在單細(xì)胞生物學(xué)中，一個(gè)幾乎無(wú)法回避的事實(shí)是：我們測(cè)到的，永遠(yuǎn)只是某一時(shí)刻的細(xì)胞狀態(tài)。

無(wú)論是單細(xì)胞 RNA 測(cè)序（scRNA-seq），還是其他高通量手段，細(xì)胞一旦被測(cè)量就被破壞。研究者看到的是成千上萬(wàn)個(gè)細(xì)胞在某一瞬間的基因表達(dá)「照片」，而不是它們?nèi)绾我徊讲阶呦虿煌\(yùn)的過程。然而，理解細(xì)胞如何分化、在何處分叉、何時(shí)做出命運(yùn)決定，正是發(fā)育生物學(xué)、再生醫(yī)學(xué)與疾病研究的核心問題。

關(guān)于這個(gè)問題，卡羅林斯卡學(xué)院（Karolinska Institutet）與皇家理工學(xué)院（KTH）的研究人員開發(fā)了一種算法：Multistage Optimal Transport（MultistageOT），它展示了一種此前未被系統(tǒng)實(shí)現(xiàn)的能力：僅憑一次靜態(tài)單細(xì)胞快照，在數(shù)學(xué)上推斷出細(xì)胞分化的連續(xù)動(dòng)力學(xué)軌跡。

相關(guān)的研究?jī)?nèi)容以「MultistageOT: Multistage optimal transport infers trajectories from a snapshot of single-cell data」為題，發(fā)表在PNAS。

論文鏈接：https://www.pnas.org/doi/10.1073/pnas.2516046122

多階段最優(yōu)傳輸

細(xì)胞分化是體內(nèi)的一個(gè)基本過程。它使干細(xì)胞能夠發(fā)育成不同類型的細(xì)胞，例如大腦中的神經(jīng)元或防御感染的免疫細(xì)胞。當(dāng)這個(gè)過程被破壞的時(shí)候，就有可能會(huì)導(dǎo)致各種疾病，研究這個(gè)過程相當(dāng)困難。

而新算法 MultistageOT，它基于稱為最優(yōu)傳輸?shù)臄?shù)學(xué)原理，可以從細(xì)胞基因表達(dá)水平的單個(gè)快照中重建整個(gè)發(fā)育過程。這使得研究者能模擬整個(gè)發(fā)育過程，而不是局限在一個(gè)快照的范圍之內(nèi)。

圖 1：MultistageOT 沿著偽時(shí)間軸對(duì)模擬快照數(shù)據(jù)進(jìn)行排序，并在數(shù)據(jù)點(diǎn)之間誘導(dǎo)狀態(tài)轉(zhuǎn)換概率。

團(tuán)隊(duì)將整個(gè)發(fā)育或分化過程劃分為一系列潛在的中間階段（latent stages），即便實(shí)驗(yàn)上只觀測(cè)到一個(gè)時(shí)間點(diǎn)。 然后，他們假設(shè)：

細(xì)胞群體在這些階段之間的轉(zhuǎn)移，遵循一種最小「代價(jià)」的傳輸規(guī)律。

這里用到的核心數(shù)學(xué)工具是最優(yōu)傳輸（Optimal Transport, OT）——一種描述「如何以最小代價(jià)把一個(gè)分布變成另一個(gè)分布」的理論。

與傳統(tǒng)的 OT 僅限在兩個(gè)時(shí)間點(diǎn)之間，MultistageOT 則在沒有任何時(shí)間標(biāo)簽的前提下，引入多個(gè)隱含中間分布；通過聯(lián)合優(yōu)化，同時(shí)推斷：

• 中間階段的存在形式
• 每個(gè)細(xì)胞在不同階段中的概率歸屬
• 以及跨階段的轉(zhuǎn)移關(guān)系

預(yù)測(cè)細(xì)胞如何成熟

在研究中，該方法在血液細(xì)胞發(fā)育的數(shù)據(jù)上進(jìn)行了測(cè)試，這是一個(gè)復(fù)雜的系統(tǒng)，其中干細(xì)胞可分化為多種不同類型的血液細(xì)胞?；?MultistageOT 的結(jié)果的 UMAP 可視化顯示，從多能祖細(xì)胞區(qū)域到細(xì)胞譜系入口點(diǎn)的偽時(shí)間值逐漸增加，并發(fā)生譜系分化，這些結(jié)果與造血干細(xì)胞和祖細(xì)胞分化成各種細(xì)胞類型的機(jī)制一致。

圖 2：基于 MultistageOT 的單細(xì)胞命運(yùn)潛能和偽時(shí)間排序推斷。

作為參考，團(tuán)隊(duì)還開發(fā)了一種簡(jiǎn)單的細(xì)胞命運(yùn)預(yù)測(cè)器，稱為逆距離加權(quán)（IDW）。IDW 方法不基于最優(yōu)傳輸，而是使用到成熟細(xì)胞類型的相對(duì)歐幾里得距離來推斷細(xì)胞命運(yùn)潛能。

在預(yù)測(cè) Weinreb 等人標(biāo)注為成熟細(xì)胞的命運(yùn)這一簡(jiǎn)單任務(wù)中，每個(gè)模型的得分相似。具體來說，MultistageOT 在 98.1%的細(xì)胞中恢復(fù)了主導(dǎo)細(xì)胞命運(yùn)。StationaryOT 和 IDW 分別達(dá)到了 97.8% 和 97.9% 的匹配率。

結(jié)果表明，MultistageOT 不僅能夠重建發(fā)育軌跡，還能識(shí)別偏離預(yù)期過程的細(xì)胞——這是避免得出錯(cuò)誤結(jié)論的必要機(jī)制。

從靜態(tài)照片到動(dòng)態(tài)生命

MultistageOT 是一個(gè)相當(dāng)強(qiáng)大的工具，可以協(xié)助研究者理解細(xì)胞如何做出關(guān)于未來的「決策」。這種方法具有通用性，適用于不同的動(dòng)物系統(tǒng)，乃至動(dòng)物界之外。

團(tuán)隊(duì)希望未來的工作中，能夠更多的利用組學(xué)數(shù)據(jù)，指導(dǎo)模型預(yù)測(cè)的熒光活細(xì)胞分選策略，以分離感興趣的祖細(xì)胞。隨后，通過細(xì)胞命運(yùn)實(shí)驗(yàn)來探究和驗(yàn)證這些祖細(xì)胞的預(yù)測(cè)命運(yùn)潛力。通過這種方法，研究者有了一種更能完整觀測(cè)生命過程的途徑。