利用单细胞谱系和转录组数据重建细胞命运转变的新方法，具有高度的准确性和鲁棒性。PhyloVelo可以克服传统RNA velocity方法的局限性，并可以发现隐藏在转录组数据中的“时钟基因”，为揭示细胞分化的分子机制提供线索。PhyloVelo为探索生物发育和疾病进展提供了有力的工具，并为未来的单细胞谱系和转录组数据分析提供了新视角。为了方便使用，研究团队在线发布了使用手册和具体应用案例（详见https://phylovelo.readthedocs.io/en/latest/） 。 

研究工作得到国家重点研发计划、国家自然科学基金、广东省杰出青年基金、中央高校基本科研业务费专项资金、中国博士后基金和深圳合成生物学创新研究院等的支持。该研究由深圳先进院和厦门大学共同完成。 

图1. PhyloVelo算法框架示意图