Nature｜时空单细胞分析新突破：moscot框架实现多组学数据高效映射

引言：单细胞组学的挑战与最优运输的潜力

单细胞多组学技术（如scRNA-seq、空间转录组）为解析细胞异质性和组织动态提供了前所未有的分辨率。然而，实验技术的局限性导致细胞在天然时空背景下的完整分子状态难以捕获：时间序列数据存在断点，空间数据覆盖基因有限，跨模态信息整合困难。

传统的最传运输（Optimal Transport, OT）方法虽能通过“最小成本映射”重建细胞关系，但面临三大瓶颈：

1. 多模态支持不足：仅支持单一组学数据（如基因表达）；
2. 计算效率低下：时间/内存复杂度随细胞数呈平方甚至立方增长；
3. 工具碎片化：不同场景需切换算法，扩展性差。

近期，德国慕尼黑工业大学Fabian J. Theis团队一项发表在《Nature》期刊上的《Mapping cells through time and space with moscot》研究介绍了一个名为Moscot（multi-omics single-cell optimal transport）的新型计算框架，突破上述限制，成为首个支持多模态、可扩展、统一API的时空单细胞分析工具。

三大核心设计

Moscot基于最优传输理论，专门设计用于处理多模态数据，并且能够扩展到单细胞图谱规模的数据集。它通过将生物学映射和对齐任务转化为最优传输问题，并使用一致的算法集来解决这些问题，从而实现了对细胞在时间和空间上的高效重建和分析。

1. 多模态融合
整合基因表达、染色质可及性（ATAC）、蛋白质（CITE-seq）等多组学数据，通过共享隐空间构建联合距离度量。

2. 超大规模计算优化
基于JAX和GPU加速，结合低秩耦合近似，将计算复杂度从平方降至线性，支持百万级细胞数据集（如170万小鼠胚胎细胞）。

3. 统一框架与灵活API
覆盖时间序列重构（moscot.time）、空间对齐（moscot.space）、时空联合分析（moscot.spatiotemporal），无缝对接CellRank、Scanpy等生态工具。

moscot支持多模态OT，突破计算瓶颈，统一时空分析场景

三大应用场景

1. 重构发育轨迹：从胚胎到器官的高精度映射

在小鼠胚胎发育图谱（20个时间点，170万细胞）中，moscot成功解析心脏祖细胞分化路径，其预测的祖先概率与关键驱动基因（如Tbx5、Nkx2-5）表达高度相关，准确率超越kNN-based方法TOME。

关键突破：
– 引入细胞增殖/凋亡率动态调整，避免高估细胞死亡（传统方法预测凋亡率>19%，实际<10%）；
– 低秩近似（rank=2000）在保持精度的同时，计算速度提升10倍。

moscot准确预测心脏祖细胞分化并与基因表达一致

2. 空间转录组增强：从单细胞到组织微环境

在肝脏空间转录组数据中，moscot将CITE-seq的91,000个单细胞（含蛋白质数据）映射至36.7万个空间位点，成功定位中央静脉（CV）和门静脉（PV）标志基因（Adgrg6、Gja5），并揭示Kupffer细胞的空间富集规律。

核心优势：
– 融合基因表达相似性与空间距离（FGW-OT模型），在14个数据集上超越Tangram、gimVI；
– 支持跨技术对齐（如MERFISH脑切片），处理30万细胞级数据。

moscot精准定位肝脏分区与免疫细胞分布

3. 时空联合分析：解析发育调控网络

结合8个小鼠胚胎时空转录组数据集（E9.5-E16.5），moscot.spatiotemporal揭示脑区发育轨迹，预测神经前体细胞驱动因子（如Neurod4、Sox11），并通过CellRank 2推断终末命运。实验验证显示，敲除NEUROD2显著抑制人类iPS细胞向ε细胞分化。

亮点：
– 时空耦合模型提升轨迹推断精度5-13%；
– 跨时间点注释迁移准确率达85%（与标记基因一致）。

NEUROD2敲除降低GHRL表达（P<0.001）

未来展望：从工具到生态

Moscot已开源（https://moscot-tools.org），提供完整文档与教程。未来可结合神经最优运输（Neural OT）处理新样本预测，或拓展至跨模态整合、扰动响应建模等场景。

Moscot的诞生标志着单细胞时空分析进入“多模态+超大规模”时代。无论是发育生物学、疾病机制研究，还是空间多组学图谱构建，这一工具都将成为不可或缺的“瑞士军刀”。

参考资料

文献：Klein D et al. (2025). Mapping cells through time and space with moscot. Nature.

代码与数据：https://github.com/theislab/moscot

文档：https://moscot-tools.org