中大新聞網訊（通訊員孫小強）近日，中山大學數(shù)學學院孫小強教授團隊圍繞“動態(tài)細胞間通訊（cell–cell communication, CCC）如何驅動細胞狀態(tài)轉變（cell state transition, CST）”這一關鍵問題，提出了一個統(tǒng)一的細胞通訊速率模型—CCCvelo，該模型是一個多尺度非線性動力學模型，其整合了細胞間配體-受體信號梯度和細胞內轉錄因子激活級聯(lián)，從動力學層面解析編碼細胞狀態(tài)演變的基因表達動態(tài)。進一步，研究團隊提出了一種基于物理信息約束的協(xié)同進化學習算法，實現(xiàn)了從靜態(tài)空間轉錄組數(shù)據中推斷模型動力學參數(shù)與細胞偽時序的聯(lián)合優(yōu)化，從而有效捕捉動態(tài)細胞通訊與細胞狀態(tài)轉變之間的耦合關系。相關成果發(fā)表在《Nature Computational Science》。
通過在模擬空間表達數(shù)據及多個高分辨率空間轉錄組數(shù)據集上的系統(tǒng)性基準測試與實際應用驗證，研究結果表明，CCCvelo 能夠準確還原細胞狀態(tài)轉變的時空軌跡，并揭示其過程中關鍵的動態(tài)基因調控網絡。該工作為將細胞間通訊動力學與空間轉錄組軌跡推斷相結合提供了一種全新的分析范式，加深了對細胞狀態(tài)演變過程中細胞間與細胞內動態(tài)調控機制的理解。
中山大學數(shù)學學院孫小強教授為論文的唯一通訊作者，閆璐璐博士為該論文的第一作者。
原文鏈接： https://www.nature.com/articles/s43588-025-00934-2
