Experimental Time Points Guided Transcriptomic Velocity Inference

本文提出了 CellDyc 这一半监督学习框架，通过利用实验时间点指导转录组速度推断，有效解决了单细胞轨迹重建中实验时间与局部动态难以兼顾的难题，并在发育、疾病及重编程等多种生物学场景中展现出优越性能。

要点

这篇论文介绍了一种名为 CellDyc 的新工具，它就像是一个**“细胞时间的侦探”**，专门用来破解细胞在时间流逝中是如何变化的。

为了让你更容易理解，我们可以把细胞想象成正在拍电影的主角，而单细胞测序技术（scRNA-seq）就像是每隔一段时间给主角拍一张静态照片。

1. 现有的难题：只有照片，没有视频

科学家以前做实验时，只能在几个特定的时间点（比如第 1 天、第 3 天、第 5 天）给细胞拍照。

• 问题 A（像拼图大师）： 以前的方法（比如 RNA 速度法）试图只根据照片里细胞的长相（基因表达）来猜它们下一秒要去哪。但这就像只看一张模糊的照片猜剧情，很容易猜错，而且忽略了“时间”这个重要线索。
• 问题 B（像连接点）： 另一种方法（比如最优传输法）虽然知道第 1 天和第 3 天，但它只关心“第 1 天变成了第 3 天”这个大结果，完全忽略了中间第 1 天到第 3 天之间细胞具体是怎么一步步变化的。它就像只看了电影的开头和结尾，中间的精彩过程全丢了。

结果就是： 我们要么猜不准方向，要么看不清细节。

2. CellDyc 的绝招：半监督学习 + 基因时钟

CellDyc 的出现解决了这个问题。它像一个聪明的导演，手里拿着几张关键的时间点照片（实验数据），但能脑补出中间所有连续的动作。

它用了两个核心“魔法”：

魔法一：利用“邻居”猜方向（半监督学习）

想象你在看一群人在排队。

• 如果你只知道“第 1 组人”和“第 3 组人”的时间，但不知道中间发生了什么。
• CellDyc 会看第 1 组里某个人的邻居（长得像他的细胞）。如果他的邻居里有第 3 组的人，它就能推断出：“哦，这个人正在往第 3 组的方向走！”
• 它把实验给的时间标签（比如“这是第 3 天”）和细胞之间的相似性结合起来，既利用了已知的时间，又捕捉到了细胞内部细微的瞬时变化。

魔法二：制造“基因时钟”（Gene Clock）

这是 CellDyc 最酷的地方。

• 细胞里的基因表达模式本身就藏着时间信息，就像沙漏里的沙子或者树干的年轮。
• CellDyc 训练自己，从基因表达中提炼出一个**“内在时钟”**。这个时钟不是靠外部给的时间标签硬套的，而是细胞自己“长”出来的。
• 比喻： 就像你看到一个人的皱纹和白发，就能猜出他大概多少岁，而不需要他告诉你生日。CellDyc 就是那个能读懂细胞“皱纹”（基因变化）并还原出真实时间线的专家。

3. 它发现了什么新故事？

CellDyc 不仅算得准，还发现了以前看不到的秘密：

• 故事一：肿瘤里的“拖延症”
  在一种叫胶质母细胞瘤的脑癌里，免疫细胞（单核细胞）本来应该变成“战士”去攻击肿瘤。但 CellDyc 发现，在肿瘤的免疫抑制环境下，这些细胞被“拖延”了，分化变慢了。就像本来该 10 分钟跑完的马拉松，因为路况太差（肿瘤环境），硬是拖到了 20 分钟。以前没人能这么精确地量化这种“拖延”。

• 故事二：红细胞成长的“快慢车道”
  在红细胞成熟的过程中，不同阶段的细胞“变老”的速度不一样。有的阶段像快车道，瞬间完成；有的阶段像慢车道，徘徊很久。CellDyc 精准地画出了这条**“时间快慢图”**，揭示了细胞发育中隐藏的异质性。

• 故事三：即使给错时间，也能修正
  最神奇的是，即使给 CellDyc 的时间标签是错的或者模糊的（比如用其他算法算出来的“伪时间”），它也能通过自己的“基因时钟”把时间线修正过来，还原出真实的生物过程。这就像给一个导航仪错误的起点，它却能通过观察路边的标志（基因特征）自动修正路线，把你带到正确的终点。

