基于随机细胞可塑性模型的相对比例数据推断绝对细胞数量的新方法

本研究针对细胞群体动态变化量化中绝对数量测量困难的问题，开发了基于随机细胞可塑性模型的数学映射方法。研究人员通过建立一阶矩（FOM）和二阶矩（SOM）方法，首次实现了仅需细胞比例数据即可推断绝对细胞数量的突破，其中SOM方法无需初始种群大小信息。该研究为肿瘤异质性、干细胞分化等领域的动态分析提供了新工具，相关代码已开源。

　　

在生物医学研究中，精确量化细胞群体动态变化是理解组织发育、肿瘤进展等过程的关键。然而实验测量中面临一个根本性矛盾：虽然绝对细胞数量能直接反映生物量变化，但实际操作中相对比例数据（如流式细胞术检测的细胞亚群占比）却具有更好的可重复性和稳定性。这种矛盾在肿瘤异质性研究、干细胞分化追踪等场景尤为突出——研究者能轻易获得不同时间点的癌细胞亚群比例，却难以连续监测肿瘤总体积变化；能记录干细胞与分化细胞的占比波动，但无法实时获取绝对数量。如何从易得的比例数据反推难测的绝对数量，成为困扰学界多年的"数据断层"难题。

厦门大学的研究团队在《Journal of Theoretical Biology》发表的研究中，创新性地建立了随机细胞可塑性模型的数学框架。该研究聚焦包含干细胞（C₁
）和非干细胞（C₂
）的双室模型，通过推导随机过程的矩方程，开发了两种突破性的推断方法：一阶矩方法（FOM）利用比例动态与数量动态的微分关系建立映射，但需已知初始种群大小；二阶矩方法（SOM）则通过引入比例数据的方差信息，摆脱了对初始条件的依赖。研究采用随机模拟验证了方法的有效性，并系统考察了分裂模式（对称/不对称分裂）、直接转分化等生物机制对推断准确性的影响。

关键技术方法包括：基于Gillespie算法的随机过程模拟，用于生成细胞比例动态数据；矩方程推导技术，建立比例与数量间的数学映射；针对三室模型（干细胞C₁
、过渡扩增细胞C₂
、终末分化细胞C₃
）的扩展分析。实验数据来源于公开的肿瘤单细胞测序数据集。

Cell-plasticity model
研究首先建立包含不对称分裂（产生1个C₁
和1个C₂
）和对称分裂（产生2个C₁
或2个C₂
）的随机模型。通过矩方程分析发现，细胞比例动态与总群体规模N_t
存在确定性关系，由此建立FOM方法。

Cell-plasticity model with direct transitions
在引入直接转分化（C₁
→C₂
）机制后，验证了SOM方法仅需当前时间点的比例均值与方差即可估算N_t
的特性，这对临床单次活检样本的分析具有重要意义。

Results for multiple cell types
拓展至三室模型时，推导显示各室细胞数量X_i
(t)与总群体N(t)=ΣX_i
(t)的关系仍保持线性，证明方法在复杂系统普适性。

该研究突破性地解决了实验生物学中比例数据与绝对数量的转换难题。FOM方法为纵向研究提供精确工具，而SOM方法尤其适合临床单次采样场景。通过揭示细胞分裂模式（对称/不对称）对群体波动的影响规律，为肿瘤异质性量化、干细胞库维持机制等研究开辟新途径。作者开源的计算框架（GitHub: crtn）可直接应用于单细胞测序数据分析，推动定量生物学与临床研究的深度融合。