北大团队发表stVCR时空动态框架

北京大学李铁军、周沛劼团队在 Nature Methods 发表论文，提出生成式深度学习框架 stVCR，可从离散的空间转录组快照推断连续的细胞时空演化。该方法以不同时间点的空间坐标和降维基因表达为输入，用动态最优传输描述表达分布变化，用旋转平移不变的空间匹配校正坐标系，并用非平衡最优传输处理增殖和死亡带来的数量变化；三个神经网络联合学习空间迁移速度、表达变化速度和群体增长率，观测时间点少时可加入细胞状态转换与结构保持先验。 报道同时指出，具体细胞转换仍属基于快照数据的计算推断，网络连边与基因“驱动”评分尚不能替代基因扰动等因果验证，重建出的“连续录像”是计算模型的最佳解释，而非对同一细胞的直接实时追踪。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。