这篇讲的是细胞轨建模的一个工具wot

形象地去思考细胞差异的本质,它可以是一列或者沿着有分叉的轨道前行,也可以是宝石在发展的(?)的地形上滚动。细胞轨迹建模本质上是要回答“一个细胞正处于什么阶段?它的起源最有可能是什么?它的最终命运是什么?哪些因子决定了它的生命历程?” bulk RNA-seq的一些方法并不适用于解轨迹建模的问题,因为它们解决不了(1)从所有细胞中分辨出不同细胞种类(2)分别追踪每种细胞种类的生命历程,这两个挑战。挑战(1)被新出现的scRNA-seq技术的大量方法所解决,挑战(2)仍然是WIP。

scRNA-seq会筛选掉一些细胞,这导致我们不能完整地追踪一个细胞。现有方法给出的细胞信息十分有限。对于细胞轨迹的理解性工作,目前很大程度上取决于计算方法的发展,好比把离散的截图组合成电影。但这些方法目前都有所欠缺:

  1. 首先,他们无一例外的都没有利用好时间相关的信息,大多专注于静止阶段。
  2. 其次,许多方法用图理论对轨迹进行建模,例如一维轨迹(边),零维分支点(点),因而细胞命运的逐渐变化的过程,在这些模型里没有被很好地捕捉到。
  3. 再者,几乎没有什么方法对细胞生长和死亡的原因作出解释。

Waddington-OT(wot) 是一种概念上的框架,它用来证明某一时间的细胞,其实是从基因表达空间中的概率分布模型选出来的,并且每个细胞都有从各个来源演化来的概率以及之后不同命运的概率。这个框架利用了沿时间变化的scRNA-seq数据,研究了细胞轨迹的这种概率分布模型是如何随时间演化的,所用方法为 Optimal Transport (OT).该框架被应用到理解一组转录因子瞬时过表达(?)后的细胞重编程。(目前重编程主要指两个过程:其一,分化的细胞逆转恢复到全能性状态的过程;其二,从一种分化细胞转化为另一种分化细胞的过程。from 百度百科)。针对这一课题, 有些相关问题是值得研究的:在重编程阶段哪类细胞数量上升?有哪些发育路径最终会通向重编程或者细胞的其他命运?哪些细胞的固有因素以及细胞间的相互作用会在这些路径上起驱动作用?收集到的信息能否提升细胞向某一特定目标重编程的效率?

fibroblasts(纤维原细胞;纤维组织母细胞)的重编程来形成全能干细胞目前已经被基于手工标注基因和基因分析的方法鉴定完毕。一些研究发现了几个具有谱系专一性的基因在这一过程中剧烈上调的现象,但这是否能反映出特定细胞间或杂乱的基因表达间的耦合差异仍不清楚。最近的一个工作分析了36000个scRNA-seq细胞在化学上而不是在转录因子的重编程过程,但仅鉴别出的单个分支事件(?)。通过分析MEFs数据,我们发现重编程过程发动了远超出认知范围内的一些列编程或子编程过程。通过实验,我们证明了,最高的两个预测从实际上增加了重编程的效率。

  • work in progress - : 补充实验的一些