在连续表达流形上耦合细胞轨迹与 RNA 动力学：ManifoldVelo

从静态单细胞转录组中联合恢复伪时间与 RNA 速率，需要协调全局轨迹结构与局部表达变化，这在复杂周期和分支分化中尤为突出。在此我们提出 ManifoldVelo，一个以拓扑为条件的框架，可联合学习细胞坐标、连续 RNA 轨迹与调控动力学。未剪接与已剪接 RNA 轨迹的导数被匹配到转录-剪接-降解动力学，包括在观测细胞之间，从而使表达重建、细胞排序与动力学估计相互提供信息。ManifoldVelo 在所有评估的单细胞轨迹类型上都能恢复伪时间，包括周期型、多分支型和平滑非分支型轨迹。在多峰周期模拟中，ManifoldVelo 在所比较方法中取得了最佳的伪时间恢复效果；在多峰周期和分支模拟中，其已剪接 RNA 速率的方向一致性最高。真实数据分析支持跨实验板的相位预测，以及与胰腺发育阶段和标志物表达一致的分化轨迹。其核心优势在于，在一个可复用的动态参考中，跨不同轨迹结构联合恢复时间位置与局部动力学。新细胞仅凭已剪接 RNA 即可获得伪时间与速率预测，无需重新拟合参考模型。ManifoldVelo 为动态细胞图谱奠定了基础，可将学习到的时间与动力学信息迁移到新样本。

中文由 AI 翻译，仅供参考，以原文为准。