Nature | 新方法moscot：单细胞时空图谱的“导航系统”

《Nature》最新研究提出了一种名为moscot的计算框架，通过最优输运（OT）技术，首次实现了多模态单细胞数据在时间和空间维度的精准映射。该方法不仅突破了传统OT方法的局限，还能处理百万级细胞的发育轨迹重建、空间转录组数据增强及多切片对齐，并在小鼠胚胎发育、肝脏和大脑研究中验证了其高效性，为解析复杂生命过程提供了全新工具。

引言

1、当前痛点：

单模态限制：现有OT工具仅支持单一数据类型（如基因表达），无法整合多组学信息（如染色质可及性、蛋白质表达）。

算力瓶颈：传统OT计算复杂度高（时间/内存随细胞数平方增长），难以应用于百万级单细胞图谱。

工具碎片化：不同OT方法实现差异大，接口不统一，阻碍新问题的拓展应用。

2、moscot的突破：

多模态兼容：支持基因、蛋白、空间坐标等多维度数据联合分析。

超强扩展性：通过低秩近似和GPU加速，计算效率提升数个量级。

统一框架：提供标准化接口，适配时空、跨模态等多种生物学问题。

方法解析：moscot如何工作？

1、核心算法

三大OT模型：

• Wasserstein型：对齐相同特征空间的细胞（如时间序列）。

• Gromov-Wasserstein型：跨不同空间的数据对齐（如空间切片）。

• 混合型（FGW）：融合基因表达相似性与空间距离（时空联合分析）。

多模态整合：通过共享潜在表征（如PCA降维）统一多组学数据。

2、性能优化

低秩近似：将耦合矩阵约束为低秩，降低计算复杂度至线性。

即时编译（JAX）：支持GPU加速，百万级细胞分析可在笔记本电脑完成。

3、下游应用

细胞命运预测、空间注释迁移、驱动基因识别，并与CellRank等工具无缝衔接。

小鼠胚胎发育重建

成功追踪170万细胞跨越20个时间点的发育轨迹，准确性媲美定制化工具TOME，且生长率预测更符合生物学实际（如凋亡率<10%）。

空间数据增强与对齐

将小鼠肝脏CITE-seq数据（含91,000细胞）映射至36.7万空间位点，精准识别中央静脉（CV）和门静脉（PV）区域，并实现大脑冠状切片的百万级细胞对齐。

时空动态解析

整合基因表达与空间坐标，构建小鼠胚胎心脏与脑发育轨迹，预测关键转录因子（如心脏发育的Gata4、神经元分化的Neurod2）。

胰腺内分泌谱系揭秘

通过多组学数据发现δ和ε细胞共享祖细胞，实验验证NEUROD2为ε细胞分化的关键调控因子，为糖尿病研究提供新靶点。

参考资料

Klein, D., Palla, G., Lange, M. et al. Mapping cells through time and space with moscot. Nature 638, 1065–1075 (2025). 

代码链接：https://moscot-tools.org