外觀
定序技術 › 單細胞 RNA-seq › 軌跡分析
軌跡分析 (Trajectory Analysis)
把細胞沿著一個連續的生物過程(分化、活化、藥物反應)排序。單細胞實驗只拍到一個時間點的「快照」,但不同細胞處在過程的不同階段;軌跡分析從這些快照推回過程的順序。
核心概念
| 概念 | 意義 |
|---|---|
| 擬時間 (pseudotime) | 細胞在推論路徑上的相對位置,不是真實時間;單位無意義、只能比較先後 |
| 根 (root) | 起點,通常需要人工指定(例:幹細胞群) |
| 分支 (branch) | 路徑分岔,暗示譜系分化 |
| RNA velocity | 由未剪接 / 已剪接 reads 的比例推估每個基因「正在上升或下降」,給軌跡方向 |
工具
| 工具 | 方法 | 特點 |
|---|---|---|
| Slingshot(R) | 在分群上建最小生成樹,再擬合主曲線 | 簡單、穩健,需先分群 |
| Monocle 3(R) | 在 UMAP 上學習主圖 (principal graph) | 可處理複雜分支 |
| PAGA(scanpy) | 群之間的連通性圖 | 適合判斷整體拓樸,常與擴散擬時間 (DPT) 搭配 |
| scVelo(Python) | RNA velocity 的動態模型 | 提供方向;需要 spliced / unspliced 計數(velocyto、STARsolo) |
| CellRank(Python) | 結合 velocity 與相似度推估終點狀態與命運機率 | 多終點的分化系統 |
使用前提與陷阱
| 陷阱 | 說明 |
|---|---|
| 資料裡本來沒有連續過程 | 軌跡工具一定會畫出一條路徑,即使細胞只是幾個分離的群 |
| 方向是假設出來的 | 沒有 velocity 或已知標記時,起點由人決定 |
| 對 UMAP 擬合 | UMAP 會扭曲距離;在 PCA / 擴散空間推論較可靠 |
| 批次與細胞週期 | 可能被誤認成「軌跡」;先校正或回歸掉 |
| RNA velocity 的假設 | 轉錄速率恆定等假設在很多系統不成立,方向可能錯 |
| 沿擬時間的差異表現 | 用 tradeSeq 等考慮平滑曲線的方法;p 值仍有細胞非獨立的問題 |
軌跡是假說產生工具。用時間序列實驗、譜系追蹤 (lineage tracing) 或已知 marker 的先後順序來驗證。
流程上的位置見 單細胞 RNA-seq。