你拍了一张照片，但其实能看到整条时间线

假设你走进一家幼儿园，只拍了一张照片。照片里有正在哭的、在玩积木的、在排队等午饭的、在午睡的。你没见过这些孩子从早到晚的完整日程，但你能从每个人正在做的事情来推断：哭的那个可能刚被送来，午睡的那个可能已经在幼儿园待了大半天。

单细胞生物学家面对的困境，和这差不多。

问题出在哪

单细胞 RNA 测序是最近十年最有力的生物学工具之一。它的能力很惊人：一次实验可以同时测量一万个细胞的基因表达状态，让你看到一个组织中所有细胞的全景。

但它有一个根本性的限制：测序会杀死细胞。

你没法对同一个细胞测两次。所以你拿到的永远是一张”快照”——所有细胞在某一时刻的状态。而你想知道的是：干细胞是怎么变成血细胞的？皮肤细胞在受伤后怎么重新编程回祖细胞状态的？肿瘤细胞怎么一步步获得转移能力的？

这些”怎么变”的问题，本质上是时间问题。但你的数据里没有时间。

2019 年的一项研究为此提供了一个思路。 Schiebinger 等人在 Cell 上发表了 Waddington-OT，用一种叫”最优传输”的数学工具来推断细胞分化路径。它的基本想法是：如果你有早期和晚期两个时间点的细胞数据，就能用最优传输算法找到从早到晚的最优”搬运方案”，这个方案就对应了分化的路径。

这很聪明，但它有个前提：你得有两个时间点的数据。

只有一个时间点怎么办

2025 年底，Tronstad、Karlsson 和 Dahlin 在 PNAS 上发表了 MultistageOT，把这个问题推到了更难的场景：只有一个时间点的快照，能不能推断出时间？

直觉上这似乎不可能。没有时间维度的信息，怎么恢复时间？

但仔细想想，那张幼儿园照片里其实藏着时间信息。不是因为照片上有时间戳，而是因为”正在哭”和”正在午睡”之间存在逻辑上的先后关系。你不需要被告知时间，就能从状态差异中推断出顺序。

MultistageOT 做的事情类似。它把单张快照中的细胞根据状态差异分成多个虚拟阶段，然后在阶段之间应用最优传输。干细胞在”第一阶段”，祖细胞在”中间阶段”，成熟细胞在”最后阶段”——这种阶段划分的依据不是时间标签，而是细胞本身的基因表达特征。

数学家的优雅

最优传输本身是一个很美的数学问题。

18 世纪，法国数学家 Monge 提出了一个看似简单的问题：怎么把一堆沙子搬到另一个地方，让总的搬运距离最短？ 这个问题看起来像是土木工程题，但 Monge 发现它背后的数学结构异常深邃。200 年后，苏联数学家 Kantorovich 把它推广成一个更一般的优化框架，这项工作后来为他赢得了 1975 年的诺贝尔经济学奖。

最优传输的核心洞察是：在所有可能的搬运方案中，总存在一个成本最低的方案，而且这个方案往往揭示了两个分布之间的深层结构关系。

把它用到细胞分化上：早期的细胞群体是一堆”沙子”，晚期的细胞群体是另一堆”沙子”。最优传输找到的”搬运方案”——哪个早期细胞最可能变成哪个晚期细胞——就是分化的概率路径。

MultistageOT 的巧妙之处在于，它让这个框架不再依赖两个时间点。 它从单张快照的状态结构中”凭空”构造出多个阶段，然后在这些虚拟阶段之间做最优传输。数学上，这是一种逆向推理——从结果反推过程。

在实际数据上表现如何

Tronstad 等人在经典的造血分化数据集上测试了 MultistageOT。造血系统是检验轨迹推断方法的标准场景：我们知道造血干细胞可以分化成红细胞、白细胞、血小板等各种类型，分化的路径在教科书上有详细描述。

MultistageOT 在这些数据上的推断结果和已知的分化路径一致。它正确识别了主要的分化方向，给出了合理的细胞命运概率估计。

在更复杂的数据集上——比如胰腺内分泌发育、肾脏损伤修复——MultistageOT 也能恢复出有生物学意义的轨迹结构。研究者用已知的标志基因表达模式来交叉验证，发现推断出的路径和标志基因的预期变化趋势吻合。

但这里有一个重要的诚实声明： “在已知系统中给出正确答案”和”在未知系统中一定正确”是两回事。我们之所以选择这些数据集来测试，恰恰是因为我们知道答案。这种方法在完全未知的系统中能走多远，还需要更多验证。

不是唯一的方法

MultistageOT 不是轨迹推断的唯一工具。这个领域有很多方法，各有各的哲学。

RNA velocity 关注”速度”： 利用未剪接和已剪接转录本的比例来估计每个细胞当前的运动方向。它像一个 GPS，告诉你每个细胞”正在往哪走”。

最优传输关注”路径”： 利用群体分布的结构来推断从起点到终点的最优映射。它像一张地图，告诉你”从 A 到 B 最可能怎么走”。

伪时间方法关注”排序”： 把细胞沿着一条假想的时间轴排列。它像给照片里的人按身高排队，不关心方向，只关心顺序。

每种方法回答的是不同层面的问题。在实际研究中，有经验的研究者会同时用几种方法，比较它们的结论。当不同方法给出一致答案时，可信度更高。当不同方法给出不同答案时，这本身就是一个有价值的信号——它提示数据中可能有复杂的结构，需要进一步探究。

边界在哪里

任何从静态数据推断动态过程的方法，都受制于一个根本性的限制：信息守恒。

如果一张快照中只包含两三种细胞状态，那么不管数学方法多精巧，能提取的时间信息都是有限的。就像那张幼儿园照片——如果照片里所有人都在坐着听课，你很难推断谁先来谁后来。

具体来说，MultistageOT 面临这些限制：

阶段假设。 它假设分化过程可以分成离散的阶段。但如果真实的分化是高度连续的、没有明显的阶段边界，阶段分解就失去了依据。

马尔可夫假设。 它假设细胞从当前状态到下一个状态的转移概率主要取决于当前状态。但细胞的命运可能受到很久以前的事件影响——比如早期的表观遗传标记——这种”长程记忆”是马尔可夫模型不容易捕捉的。

采样覆盖度。 如果某些分化中间状态在数据中没有被采集到，最优传输的映射会在这些”空白区域”中变得不确定。

这些不是 MultistageOT 独有的问题，而是所有轨迹推断方法共同面对的挑战。 从静态数据恢复动态过程，本质上是一个信息不完整的问题。数学工具可以帮助我们在约束条件下做出最优推断，但它们不能凭空创造信息。

对不同读者意味着什么

如果你做单细胞实验： 这类方法可以从你已有的数据中挖掘更多关于分化动态的信息。但请把计算推断当作”假设生成器”，不是”结论生成器”。推断出的路径需要用标志基因表达、谱系追踪实验、或者功能验证来确认。

如果你对数学在生物学中的应用好奇： 最优传输是一个很好的案例。一个 18 世纪的沙堆问题，在 21 世纪的单细胞生物学中找到了出人意料的应用。这不是巧合——好的数学描述的是普适的结构关系，这种普适性让它能在完全不同的领域中被重新使用。

如果你只是好奇： 这个故事的核心其实很简单——聪明的人在想办法从有限的信息中提取更多的内容。我们没办法对每个细胞跟踪录像，但我们可以从一张”照片”中利用各种线索来推测”录像”可能是什么样的。这是科学中一个反复出现的主题：在信息不完整的世界里，尽可能聪明地推理。

参考文献