用于细胞分化分支 SDE 模型的轨迹推断

现代生物学的一个核心挑战是如何从群体水平的高维基因表达数据时间序列推断单个细胞的轨迹。细胞的出生与死亡带来了特殊困难：现有轨迹推断方法无法区分净增殖变异与细胞分化动力学，因此需要增殖速率的准确先验知识。基于 Global Waddington-OT（gWOT）——其在可忽略出生与死亡时以严格理论保证进行轨迹推断——我们展示了如何利用近期开发的基于 CRISPR 的测量技术所提供的谱系树来解耦增殖与分化。特别地，当不存在细胞死亡与子采样时，我们证明可将 gWOT 扩展至含增殖的情形，具有类似的理论保证与计算代价，且无需任何先验信息。在存在死亡和/或子采样的情况下，我们的方法引入了偏差，我们明确描述了该偏差并论证其固有于这些谱系追踪数据。我们在两种情形下均展示了该方法从带谱系追踪的模拟数据集时间序列可靠重建分支 SDE 景观的能力，甚至优于使用实验上不可得的真实分支速率的基准方法。