返回
Decoding cell state transitions driven by dynamic cell–cell communication in spatial transcriptomics
DOI:10.1038/s43588-025-00934-2.png)
摘要
En 中文
在多细胞系统中,细胞命运决定源于细胞内信号与细胞间通讯的整合。空间转录组学(ST)为阐明这些调控过程提供了机会,但推断由细胞间通讯(CCC)调控的细胞状态转换(CST)的空间-时间动态仍具挑战。本文介绍CCCvelo,通过联合优化动态CCC信号网络和潜在CST时钟来重建CCC驱动的CST动态。CCCvelo构建了一个统一的跨尺度非线性动力学模型,整合细胞间配体-受体信号梯度与细胞内转录因子激活级联,以捕获编码CST的基因表达动态。此外,我们设计了PINN-CELL,一种基于物理信息神经网络(PINN)的协同演化学习算法,可同时优化模型参数和伪时间排序。将CCCvelo应用于高分辨率ST数据集(包括小鼠皮质、胚胎躯干发育和人类前列腺癌数据集),证明了其能够成功恢复已知的形态发生轨迹,同时揭示调控CST进程的动态CCC信号重布线。本文介绍了CCCvelo,一种计算工具,利用空间组学数据识别细胞间通讯如何指导细胞命运决定,揭示调控发育和疾病的空间-时间信号动态。
Keyword:
cell state transitions
cell–cell communication
spatial transcriptomics
pseudotemporal ordering
multiscale kinetic modeling
期刊
IF:
18.3
论文数:
3.1K
被引数:
4.0K
机构
引用论文
IF0
IF0
IF4.5
IF12.5

