小柯机器人

美国加州大学Nir Yosef和德国慕尼黑亥姆霍兹中心Fabian J. Theis共同合作，近期取得重要工作进展。他们研究开发了veloVI，一种用于单细胞RNA速度分析的转录动力学深度生成建模框架。相关研究成果2023年9月21日在线发表于《自然—方法学》杂志上。

据介绍，RNA周转速度已被迅速应用于指导解释单细胞快照数据中的转录动力学。然而，目前估计RNA周转速度的方法缺乏有效的策略来量化不确定性并确定对感兴趣系统的整体适用性。

研究人员提出了veloVI（速度变分推理），这是一种用于估计RNA速率的深度生成建模框架。veloVI学习RNA代谢的基因特异性动力学模型，并提供转录组范围内的速度不确定性量化。研究人员表明，在拟合优度、转录相似细胞之间的一致性以及量化RNA丰度的预处理管道之间的稳定性方面，veloVI与以前的方法相比是有利的。

此外，研究人员证明了veloVI的后验速度不确定性可以用于评估速度分析是否适用于给定的数据集。

最后，研究人员强调veloVI作为一个灵活的框架，通过调整底层动态模型以使用时间依赖性转录速率来建模转录动态。

附：英文原文

Title: Deep generative modeling of transcriptional dynamics for RNA velocity analysis in single cells

Author: Gayoso, Adam, Weiler, Philipp, Lotfollahi, Mohammad, Klein, Dominik, Hong, Justin, Streets, Aaron, Theis, Fabian J., Yosef, Nir

Issue&Volume: 2023-09-21

Abstract: RNA velocity has been rapidly adopted to guide interpretation of transcriptional dynamics in snapshot single-cell data; however, current approaches for estimating RNA velocity lack effective strategies for quantifying uncertainty and determining the overall applicability to the system of interest. Here, we present veloVI (velocity variational inference), a deep generative modeling framework for estimating RNA velocity. veloVI learns a gene-specific dynamical model of RNA metabolism and provides a transcriptome-wide quantification of velocity uncertainty. We show that veloVI compares favorably to previous approaches with respect to goodness of fit, consistency across transcriptionally similar cells and stability across preprocessing pipelines for quantifying RNA abundance. Further, we demonstrate that veloVI’s posterior velocity uncertainty can be used to assess whether velocity analysis is appropriate for a given dataset. Finally, we highlight veloVI as a flexible framework for modeling transcriptional dynamics by adapting the underlying dynamical model to use time-dependent transcription rates.

DOI: 10.1038/s41592-023-01994-w

Source: https://www.nature.com/articles/s41592-023-01994-w

Nature Methods：《自然—方法学》，创刊于2004年。隶属于施普林格·自然出版集团，最新IF：47.99
官方网址：https://www.nature.com/nmeth/
投稿链接：https://mts-nmeth.nature.com/cgi-bin/main.plex