Nature Methods 前沿：空间转移张量方法解析细胞状态转变
Nature Methods 前沿：空间转移张量方法解析细胞状态转变
单细胞生物学领域迎来一项重要突破！Nature Methods最新发表的研究介绍了一种名为“空间转移张量”（Spatial Transition Tensor, STT）的新方法，能够从单细胞RNA测序数据中解析细胞状态转变。这种方法不仅考虑了基因表达和RNA剪接状态，还整合了细胞的空间分布信息，为理解细胞命运决定和组织发育过程提供了新的视角。
在单细胞生物学中，揭示细胞状态的转变对于理解发育、疾病进程以及细胞命运决定至关重要。空间转录组学（Spatial Transcriptomics）和信使RNA剪接（Messenger RNA Splicing）为细胞状态转变编码了丰富的时空信息。然而，如何从这些复杂的数据中重建细胞的转变路径，特别是考虑到细胞在空间上的分布和多稳态特性，仍然是一个亟需解决的问题。
传统的单细胞RNA测序方法如RNA速度（RNA velocity）依赖低维相似性推断细胞动态，虽能揭示命运方向，却常忽视空间信息和多稳态复杂性，适用于单一平衡系统，在多谱系或多亚稳态的复杂组织中效果不佳。
Nature Methods发表的最新研究介绍了一种名为“空间转移张量”（Spatial Transition Tensor, STT）的新方法，旨在解析单细胞RNA测序数据中的细胞状态转变。具体而言，STT通过整合单细胞RNA测序中的未剪接（U）和已剪接（S）mRNA计数及细胞注释，构建四维转移张量，捕捉细胞基因表达和剪接状态之间的关系，以及细胞在空间上的分布。通过分析张量，STT方法能够识别出细胞状态的“吸引子”，即细胞可能稳定存在的多种状态。结合基因表达相似性和空间坐标，STT构建三部分的转移概率（基于速度、相似性和空间）的加权组合，描述细胞如何在不同状态之间转变，以及这种转变在空间上的路径。最后利用PCA或UMAP等降维方法，在二维平面上展示细胞状态的动态转变路径和概率通量，可视化细胞状态转变。
这项工作为单细胞转录组数据的解析提供了新的视角和方法，通过跨越不同时间尺度和组织区域的过程，提供了一种从单细胞数据集中提取时空信息的统一方法，促进了对细胞命运决定和组织发育过程的深入理解。未来，STT方法有望在疾病研究、基因组工程和合成生物学等领域发挥重要作用，推动生物科学的发展。
图1. STT框架概述。
a.对比RNA速度（线性和单一平衡）与STT张量模型（多稳态和多个吸引子）。 b.通过平均细胞在不同吸引子中的所属关系，定义转移张量和诱导的RNA速度。 c–f.STT的工作流程。 c.输入的U和S计数矩阵。 d,e.转移张量的动力学参数估计（d）与动力学分解和粗粒化（e）之间的迭代方案。 f.STT的输出。 g.使用STT分析空间转录组学数据，其中基于空间细胞坐标的空间相似性核与张量诱导和基因表达诱导的核相结合，以推断细胞在吸引子中的所属关系。在路径相似性图中，Dim.表示降维后的坐标。
图2. STT在仿真数据集中的基准测试
图3. A549细胞系中TGFB1诱导下EMT的多稳态性。
图4. HybISS小鼠大脑空间转录组数据集中的转移张量分析