中国科学院团队等探索天文新篇章推出单细胞轨迹追踪技术
。7月31日，中国科学院深圳先进技术研究院合成生物学研究所胡政课题组与厦门大学数学科学学院周达课题组合作，在国际学术期刊Nature Biotechnology（自然生物技术）发表了题为PhyloVelo enhances transcriptomic velocity field mapping using monotonically expressed genes的研究论文，提出一项新颖的单细胞分化轨迹推断算法框架，命名为PhyloVelo。
该方法通过联合单细胞转录组数据和谱系示踪数据，鉴定随细胞而表达量呈现单调递增或递减的基因，并利用演化方法估计这些基因RNA转录变化速度，以构建单细胞转录组速度场（RNA velocity fields），实现对细胞分化轨迹的高精准推断。该算法主要分为两个部分：首先识别并筛选出在系统发育树上各个时间点线性单调增加或减少的基因，即MEGs；其次通过最大似然估计得到每个MEG的漂移系数，从而得到每个细胞在过去一个单位时间（例如一个突变）的转录组状态。
作者在多种仿真数据和真实数据上对PhyloVelo算法进行了验证，该算法能够准确地推断仿真数据中的线性、分叉和趋同等复杂分化结构，与真实分化轨迹高度一致。此外，在小鼠早期胚胎发育中，PhyloVelo还表现出了优于RNA velocity的性能，可以准确地识别出红细胞系列中血液/内皮祖细胞作为最早期的类型，并且与其增殖能力呈强相关。
除了小鼠胚胎发育外，PhyloVelo还被用于解析肿瘤演化、免疫系统动态发育以及其他生物过程中的复杂分化轨迹，并量化了不同类型之间状态转换概率。在肺癌模型中，PhyloVelo揭示了癌症逆向自我更新过程。在抗PD-1治疗后的CD8+ T cells中，它发现活性的CD8+ T cells来源发生明显变化，这表明T cells具有高度可塑性。
总之，本项工作提供了一种新的方法来重建生物体内各个组织间及同一组织内部不同类型之间交互关系，以及它们如何随着时间改变。这对于理解生命发展过程及其疾病机制具有重要意义，同时也为未来医药研发提供了解决方案。
