这项发表于《Nature Methods》的研究介绍了一种名为
MultiCell 的
几何深度学习框架,旨在预测和解析多细胞发育过程中的复杂动力学。该方法通过独特的
双图数据结构,统一了细胞个体(颗粒视角)与细胞间隙网络(泡沫视角)的物理描述,填补了生物学在大规模单细胞精度预测方面的空白。利用这一模型,研究者在黑腹果蝇胚胎发育中实现了高精度的
形态序列自动比对,并能在单细胞水平上预判
细胞连接丢失、
细胞内陷及
分裂等行为。通过消融实验与激活图分析,研究进一步揭示了
细胞几何形状与
局部网络拓扑是决定组织形态发生的核心要素。该成果不仅为构建统一的
形态动力学图谱提供了实证途径,也为定量研究生命系统自组织规律开辟了数据驱动的新方向。
References:
- Yang H, Roy G, Nguyen A Q, et al. Multicell: geometric learning in multicellular development[J]. Nature Methods, 2025: 1-9.
前往小宇宙评论区与主播互动