编辑丨&
在单细胞生物学中，一个几乎无法回避的事实是：我们测到的，永远只是某一时刻的细胞状态。
无论是单细胞 RNA 测序（scRNA-seq），还是其他高通量手段，细胞一旦被测量就被破坏。研究者看到的是成千上万个细胞在某一瞬间的基因表达「照片」，而不是它们如何一步步走向不同命运的过程。然而，理解细胞如何分化、在何处分叉、何时做出命运决定，正是发育生物学、再生医学与疾病研究的核心问题。
关于这个问题，卡罗林斯卡学院（Karolinska Institutet）与皇家理工学院（KTH）的研究人员开发了一种算法：Multistage Optimal Transport（MultistageOT），它展示了一种此前未被系统实现的能力：仅凭一次静态单细胞快照，在数学上推断出细胞分化的连续动力学轨迹。
相关的研究内容以「MultistageOT: Multistage optimal transport infers trajectories from a snapshot of single-cell data」为题，发表在 PNAS。
论文链接：https://www.pnas.org/doi/10.1073/pnas.2516046122
多阶段最优传输
细胞分化是体内的一个基本过程。它使干细胞能够发育成不同类型的细胞，例如大脑中的神经元或防御感染的免疫细胞。当这个过程被破坏的时候，就有可能会导致各种疾病，研究这个过程相当困难。
而新算法 MultistageOT，它基于称为最优传输的数学原理，可以从细胞基因表达水平的单个快照中重建整个发育过程。这使得研究者能模拟整个发育过程，而不是局限在一个快照的范围之内。
图 1：MultistageOT 沿着伪时间轴对模拟快照数据进行排序，并在数据点之间诱导状态转换概率。
团队将整个发育或分化过程划分为一系列潜在的中间阶段（latent stages），即便实验上只观测到一个时间点。 然后，他们假设：
细胞群体在这些阶段之间的转移，遵循一种最小「代价」的传输规律。
这里用到的核心数学工具是最优传输（Optimal Transport, OT） ——一种描述「如何以最小代价把一个分布变成另一个分布」的理论。
与传统的 OT 仅限在两个时间点之间，MultistageOT 则在没有任何时间标签的前提下，引入多个隐含中间分布；通过联合优化，同时推断：
中间阶段的存在形式
每个细胞在不同阶段中的概率归属
以及跨阶段的转移关系
预测细胞如何成熟
在研究中，该方法在血液细胞发育的数据上进行了测试，这是一个复杂的系统，其中干细胞可分化为多种不同类型的血液细胞。基于 MultistageOT 的结果的 UMAP 可视化显示，从多能祖细胞区域到细胞谱系入口点的伪时间值逐渐增加，并发生谱系分化，这些结果与造血干细胞和祖细胞分化成各种细胞类型的机制一致。
图 2：基于 MultistageOT 的单细胞命运潜能和伪时间排序推断。
作为参考，团队还开发了一种简单的细胞命运预测器，称为逆距离加权（IDW）。IDW 方法不基于最优传输，而是使用到成熟细胞类型的相对欧几里得距离来推断细胞命运潜能。
在预测 Weinreb 等人标注为成熟细胞的命运这一简单任务中，每个模型的得分相似。具体来说，MultistageOT 在 98.1%的细胞中恢复了主导细胞命运。StationaryOT 和 IDW 分别达到了 97.8% 和 97.9% 的匹配率。
结果表明，MultistageOT 不仅能够重建发育轨迹，还能识别偏离预期过程的细胞——这是避免得出错误结论的必要机制。
从静态照片到动态生命
MultistageOT 是一个相当强大的工具，可以协助研究者理解细胞如何做出关于未来的「决策」。这种方法具有通用性，适用于不同的动物系统，乃至动物界之外。
团队希望未来的工作中，能够更多的利用组学数据，指导模型预测的荧光活细胞分选策略，以分离感兴趣的祖细胞。随后，通过细胞命运实验来探究和验证这些祖细胞的预测命运潜力。通过这种方法，研究者有了一种更能完整观测生命过程的途径。
