在不同的生物学过程中，如个体发育、细胞周期、病原体感染和药物干预，细胞会动态地改变其分子状态。单细胞测序技术的快速发展，为揭示复杂生物系统中的细胞异质性和动态变化提供了更高分辨率的视角。然而，该类技术的观测本质仍为静态快照，如何从高维组学数据中恢复真实的细胞群体演化轨迹仍面临挑战。RNA速度模型的提出为理解细胞状态的瞬时变化提供了重要工具，但现有方法多数仍局限于局部方向估计，难以拓展至全基因组或多组学场景。

近日浙江大学生命科学学院陈铭教授团队与匹兹堡大学邢建华教授团队合作，在Nature Communications期刊发表题为“GraphVelo allows for accurate inference of multimodal velocities and molecular mechanisms for single cells”计算方法，该研究实现了RNA转录速度的定量估计，并将单细胞转录组的动力学研究扩展到至多模态数据分析场景。

本研究提供了基于RNA速度预测多模态速度向量的理论框架，可用于定量研究基因的非平衡转录动力学，基因协同作用的功能模块，多组学速度之间的耦合/解耦问题以及更为复杂的调控机制（图1）。

图1. GraphVelo框架的分析流程，原理与应用

本研究基于微分几何与动力系统理论，在RNA速度建模中引入局部几何约束，以增强速度估计与数据流形间的一致性。GraphVelo提供了基于RNA速度预测多模态速度向量的理论框架，可用于定量研究多组学速度之间的耦合/解耦问题以及更为复杂的调控机制。在细胞周期、细胞发育以及病毒感染等多种生物学体系中，结合多组学数据与空间转录组的实验结果表明，该方法能够从复杂的单细胞组学数据中准确重建RNA速度信息，并将速度分析的应用范围从传统的转录组扩展至全基因组水平、病毒基因组动态以及多模态组学整合场景，显著提升了RNA速度建模在系统生物学与定量生物学中的广泛适用性与生物解释力。

浙江大学生命科学学院为论文第一作者单位与通讯作者单位，博士生陈俞皓为该论文第一作者。陈铭、Ivet Bahar和郉建华为共同通讯作者。该研究受浙江大学新星计划资助。

原文链接：https://doi.org/10.1038/s41467-025-62784-w