520-MultiCell：多细胞发育中的几何深度学习

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.