HDTree：面向稳健细胞谱系推断的细胞层次结构生成建模
机器学习
2026-05-19 v3 定量方法
摘要
在单细胞研究中，追踪和分析高通量单细胞 differentiation 轨迹对于理解生物学过程至关重要。关键在于对主导细胞发展的层次结构进行稳健建模。传统方法在计算成本、性能和稳定性方面存在局限。基于变分自编码器（VAE）的方法取得了进展，但仍需要特定分支的网络模块，限制了其可扩展性和稳定性，同时常常出现后验塌陷。为克服这些挑战，我们引入了 HDTree，一个为稳健细胞谱系推断而设计的生成式建模框架。HDTree 通过统一的层次化码本捕获树形关系，并采用量化扩散过程来建模连续细胞状态转换。通过将生成过程与 Waddington landscape 对齐，该方法不仅提高了稳定性和可扩展性，还增强了推断细胞谱系的生物学合理性。HDTree 的有效性通过在通用数据集和单细胞数据集上的比较得以证明，该方法在细胞谱系推断准确性、重构质量和层次一致性方面均优于现有方法。这些贡献使得对细胞分化路径的准确且高效的建模成为可能，为生物学发现提供了可靠的见解。
引用
@article{arxiv.2506.23287,
title = {HDTree: Generative Modeling of Cellular Hierarchies for Robust Lineage Inference},
author = {Zelin Zang and WenZhe Li and Yongjie Xu and Chang Yu and Changxi Chi and Jingbo Zhou and Zhen Lei and Stan Z. Li},
journal= {arXiv preprint arXiv:2506.23287},
year = {2026}
}
备注
accepted by ICML26