4. 总结

CellDyc 是什么？
它是一个**“细胞时间机器”**。

• 以前： 我们只有几张断断续续的照片，要么猜方向，要么只看大趋势。
• 现在： CellDyc 利用实验给的时间点作为“路标”，结合细胞自身的“基因时钟”，把断断续续的照片连成了一部高清、连续、方向正确的 4K 电影。

它不仅能告诉我们细胞“去了哪里”，还能告诉我们它们“走了多久”以及“为什么走得快或慢”。这对于理解疾病（如癌症）、发育（如胚胎生长）以及细胞重编程（如干细胞治疗）都提供了前所未有的清晰视角。

技术摘要

1. 研究背景与核心问题 (Problem)

时间序列 scRNA-seq 技术能够纵向追踪发育、疾病进展和细胞重编程等生物过程，但由于 scRNA-seq 的破坏性，数据本质上是一系列离散的静态快照。现有的轨迹推断方法主要分为两类，但都存在局限性：

• 无监督方法（如 Pseudotime, RNA Velocity）： 如 scVelo, cellDancer。它们通常忽略实验时间点信息，完全依赖转录组相似性或剪接动力学从头重建轨迹。这类方法对噪声敏感，且过度依赖先验假设，在不同生物背景下可靠性不足。
• 基于最优传输（Optimal Transport, OT）的方法： 如 Waddington-OT, Moscot。它们利用实验时间点的先后顺序确保全局方向性，但通常将每个时间点视为静态分布，仅关注时间点之间的宏观转移，忽略了时间点内部的高分辨率瞬时细胞动态，导致无法重建精细的瞬时动力学。

核心挑战： 如何有效结合实验时间点的宏观监督信息与细胞状态的局部异质性，以重建高精度的瞬时转录组速度（Transcriptomic Velocity）并恢复内在的基因嵌入时间（Gene-embedded Time）。

2. 方法论：CellDyc 框架 (Methodology)

CellDyc 是一个半监督学习框架，其核心思想是利用实验时间点作为部分监督信号，结合局部基因表达相似性，直接预测转录组速度并恢复内在时间坐标。

2.1 核心架构

CellDyc 包含两个耦合的子任务，统一在一个深度学习架构中：

1. 构建连续细胞时间线（Gene-embedded Time）： 学习一个线性基因组合（称为"Gene Clock"），将离散的实验时间点标签映射为连续的内在时间坐标。
2. 推断瞬时方向趋势（Directional Trends）： 预测细胞在基因表达空间中的瞬时变化方向。

2.2 关键模块与机制

• 半监督学习策略：
  • 时间排序损失（Temporal Pairwise Ranking Loss）： 将离散的实验时间点转化为细胞对之间的相对排序关系（Rank relationships）。模型通过最大化预测时间差与真实时间差的一致性来学习连续时间，而非直接回归离散标签。
  • 趋势对齐损失（Trend Alignment Loss）： 利用细胞邻域（Neighborhood）内的局部信息。对于中心细胞，根据其邻居细胞的时间方向（过去/未来）加权计算转录组差异向量，以此作为监督信号来预测瞬时变化趋势。
• Gene Clock 模块：
  • 作为潜在空间的第一维，它不仅作为独立的时间表示，还用于校准最终速度向量的幅度。
  • 速度幅度的计算基于局部基因方差与局部时间方差的比率，从而将方向预测转化为具有生物学意义的速度向量。
• 鲁棒性设计：
  • 采用自适应加权方案处理包含同时间点细胞（无法推断方向）的邻域。
  • 能够处理噪声标签（如 Zman-seq 技术产生的异步标签）和伪时间（Pseudotime）等弱监督信号。

3. 主要贡献 (Key Contributions)

1. 提出了 CellDyc 框架： 首个能够同时利用实验时间点的宏观约束和局部转录组异质性来重建高分辨率瞬时转录组速度的半监督学习框架。
2. 恢复了“基因嵌入时间”（Gene-embedded Time）： 证明了时间信息是转录组内在的属性。CellDyc 不仅能利用实验标签，还能通过“去噪”和“校正”（如校正伪时间的非线性扭曲），恢复出更接近真实生物过程的内在时间坐标。
3. 无缝集成现有工具： CellDyc 输出的速度向量可直接用于下游分析工具（如 CellRank），无需依赖特定的剪接动力学模型，解决了传统 RNA 速度方法在特定数据上失效的问题。
4. 广泛的适用性验证： 在模拟数据、多种生物模型（线虫、斑马鱼、小鼠）以及复杂疾病场景（胶质母细胞瘤）中均表现出优越性能。

