Count Bridges enable Modeling and Deconvolving Transcriptomic Data

Each language version is independently generated for its own context, not a direct translation.

这篇论文介绍了一种名为**"Count Bridges"（计数桥）**的新数学工具，专门用来解决生物学中一个非常棘手的问题：如何从“一锅粥”里还原出每一粒“米”的样子。

为了让你轻松理解，我们可以把这项技术想象成**“智能拼图”和“时间倒流机”**的结合体。

1. 核心问题：我们看到的往往是“模糊的团块”

想象一下，你正在研究一个城市的交通状况。

理想情况（单细胞数据）： 你能看到每一辆车（每一个细胞）具体在哪里、开得多快、载了什么货（基因表达量）。
现实情况（批量数据）： 你站在高处，只能看到某个街区（比如 Visium 技术的“斑点”或传统的“批量测序”）的总车流量。你只知道这个街区一共通过了 1000 辆车，但你不知道这 1000 辆车里，有多少是出租车、多少是卡车，也不知道每辆车的具体路线。

在生物学中，这种“总车流量”就是整数计数（Integer Counts）。传统的数学模型（比如扩散模型）通常假设数据是连续的（像水流一样平滑），但生物数据是离散的（像颗粒一样，你不能有 0.5 个分子）。这就好比试图用处理“水流”的方法去处理“沙粒”，结果往往不准。

2. 解决方案：Count Bridges（计数桥）

作者发明了一种新的“桥梁”，专门架在**“模糊的总数”和“清晰的个体”**之间。

比喻一：神奇的“出生与死亡”游戏

传统的模型可能像是在玩“随机打乱”的游戏，把数字打乱再拼回去。但 Count Bridges 玩的是**“出生与死亡”**的游戏：

想象有一群小精灵（分子）。
在“时间 1"（未来/终点），我们看到了最终的总数。
在“时间 0"（过去/起点），我们想知道最初每个小精灵的状态。
Count Bridges 设计了一套规则：小精灵可以**“出生”（数量 +1）或“死亡”**（数量 -1）。
这套规则非常聪明，它知道数字必须是整数（不能出现半个精灵），而且它利用数学上的**“贝塞尔函数”**（一种处理这种随机跳跃的数学工具）来精确计算：如果现在总数是 100，且我们知道中间发生了多少次“出生”和“死亡”，我们就能算出最可能的初始状态是什么。

比喻二：逆向的“拆弹专家”

想象你手里有一个被打包好的包裹（聚合数据），里面装满了各种颜色的积木（不同细胞的基因表达）。

以前的方法：试图猜包裹里大概有多少红积木、多少蓝积木（只猜比例）。
Count Bridges 的方法：它不仅能猜比例，还能把包裹拆开，还原出每一块积木原本的样子，甚至能告诉你哪块积木原本属于哪个盒子。
它通过一种叫**“期望最大化（EM）”**的策略工作：
1. 猜一猜（E 步）： 先假设包裹里的积木是怎么分布的。
2. 对一对（M 步）： 看看这个假设能不能解释我们看到的总数。如果总数对不上，就调整假设，直到完美匹配。
3. 这个过程不断重复，直到它完美地“反推”出了每一个个体的样子。

3. 这项技术能做什么？（两大应用场景）

论文展示了这项技术在两个生物学大难题上的应用：

应用一：把“大锅饭”还原成“单人份”（Bulk RNA-seq 去卷积）

场景： 以前医生做基因检测，是把几千个细胞混在一起测，得到一个平均值。这就像把一锅粥尝一口，知道是咸的，但不知道里面有多少盐、多少糖。
Count Bridges 的作用： 它能把这锅“粥”还原成每一粒米的配方。
成果： 研究人员用它从混合的血液样本中，成功还原出了单个细胞的基因表达图谱，甚至比现有的顶级模型（如 Enformer）更准。这意味着未来我们可能只需要很少的样本，就能知道每个人体内每个细胞的具体状态。

应用二：把“模糊的斑点”变清晰（空间转录组去卷积）

场景： 现在的空间成像技术（如 Visium），就像是用低像素相机拍组织切片。一个“像素点”（Spot）其实覆盖了 10-50 个细胞。你只能看到这一团细胞在发光，不知道里面谁是谁。
Count Bridges 的作用： 它利用细胞核的图像作为线索（侧信息），结合刚才提到的“出生死亡”规则，把这个模糊的像素点“拆解”成里面每一个细胞的清晰画像。
成果： 它不需要预先知道细胞类型（无参考），就能把一团模糊的数据还原成清晰的单细胞地图，让我们看清组织内部细胞是如何排列和互动的。

