吉林大学联合香港大学构建基于深度学习的单细胞转录组时序分析框架，以系统解析胚胎发育的动态过程。
https://www.nature.com/articles/s41556-025-01787-7
细胞时序动态解析是理解胚胎发育、组织再生及疾病进程的核心环节。随着单细胞时间序列图谱的快速发展，国际科研团队已构建了涵盖小鼠胚胎发育、人类早期胚胎植入等重要过程的大规模参考图谱。然而，现有计算方法在跨数据集应用时面临严峻挑战：传统方法对时间标签的离散化处理难以适应不同采样间隔，限制了其在快速动态过程（如胚胎植入）和跨物种比较中的泛化能力。
吉林大学人工智能学院常毅教授团队的柳一君博士以第一作者在《Nature Cell Biology》上发表了题为《TemporalVAE: atlas-assisted temporal mapping of time-series single-cell transcriptomes during embryogenesis》的研究。该研究旨在应对单细胞时间序列图谱数据在生物医学研究中长期存在的关键挑战：尽管国际科研合作已产出小鼠胚胎发育等大规模单细胞时序图谱，为疾病模型构建提供重要参照，但细胞状态的复杂性及实验批次与时间标记的高度耦合，使得个体数据集的时间解析依然困难。研究团队创新性地提出TemporalVAE——一种采用双目标设定的深度生成模型，该模型能够通过压缩潜在空间精准推断每个细胞的生物学时间，甚至实现零样本学习。基于小鼠发育图谱的验证表明，该模型具备百万级细胞数据的分析能力，支持跨平台细胞发育阶段的精准判定，并可通过虚拟扰动识别时序敏感基因。在人类胚胎植入阶段研究中，TemporalVAE成功实现了体内与体外条件下的细胞发育阶段鉴定，同时完成了人类、食蟹猴和狨猴胚胎的跨物种对比分析，展现出在生物医学领域的广泛应用潜力。
该研究还开创性地引入了虚拟扰动分析策略，通过基因表达干预定量识别时序敏感基因，不仅增强了模型的可解释性，更为解析细胞命运决定机制提供了新的研究方法。该工作的成功开展，为发育生物学研究提供了强大的计算工具，也将推动疾病模型评估和再生医学研究的创新发展。本论文在吉林大学人工智能学院常毅教授指导下，与香港大学深圳医院曹丹丹研究员、香港大学黄渊华教授合作共同完成。
