空间转移张量 (STT) 是一种新方法，旨在解析单细胞RNA测序数据中的细胞状态转变。它通过整合单细胞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。STT 结合基因表达相似性和空间坐标，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。

🤔 **STT 框架概述:** STT 通过整合单细胞 RNA 测序中的 U 和 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。

📈 **STT 工作流程:** STT 结合基因表达相似性和空间坐标，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。

🧬 **STT 应用:** STT 方法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。

💡 **STT 优势:** STT 与传统的单细胞 RNA 测序方法如 RNA 速度相比，能够更好地描述细胞状态的转变，特别是考虑到细胞在空间上的分布和多稳态特性。STT 方法适用于多谱系或多亚稳态的复杂组织，在揭示细胞命运方向方面具有更强的优势。

🧪 **STT 研究成果:** STT 方法在仿真数据集和真实数据集（例如 A549 细胞系中 TGFB1 诱导下 EMT 的多稳态性，以及 HybISS 小鼠大脑空间转录组数据集）中都得到了验证，证明了其有效性和可靠性。

原创 集智俱乐部 2024-10-06 19:30 北京

一种名为“空间转移张量”（Spatial Transition Tensor, STT）的新方法

关键词：空间转录组学，单细胞RNA测序，空间转移张量，吸引子，细胞命运决定

 

论文题目：Spatial transition tensor of single cells

论文来源：Nature Methods

论文链接：https://www.nature.com/articles/s41592-024-02266-x

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

王婷 | 编译

生命复杂性读书会：

生命复杂系统的构成原理

在生物学中心法则的起点，基因作为生命复杂系统的遗传信息载体，在生命周期内稳定存在；而位于中心法则末端的蛋白质，其组织构成和时空变化的复杂性呈指数式增长。随着分子生物学数十年来的突飞猛进，尤其是生命组学（基因组学、转录组学、蛋白质组学和代谢组学等的集合）等领域的日新月异，当代生命科学临近爆发的边缘。如此海量的数据如何帮助我们揭示宇宙中最复杂的物质系统——“人体”的构成原理和设计原理？阐释人类发育、衰老和重大疾病的发生机制？

集智俱乐部联合西湖大学理学院及交叉科学中心讲席教授汤雷翰，国家蛋白质科学中心（北京）副研究员常乘、李杨，香港浸会大学助理教授唐乾元，北京大学前沿交叉学科研究院研究员林一瀚，中国科学院分子细胞科学卓越创新中心博士后唐诗婕，共同发起「生命复杂性：生命复杂系统的构成原理」读书会，从微观细胞尺度、介观组织器官尺度到宏观人体尺度，梳理生命科学领域中的重要问题及重要数据，由生物学家提问，希望促进统计物理、机器学习方法研究者和生命科学研究者之间的深度交流，建立跨学科合作关系，激发新的研究思路和合作项目。读书会从2024年8月6日开始，每周二晚19:00-21:00进行，持续时间预计10-12周。欢迎对这个生命科学、物理学、计算机科学、复杂系统科学深度交叉的前沿领域感兴趣的朋友加入！

详情请见：

生命复杂性读书会：从微观到宏观，多尺度视角探索生命复杂系统的构成原理

推荐阅读

1. Nature Methods | 单细胞的空间过渡张量

2. Nat. Methods. | 单细胞多尺度空间游走算法解析复杂细胞状态

3. Nat. Methods. 速递：考虑生物背景信息的单细胞蛋白质计算模型

4. 张江：第三代人工智能技术基础——从可微分编程到因果推理 | 集智学园全新课程

5. 龙年大运起，学习正当时！解锁集智全站内容，开启新年学习计划

6. 加入集智，一起复杂！

点击“阅读原文”，报名读书会

阅读原文

跳转微信打开