细胞的“未来”可见 — 测量“哪些细胞将前往何处”的新标尺：spVelo诞生的背景与可能性

引言：如何在显微镜中引入“时间”

活细胞共享相同的基因组，但通过不断变化的基因表达组合来决定命运。通过一张快照来推测这种动态的“RNA速度”在单细胞分析时代描绘了“未来的向量”，但在实践中遇到了两个障碍。如何整合空间信息，以及如何自然地整合不同批次的数据。2025年9月，宾夕法尼亚州立大学和耶鲁大学的研究人员发布的spVelo是一项雄心勃勃的作品，解决了这两个问题。 PhysioOrg

有什么新意：VAE×GAT×MMD的三重奏

spVelo的核心是机器学习的三重奏。

• **VAE（变分自编码器）**学习基因表达的潜在表示，

• GAT（图注意力网络）整合细胞间的空间邻近性和网络结构。
  此外

• MMD（最大平均差异）作为统计惩罚来减少批次间潜在空间的偏差，使得多批次数据能够自然地叠加在一张地图上。 BioMed Central

通过这种组合，spVelo在保持空间转录组学的粒度的同时，稳定了RNA速度的估计。它打破了过去“空间或多批次”的二选一限制，实现了两者兼得。 PhysioOrg

精度提高到何种程度：在癌症和胰腺中的验证

作者们在口腔鳞状细胞癌（OSCC）的实际数据和小鼠胰腺来源的模拟中进行了与现有方法的基准测试。结果显示，在箭头（速度向量）的估计质量和轨迹的恢复方面，spVelo表现优越或至少同等。利用潜在空间的分布来定量不确定性（置信度）也是其特点之一，能够标注出对哪些细胞的未来估计有信心，哪些包含波动。这直接关系到实验计划和假设验证的优先级。 BioMed Central

什么是RNA速度：从剪接中读取未来

RNA速度是一种从未剪接（unspliced）和剪接（spliced）转录产物的计数中推测基因表达方向和速度的框架。不仅是单细胞RNA-seq（scRNA-seq）的瞬时风速，还推测表达变化的“时间微分”。工具如scVelo的普及，使其成为生成发育、免疫、癌症细胞谱系假设的标准手段，但当涉及多个谱系、时间依赖速度和空间背景时，难度会大幅增加。spVelo在此背景下同时引入空间坐标和批次整合作为进化版。 scvelo.readthedocs.ioBioMed Central

为什么是“空间”和“多批次”

在空间转录组学中，组织内的位置信息为细胞状态的决定提供了重要线索。来自邻近细胞的信号、微环境、组织轴——这些都会影响细胞的“去向”。另一方面，现实实验跨越多个日子，由多个人处理。温度和酶效应等细微差异会成为批次效应，扰乱分析。spVelo通过GAT引入**“重视邻近细胞”注意机制，并通过MMD使批次差异的潜在空间一致**，正面解决了这两个问题。 BioMed Central

社区反应：热情与谨慎并存

论文刚一发布，X（前Twitter）上就出现了论文链接的分享，“空间×多批次的整合”这一关键词引起了关注。多个生物信息学账号的介绍帖子也出现了，信息迅速传播。另一方面，部分帖子关注“与现有管道（如scVelo等）的联动和再现性”，并分享了避免过度解读的态度。 X (formerly Twitter)X (formerly Twitter)

此外，新闻网站也对spVelo的要点（VAE和GAT、MMD的整合及其应用可能性）进行了通俗易懂的解读，传达给了研究人员以外的读者。 News-Medical

在哪里可以使用：应用场景

• 发育与分化：在包含空间梯度或生态位的组织中，更准确地映射干细胞的分支。

• 癌症：考虑肿瘤内的微环境（免疫浸润、低氧区域、间质），早期检测向治疗抵抗性发展的细胞的箭头。在OSCC中的验证是一个起点。 BioMed Central

• 免疫应答：在炎症局部捕捉细胞间相互作用的空间性，推测克隆扩展和功能分化的方向。

• 药物研发与安全性：评估在药物刺激下“哪些细胞群向哪个方向发展”，有助于检测副作用的预兆。

注意事项：面对velocity的“陷阱”

RNA速度虽然强大，但时间不变的速度假设和投影时的偏差等技术陷阱是已知的。社区已经整理了这些限制和对策，并发布了指导方针。spVelo通过不确定性的展示和空间、批次整合向前迈出了一步，但即便获得了地利（空间），也不是万能的。在可视化和解释方面，仍然需要验证实验和多角度分析。 BioMed CentralGitHub Pages

数据与透明度：开放获取的推动力

本研究以开放获取的形式发表在Genome Biology上，资金由NIH等支持。作为附录，附加数据和数据集信息也被公开，为确保再现性提供了材料。Altmetric的反响指标也在增长，预计未来的重复实验和改进将加速。 BioMed CentralFigshare

总结：获得空间的velocity成为“地图和指南针”

spVelo将空间背景、多批次整合以及不确定性的定量这三大要素嫁接到RNA速度上。通过这一点，我们能够为载玻片上的细胞群绘制出更可靠的时间箭头。发育、癌症、免疫以及治疗反应的观察——**“哪些细胞向哪里去，可信度有多高”**的研究中，加入了一个新的标准候选。 PhysioOrgBioMed Central

由 Froala Editor提供