4. 为什么这很重要？

尊重数据的本质： 以前的模型强行把“整数”当成“小数”处理，就像强行把乐高积木融化成泥巴再塑形，总会失真。Count Bridges 尊重“整数”和“离散”的特性，像对待乐高一样对待数据。
无需额外参考： 很多旧方法需要一本“字典”（已知的单细胞数据）来对照才能工作。Count Bridges 更像是一个**“盲猜大师”**，即使没有字典，它也能通过数学规律把数据还原出来。
通用性强： 无论是基因计数、分子成像还是其他科学计数数据，只要它是整数，这个方法都能用。

总结

Count Bridges 就像是一个拥有时间倒流能力的智能翻译官。它面对一堆混乱的、混合在一起的整数计数（生物学数据），利用一套精妙的“出生与死亡”数学规则，不仅能算出总数，还能把总数拆解回每一个原始个体的样子。

这项技术让科学家第一次能够以**“单细胞分辨率”**去观察那些原本只能看到“平均数”的生物学过程，为理解生命微观世界的复杂细节打开了一扇新的大门。

Each language version is independently generated for its own context, not a direct translation.

这是一篇发表于 ICLR 2026 的论文《COUNT BRIDGES ENABLE MODELING AND DECONVOLVING TRANSCRIPTOMIC DATA》（计数桥：实现转录组数据的建模与反卷积）的详细技术总结。

1. 研究背景与问题 (Problem)

核心挑战：
现代生物测定技术（如 RNA 测序、质谱流式细胞术）产生的数据本质上是整数计数（Integer-valued counts）。然而，许多测量技术无法达到单细胞分辨率，而是产生聚合数据（Aggregated data）。例如：

空间转录组（如 Visium）： 每个“斑点（spot）”包含 10-50 个细胞。
批量 RNA-seq（Bulk RNA-seq）： 每个读数聚合了成千上万个细胞。

现有方法的局限性：

生成模型不足： 现有的扩散模型（Diffusion Models）和流匹配（Flow Matching）大多针对连续欧几里得空间设计。虽然已有离散扩散模型，但它们通常将计数视为无序类别（通过掩码或均匀噪声），忽略了计数的有序性（Ordinal structure）。Blackout Diffusion 等少数针对计数的方法仅使用纯死亡过程，无法在任意分布间进行传输。
反卷积（Deconvolution）困难： 现有的反卷积方法主要关注细胞类型比例的推断，而非恢复单元级（Unit-level，即单细胞）的计数分布。直接从聚合观测中推断单细胞计数分布是一个极具挑战性的逆问题。

目标：
开发一种能够尊重整数和有序结构、能在任意整数分布间传输、并能系统地从聚合观测中反卷积出单细胞计数分布的生成框架。

2. 方法论 (Methodology)

作者提出了 Count Bridges（计数桥），这是一种基于整数格点（ $\mathbb{Z}^d$ ）的随机桥过程。

2.1 核心机制：泊松出生 - 死亡过程 (Poisson Birth-Death Dynamics)

与连续扩散模型使用高斯噪声不同，Count Bridges 使用一对独立的泊松出生（Birth）和死亡（Death）过程 $(B_t, D_t)$ 来模拟计数的增减。

状态演化： $X_t = X_0 + B_t - D_t$ 。
强度函数： 定义随时间变化的跳跃强度 $\Lambda_\pm(t) = \lambda_\pm w(t)$ ，其中 $w(t)$ 是从 0 到 1 的递增函数。
桥核（Bridge Kernels）： 利用泊松过程的性质，推导出条件分布 $K_{s|0,t}$ 的闭式解。给定起点 $X_0$ 和终点 $X_t$ ，中间状态 $X_s$ 的分布可以通过**二项分布（Binomial）和超几何分布（Hypergeometric）**的采样来精确构建。
松弛变量（Slack）： 引入松弛变量 $M_t = \min(B_t, D_t)$ 表示相互抵消的跳跃。其条件后验分布遵循贝塞尔形式（Bessel form），这使得模型能够精确处理“出生后立即死亡”的无效跳跃，保持计数的有序性。

2.2 训练与采样

分布性评分损失（Distributional Scoring Loss）： 由于空间是离散的，传统的均方误差（MSE）或交叉熵（Cross-Entropy）无法有效捕捉联合分布或几何结构。作者采用了能量评分（Energy Score），这是一种严格正确的分布性评分规则，能够直接优化生成的分布与真实分布之间的距离，且无需将维度因子化。
采样过程： 基于推导出的闭式桥核，采样过程是确定性的反向步骤与随机采样的结合，确保轨迹始终停留在整数格点上。

2.3 反卷积框架：EM 算法 (Deconvolution via EM)

