透過Moscot映射時間與空間中的細胞

單細胞基因組學的新技術

單細胞基因組學技術可以讓我們在時間和空間上分析數百萬個細胞。不過，實驗的限制使得我們無法在它們的自然狀態下測量所有細胞的狀態。為了解決這個問題，最佳運輸理論成為了一個強大的工具，幫助我們恢復細胞的原始背景。然而，目前大多數的算法實現無法跟上數據集的複雜性，無法有效地整合多種信息或擴展到單細胞圖譜。

moscot的介紹

在這裡，我們介紹了多組學單細胞最佳運輸（moscot），這是一個通用且可擴展的框架，適用於單細胞基因組學中的最佳運輸應用，支持所有應用中的多模態信息。我們展示了moscot能夠有效地重建170萬個小鼠胚胎細胞在20個時間點的發展軌跡，並識別出第一心域形成的驅動基因。

空間維度的應用

moscot的公式也可以用來在空間維度上運輸細胞。我們通過將小鼠肝臟樣本中的單細胞資料映射到空間轉錄組學數據集來展示這一點，並對小鼠大腦的多個冠狀切片進行對齊。我們還介紹了moscot.spatiotemporal，這是一種新方法，利用基因表達在空間和時間維度上的變化，揭示小鼠胚胎發生的時空動態。

胰臟發展的研究

最後，我們使用基因表達和染色質可及性的配對測量，分析了一個新的小鼠時間解析胰臟發展數據集，找到了delta細胞和epsilon細胞之間共享祖先的證據。

moscot的可用性

moscot作為一個易於使用的開源Python套件，並提供了詳細的文檔，大家可以在這裡找到。