【供稿：人工智能学院】近日，吉林大学人工智能学院常毅教授团队在系统解析胚胎动态发育过程研究中取得重要突破。相关研究成果以“TemporalVAE: atlas-assisted temporal mapping of time-series single-cell transcriptomes during embryogenesis”为题发表在《Nature Cell Biology》。

细胞时序动态解析是理解胚胎发育、组织再生及疾病进程的核心环节。随着单细胞时间序列图谱的快速发展，国际科研团队已构建了涵盖小鼠胚胎发育、人类早期胚胎植入等重要过程的大规模参考图谱。然而，现有计算方法在跨数据集应用时面临严峻挑战：传统方法对时间标签的离散化处理难以适应不同采样间隔，限制了其在快速动态过程（如胚胎植入）和跨物种比较中的泛化能力。

为解决这一瓶颈，本研究创新性地提出了TemporalVAE——一种基于多任务变分自编码器（VAE）的深度生成模型。该模型通过双目标优化策略，在低维潜在空间中有效保留细胞时序信息，并具备转录组生成能力。在大规模验证实验中，该模型展现了三大突破性优势：一是卓越的扩展性，可高效处理超过88万个细胞的小鼠胚胎发育数据。二是优异的泛化能力，在跨平台空间转录组数据及人类胚胎植入过程中均实现精准的细胞阶段鉴定。三是广泛的适用性，成功支持人类体内外胚胎发育对比及跨灵长类物种（人、食蟹猴、狨猴）的发育轨迹比较。该研究还开创性地引入了虚拟扰动分析策略，通过基因表达干预定量识别时序敏感基因，不仅增强了模型的可解释性，更为解析细胞命运决定机制提供了新的研究方法。该工作的成功开展，为发育生物学研究提供了强大的计算工具，也将推动疾病模型评估和再生医学研究的创新发展。

该工作由吉林大学、香港大学、香港大学深圳医院等单位科研人员合作完成，吉林大学人工智能学院柳一君博士为论文第一作者，常毅教授为通讯作者。

论文链接：https://www.nature.com/articles/s41556-025-01787-7