716-stVCR：单细胞时空动态生成深度学习框架

这篇文章介绍了一种名为 stVCR 的创新深度学习框架，旨在通过非连续的单细胞空间转录组快照数据来重构生物体连续的时空发育动态。由于现有的测序技术具有破坏性且样本间存在坐标差异，研究人员开发了这一模型，通过整合动态最优传输算法与刚体变换不变性，有效解决了细胞迁移、分化及增殖过程中的对齐与追踪难题。该工具不仅能像“录像机”一样还原细胞在物理空间中的运动轨迹，还能分析基因表达与空间位置之间的复杂相互作用。通过对蝾螈脑再生和果蝇胚胎发育等真实数据集的测试，证明了 stVCR 在处理生物样本异质性方面具有极高的准确性、扩展性和稳健性。总之，这项研究为深入探索生命发育及组织再生背后的精密调控机制提供了强有力的计算手段。

References:

• Peng Q, Zhou P, Li T. stVCR: spatiotemporal dynamics of single cells[J]. Nature Methods, 2026: 1-12.