IF36.1｜Cell2fate：基于RNA速度模块提升细胞命运预测

用可解析的线性化模块分解RNA速度，在复杂动态和稀有细胞类型中更准地推断细胞轨迹。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

RNA速度利用单细胞RNA测序中剪接和未剪接RNA计数的时间信息来推断转录动态。现有速度模型要么依赖粗略的生物物理简化，要么依赖大量数值近似来求解常微分方程，在复杂或微弱的转录速率变化下准确性受限。Cell2fate提出一种基于速度ODE线性化的RNA速度公式，以完全贝叶斯方式求解更准确的生物物理模型，并将速度解分解为模块，建立RNA速度与统计降维之间的生物物理联系。

科学问题

卡在哪里： 现有RNA速度模型在复杂转录动态（如多速率基因的逐步转录速率变化）和成熟细胞类型的微弱信号中表现不佳，常错误推断反向轨迹或无法解析晚期成熟过程。

本文要回答： 开发一个表达力强、可解释且计算高效的RNA速度模型，能够捕捉复杂转录动态和稀有/成熟细胞类型中的微弱信号，并量化不确定性。

技术路线

作者主要用了：scRNA-seq、空间转录组、贝叶斯建模、变分推断、RNA速度、细胞轨迹推断。

作者将RNA速度ODE中的转录速率导数展开为可积基函数（模块）的线性组合，每个模块有独立的开关时间和目标转录速率，从而解析求解。模型在Pyro中实现，采用随机变分推断，并纳入技术因素（过离散、检测效率、环境RNA、批次）。随后在五个真实数据集上以CBDir指标与十种方法基准测试，并应用于小鼠齿状回和发育中的人脑空间转录组数据，验证模块的生物学解释性和空间映射能力。

图 1　Fig. 1。图1展示了cell2fate的核心概念：a图说明模型能推断复杂转录动态；b图显示基因特异性转录速率由少量独立模块的简单动态组合而成，模块有ON/OFF状态和开关时间；c图和d图分别展示RNA速度和计数中的模块结构。

核心亮点

亮点 1｜基准测试全面超越现有方法

在五个scRNA-seq数据集上，cell2fate的平均CBDir分数最高，且在所有数据集中均推断出正确的细胞命运转变方向，而其他方法（除pyroVelocity_model2外）至少在一个基准设置中推断出反向动态。在齿状回数据中，cell2fate成功解析了颗粒神经元晚期成熟轨迹，而其他方法错误地推断成熟细胞向未成熟细胞转变。在红细胞成熟数据中，cell2fate正确重建了多速率基因（如Hba-x、Nudt4）的逐步转录速率变化，而pyroVelocity_model2只能预测单一非零转录速率。

图 2　Fig. 2。图2展示了基准测试结果：a图显示十种方法在五个数据集上的CBDir分数，cell2fate全部为正且最高；b-d图展示特定挑战数据集中的表现，如成熟细胞类型中的微弱信号（OPC/OL）和复杂转录速率动态；e图显示cell2fate估计的细胞时间在齿状回中区分不同谱系，在红细胞成熟中形成单一连续时间线，且后验不确定性低。

亮点 2｜模块分解揭示颗粒神经元晚期成熟阶段

在齿状回数据中，cell2fate识别出16个RNA速度模块，其中9个模块沿颗粒神经元谱系顺序激活。模块4-9在成熟颗粒神经元中依次开启并时间重叠，精细划分了晚期成熟过程。与MOFA因子和Leiden聚类相比，cell2fate模块能更清晰地分层晚期成熟阶段。模块标志基因包括Rbm24、Tafa1、Sptb（模块4）和Fst、Rapgef5、Moxd1（模块6）等，其中模块8包含阿尔茨海默病风险基因Trappc6a和自闭症风险基因Kdm6a、Nr4a2，提示潜在疾病关联。

图 3　Fig. 3。图3展示了齿状回数据中模块的详细分析：a图显示速度图嵌入；b图显示颗粒神经元谱系中选定模块随时间的剪接计数丰度；c图比较模块激活、MOFA因子和Leiden聚类；d图将模块状态分类为OFF、ON、诱导或抑制；e图显示每个细胞中模块激活（定义为模块产生的剪接计数）。

亮点 3｜空间映射RNA速度模块至发育中人脑

在发育中的人脑snRNA-seq数据中，cell2fate识别出七个顺序激活的神经元成熟模块。利用Visium空间转录组数据，通过cell2location将模块稳态表达映射到组织切片上。祖细胞模块定位于生发区，神经元模块定位于皮质板。未成熟上层神经元模块（0）映射到上层皮质和中间带，早期成熟上层神经元模块（2）仅在上层皮质，晚期成熟深层神经元模块（5）特异映射到深层皮质，与已知的神经元迁移和成熟空间模式一致。

图 4　Fig. 4。图4展示了空间映射工作流程和结果：a图说明将模块稳态表达作为参考谱输入cell2location以推断空间位置上的模块丰度；b图展示实验设置和大脑皮层发育的时空模式；c图显示人脑数据的cell2fate速度图UMAP嵌入；d图展示神经元模块的时空分布，与已知的迁移和成熟梯度一致。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： scRNA-seq、空间转录组、贝叶斯建模、变分推断、RNA速度、细胞轨迹推断
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事单细胞RNA速度分析、发育生物学和空间转录组整合的研究者。

带走一句

Cell2fate将RNA速度分解为可解释的模块，在复杂动态和微弱信号场景下更可靠，且模块可映射到空间数据，为发育和疾病研究提供新工具。