Squidiff：利用扩散模型预测细胞发育及对干扰的反应

《Nature Methods》：Squidiff: predicting cellular development and responses to perturbations using a diffusion model

单细胞测序揭示细胞异质性与环境刺激响应机制，但跨细胞类型转录组动态图谱解析仍具挑战。本研究提出基于扩散模型的生成框架Squidiff，通过持续去噪与语义特征整合，可学习瞬态细胞状态并预测高时空分辨率的转录组图谱。在细胞分化、基因扰动及药物响应预测中验证其鲁棒性，成功应用于血管类器官发育建模及中子辐射响应分析，为虚拟分子景观筛选和细胞命运调控机制研究提供新工具。

　　

摘要

单细胞测序彻底改变了我们对细胞异质性以及细胞对环境刺激反应的理解。然而，绘制不同细胞类型在各种刺激下的转录组变化图谱并阐明潜在的疾病机制仍然具有挑战性。在这里，我们提出了Squidiff，这是一个基于扩散模型的生成框架，可以预测不同细胞类型在环境变化下的转录组变化。我们证明了Squidiff在细胞分化、基因扰动和药物反应预测方面的稳健性。通过持续的去噪和语义特征整合，Squidiff能够学习细胞的瞬态状态，并预测随时间和条件变化的高分辨率转录组图谱。此外，我们还应用Squidiff来模拟血管类器官的发育以及细胞对中子辐照和生长因子的反应。我们的结果表明，Squidiff能够实现分子图谱和细胞状态转变的计算机模拟筛选，从而加速假设生成，并为细胞命运决定的调控机制提供宝贵的见解。