为了从聚合数据 $A_0 = \sum X_{g,0}$ 中恢复单元级数据 $X_0$ ，作者提出了一种期望最大化（EM）风格的训练策略：

E 步（期望步）： 利用当前模型和观测到的聚合约束 $A_0$ $A_{0}$ ，通过**投影引导的扩散采样（Projection-guided diffusion）**生成潜在的单元级样本 $\tilde{X}_0$ $\tilde{X}_{0}$ 。
- 具体操作：在扩散采样的每一步，预测 $\hat{X}_0$ ，然后将其投影到满足聚合约束 $A(\tilde{X}_0) = A_0$ 的流形上。
- 投影算子：基于广义 KL 散度投影，对于求和约束，表现为简单的**比例缩放（Scaling）**操作，这在数学上被证明是条件分布的一阶近似。
M 步（最大化步）： 使用生成的潜在样本 $\tilde{X}_0$ 和聚合观测 $A_0$ 来更新模型参数，最小化基于聚合数据的分布性损失。

3. 主要贡献 (Key Contributions)

理论创新： 提出了 Count Bridges，这是首个基于泊松出生 - 死亡过程的整数扩散桥模型。它提供了精确的闭式条件分布，能够处理任意整数分布间的传输，并保留了计数的有序结构。
反卷积新范式： 将生成式建模与反卷积统一在一个框架下。通过 EM 算法和投影引导采样，实现了从聚合观测（如 Bulk RNA-seq 或空间斑点）直接推断单细胞计数分布，而无需外部参考图谱（Reference-free）。
分布性损失设计： 针对离散整数空间，设计了基于能量评分的训练目标，克服了传统离散扩散模型在建模联合分布和几何结构上的局限性。
生物学应用突破：
- 单核苷酸分辨率建模： 在单细胞水平上建模基因表达与 DNA 序列的关系，优于微调后的 Enformer 模型。
- 无参考空间转录组反卷积： 直接从空间转录组斑点数据中恢复单细胞计数谱，无需单细胞参考数据集。

4. 实验结果 (Results)

4.1 合成数据基准测试

分布匹配： 在"8 高斯到 2 个月亮（8-Gaussians to 2-Moons）”的离散任务中，Count Bridges 在 Wasserstein-2 (W2)、能量分数（Energy Score）和 MMD 指标上均显著优于连续流匹配（CFM）和离散流匹配（DFM）。
高维扩展性： 在低秩高斯混合模型中，随着维度从 4 增加到 512，Count Bridges 表现出比基线方法更优越的扩展性，误差增长更缓慢。

4.2 生物学应用

Bulk RNA-seq 反卷积（单核苷酸分辨率）：
- 任务： 从批量测序数据中推断单细胞表达谱。
- 结果： 在均方误差（MSE）上，Count Bridges 显著优于微调的 Enformer 模型（Bulk MSE: 0.601 vs 2.590）。在细胞类型比例反卷积任务中，其 JSD、RMSE 和 Spearman 相关性均优于 CIBERSORTx 和 MuSiC 等主流工具。
空间转录组反卷积（Visium/MERFISH）：
- 任务： 将包含多个细胞的斑点分解为单细胞计数。
- 结果： 在无参考（Reference-free）设置下，Count Bridges 在细胞类型比例预测上优于 STDeconvolve（JSD: 0.231 vs 0.288）。
- 分布质量： 生成的单细胞计数分布在 UMAP 可视化中与真实单细胞数据高度混合，且细胞类型丰度与真实数据一致，证明了其生成的生物学合理性。

5. 意义与影响 (Significance)

方法论层面： Count Bridges 填补了离散生成模型领域的空白，提供了一种 principled（有原则的）方法来处理整数计数数据，特别是那些具有自然顺序和物理意义（如分子计数）的数据。它证明了在离散空间中使用类似 Schrödinger 桥的熵正则化最优传输是可行的。
生物学层面：
- 解锁高分辨率洞察： 使得研究人员能够利用现有的、成本较低的批量或空间聚合数据，推断出高分辨率的单细胞信息，无需昂贵的单细胞测序实验。
- 无参考反卷积： 解决了空间转录组分析中严重依赖外部单细胞参考图谱的痛点，使得在缺乏参考数据的新组织或新物种中进行反卷积成为可能。
- 序列 - 表达关系： 在核苷酸水平上建模基因表达，为理解基因调控的精细机制提供了新的工具。

局限性：

当计数数据非常密集且可近似为连续时，欧几里得模型可能表现相当或更好。
反卷积的可识别性依赖于组间异质性；当聚合组过大或组间差异过小时，反卷积效果会下降（这是中心极限定理导致的固有统计限制）。
投影步骤目前主要基于一阶近似，缺乏更深层的理论保证。

总体而言，这篇论文为生物计数数据的生成式建模和反卷积提供了一个强大的新框架，具有广泛的临床应用潜力。