.png){kind=icon}
返回
MultiCell: geometric learning in multicellular development
.png){kind=icon}
PRE
AI
DOI：10.1038/s41592-025-02983-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在胚胎发生等发育过程中，细胞群体如何自组织形成特定结构是生物学中的核心问题。然而，要理解并预测复杂过程中活组织中每个细胞随时间的动态行为，仍然是一个重大挑战。本文提出MultiCell，一种几何深度学习方法，能够精确捕捉细胞间高度复杂的相互作用。我们证明，通过统一的图数据结构，同时考虑细胞相互作用和细胞连接网络，多细胞数据可以同时体现精细和泡沫状的物理形态。利用该方法，我们实现了可解释的四维形态序列对齐，并在果蝇胚胎发育过程中单细胞分辨率下预测了单细胞行为。此外，通过神经激活图和模型消融研究，我们证明细胞几何形状和细胞连接网络是预测形态发生过程中细胞行为的关键特征。该方法为在单细胞精度下对动态多细胞发育过程进行数据驱动的定量研究奠定了基础，为构建统一的形态动力学图谱提供了概念验证途径。MultiCell是一种用于捕捉多细胞发育过程中复杂细胞动态的深度学习方法。
Keyword:
MultiCell
geometric deep learning
multicellular development
cell behavior prediction
morphogenesis
期刊
IF:
32.1
论文数:
7.2K
被引数:
12.7W