链接细胞命运：古槿团队提出在单细胞水平解析抗肿瘤药物动态作用机制的算法scStateDynamics

主要观点总结

本文介绍了肿瘤细胞状态的异质性与动态可塑性在耐药机制中的作用，以及研究人员利用单细胞组学和生物信息技术对肿瘤细胞状态进行检测与分析的挑战。针对这些挑战，清华大学古槿团队提出了scStateDynamics算法，该算法可以基于单细胞转录组数据对肿瘤细胞的命运进行链接，并估计细胞群的增殖或抑制比例。该算法可以应用于分析肿瘤细胞的原发性耐药和获得性耐药机制，以及药物的动态效应。研究团队已经应用该算法在多种肿瘤中取得了有意义的结果，并发表了相关论文。

关键观点总结

关键观点1: 肿瘤细胞状态的异质性与动态可塑性是耐药的关键因素。

随着技术的发展，研究人员可以在单细胞水平对肿瘤细胞状态进行检测与分析，但仍面临组学检测破坏性和动态追踪检测困难等问题。

关键观点2: scStateDynamics算法的应用。

古槿团队提出的scStateDynamics算法利用单细胞转录组数据中的基因表达变化信息，对肿瘤细胞的命运进行链接，并估计细胞群的增殖或抑制比例。

关键观点3: 该算法在解析药物作用机制方面的应用。

通过构建贝叶斯因子分析模型，该算法可以从静态和动态两个维度对药物作用机制进行深度解析，并已经应用于多种肿瘤的研究。

关键观点4: 研究成果的发表和合作团队。

该研究由清华大学古槿团队、腾讯AI Lab姚建华团队共同完成，相关成果发表在基因组与生物信息学领域的旗舰期刊《基因组生物学》上。

文章预览

肿瘤细胞状态的异质性与动态可塑性是导致耐药的关键因素，随着单细胞组学与生物信息技术的发展，研究人员可以在单细胞水平对肿瘤细胞的状态进行检测与分析，但由于组学检测是“破坏性”的，即使是采用最新的DNA条形码示踪技术，也难以获得对同一个细胞的动态追踪检测。 如果能提出计算模型，将在不同时间点对不同样本检测得到的组学数据在单细胞水平链接起来，实现对细胞命运的“虚拟”重构，将会为理解肿瘤的耐药机制、发现新的生物标志提供更多的信息。 针对上述挑战， 清华大学自动化系长聘副教授 古槿团队 等提出了scStateDynamics算法，利用相邻两个时间点或者药物扰动前后的单细胞转录组数据中的基因表达变化信息对肿瘤细胞的命运进行链接。 该算法假设肿瘤细胞状态运行在某个低维空间，相邻时刻状态更接近的细胞之间的 ………………………………