上海交大李令杰团队开发出准确预测单细胞发育潜能新工具——FitDevo

目前，单细胞转录组测序技术被广泛应用于破译细胞的分子活动。与此同时，针对单细胞数据的计算工具的开发和使用也更加变得不可或缺。在发育相关的单细胞研究中，数据分析人员首先使用计算工具（如Seurat和Scanpy）对数据进行预处理并降维（如PCA、UMAP和Monocle等）；然后使用先验信息（如“干性”相关的标记基因）来确定细胞的发育潜能。

然而，在研究新的发育谱系时，人们往往无法提前获知标记基因，这就需要研究人员发现并利用其他数据特征来预测细胞发育潜能，例如：RNA velocity（如Velocyto和Dynamo）、主成分极性（VECTOR）、网络特性（如SCENT和CCAT）、转录组多样性（CytoTRACE）等。这些信息丰富了人们对发育潜能相关特性的理解，同时也启发研究者发掘更多数据特征，从而能够更加准确地预测细胞的发育潜能，并深入研究其更广泛的应用价值。

近日，上海交通大学基础医学院组织胚胎学与遗传发育学系李令杰课题组在 Briefings in Bioinformatics 期刊在线发表题为：FitDevo: accurate inference of single-cell developmental potential using sample-specific gene weight 的研究论文。

该研究开发了一款用于分析单细胞转录组测序数据（scRNA-seq）的新型计算工具——FitDevo，该工具基于样本特异的基因权重来准确地预测单细胞的发育潜能。

在这项研究中，研究团队开发出一种用于准确预测细胞发育潜能的新型计算工具FitDevo。针对用户输入的单细胞转录组数据，FitDevo首先生成样本特异的基因权重（SSGW），然后利用SSGW和基因表达谱的相关性来预测细胞的发育潜能。

具体而言，该研究首先利用17个典型的、具有明确时间序列信息的单细胞发育数据作为训练集并学习出了基因权重（GW）；然后，基于广义线性模型，结合GW和输入样本的主成分空间（PCs），计算出SSGW。为了进一步检验该方法的准确性，研究团队又利用28个其他不同研究的单细胞发育数据进行发育潜能的分析。结果表明，FitDevo的效果优于目前已发表的其他工具（CytoTRACE、CCAT、SCENT等）。

此外，该研究还发现FitDevo在更广泛的应用场景中也具较高的实用价值，包括：1、单细胞解卷积（Deconvolution）数据分析；2、空间转录组数据分析；3、癌症细胞发育潜能研究等。该研究不但开发出更加准确并且适用广泛的单细胞分析新工具，并进一步加深了人们对于细胞发育潜能的认识。

图1：FitDevo单细胞分析工具的计算框架以及利用该工具进行发育潜能分析的应用场景

上海交通大学基础医学院组织胚胎学与遗传发育学系李令杰研究员为该论文的通讯作者，张丰助理研究员为该研究论文的第一作者和共同通讯作者。

课题组简介：课题组长李令杰研究员，上海交通大学医学院组织胚胎学与遗传发育学系/上海市生殖医学重点实验室课题组长，博士生导师，主要研究方向为“干细胞分化发育与疾病的表观遗传调控”，目前的研究专注于皮肤分化发育的表观基因组调控以及再生医学研究。李令杰研究员在干细胞再生医学以及表观基因组学领域积累了丰富的研究经验并取得多项重要成果，在 Cell Stem Cell、Cell Reports、PNAS 等杂志发表十多篇论文。