4. 关键结果 (Results)

4.1 模拟数据验证

• 在具有真实速度标签的模拟数据中，CellDyc 在恢复基因嵌入时间和预测瞬时速度方面均显著优于 OT 方法（Waddington-OT, Moscot）和 RNA 速度方法（scVelo, cellDancer）。
• 采样密度鲁棒性： 即使在稀疏采样（仅 3 个时间点）条件下，CellDyc 仍能保持稳健的预测精度，而 OT 方法性能大幅下降。

4.2 发育生物学应用

• 线虫（C. elegans）与斑马鱼： 在已知谱系树和高分辨率时间数据的背景下，CellDyc 准确恢复了胚胎发育轨迹和未观测时间点的动态，其预测的基因嵌入时间与真实胚胎时间高度相关（Pearson r = 0.72 - 0.98）。
• 小鼠原肠胚红细胞成熟： 揭示了红细胞成熟过程中不同谱系的时间异质性（Temporal Heterogeneity）。CellDyc 发现造血祖细胞到 BP2 细胞的过程中，自我更新能力的下降伴随着时间跨度的收缩，并识别出 BP2 细胞中存在反转的轨迹片段，这是其他方法未能捕捉到的复杂动态。

4.3 疾病微环境应用（胶质母细胞瘤）

• 单核细胞分化延迟： 利用 Zman-seq 技术（存在技术异步性）分析胶质母细胞瘤微环境。CellDyc 成功区分了两种单核细胞向 TAM（肿瘤相关巨噬细胞）的分化轨迹。
• 定量发现： 发现免疫抑制微环境（IgG 对照组）显著延迟了单核细胞的分化动力学，而 aTREM2 治疗组则加速了向促炎 TAM 的分化。这一发现通过基因嵌入时间量化，而原始实验时间标签因噪声无法揭示此规律。
• 基因贡献分析： 识别出对时间编码起关键作用的基因组合，证明了模型能够提取具有生物学意义的时序标记。

4.4 细胞重编程应用

• 在小鼠成纤维细胞重编程为内胚层祖细胞（iEPs）的数据中，CellDyc 结合 CellRank 准确识别了初始状态和两个终端命运（成功重编程 vs. 死胡同）。
• 相比之下，scVelo 和 OT 方法未能自动识别正确的初始/终端状态，导致命运概率预测错误。CellDyc 的速度向量成功引导了正确的命运映射。

4.5 泛化能力

• CellDyc 不仅能处理实验时间点，还能利用**伪时间（Pseudotime）**或 CytoTRACE 时间作为弱监督输入。
• 实验证明，即使输入是高度扭曲的伪时间，CellDyc 也能“校正”这些偏差，恢复出与真实实验时间高度一致的基因嵌入时间，展现出强大的去噪和纠偏能力。

5. 科学意义与展望 (Significance)

• 理论突破： 确立了“基因嵌入时间”作为转录组内在属性的概念，打破了传统方法中“宏观趋势”与“微观动态”的对立，提供了一种统一的数据驱动范式。
• 方法学创新： 通过半监督学习巧妙解决了时间序列 scRNA-seq 数据中“离散采样”与“连续过程”之间的矛盾，为轨迹推断提供了更鲁棒的基准。
• 生物学洞察： 揭示了以往被掩盖的生物学现象，如微环境对分化速率的定量调控、红细胞成熟中的时间异质性等，为理解细胞命运决定机制提供了新的时间维度视角。
• 未来潜力： 该框架具有扩展性，未来可整合多组学数据（如 CITE-seq, Multiome）和空间转录组数据，进一步解析时空维度下的细胞命运决定机制。

总结： CellDyc 通过引入实验时间点引导的半监督学习，成功解决了时间序列单细胞数据分析中的关键瓶颈，为解析复杂的细胞动态过程提供了高精度、可解释且通用的计算工具。