单细胞调控动态的可扩展基因网络模型

单细胞数据提供了基因转录态的高维度测量，但从而从脱颖而出对基因调控功能的洞见，特别是识别受生物学扰动影响的转录机制，仍然是一个挑战。许多扰动会诱导细胞的补偿性反应，使其难以区分对基因调控的直接效应与间接效应。基于微分方程的动力学模型提供了一种原则性的方法来捕捉转录动力学，但其应用于单细胞数据受到计算约束、随机性、稀疏性和噪声的限制。现有方法要么依赖低维表示，要么做出强大的简化假设，限制了其在规模上建模转录动力学的能力。我们引入一种功能可学习的细胞动力学模型 FLeCS，将基因网络结构纳入耦合的微分方程，以建模基因调控功能。给定（伪）时间序列单细胞数据，FLeCS 在规模上准确地推断细胞动力学，提供了对因基因敲除导致的转录机制进行功能性洞察的改进，无论是在髓系分化和 K562 Perturb-seq 实验中，还是在小分子扰动后模拟 A549 细胞的单细胞轨迹。