Cell丨汪伟旭/胡致远等开发RegVelo：联合建模基因调控网络与 RNA velocity，预测细胞命运走向

背景：细胞命运决定是发育生物学中的核心问题，近年出现的单细胞转录组学和RNA velocity分析能推断细胞状态的瞬时变化方向，而基因调控网络（GRN）推断方法可系统识别转录因子与其靶基因之间的调控关系，但两者长期缺乏直接耦合。研究目的：为弥补这一空白，Fabian J. Theis团队与合作者提出了RegVelo模型，目标是将基因调控网络嵌入RNA velocity的动力学学习中，从而实现“细胞走向何方”与“由谁推动”的统一回答，并能模拟调控干预后细胞命运的重新分配。结论：RegVelo在小鼠胰腺、人类造血体系等已知系统上验证了其可靠性，在斑马鱼神经嵴体系中通过体内Perturb-seq进一步确认了多个命运驱动因子（如tfec、elf1）及其冗余调控模块。模型在扰动预测准确性上优于dynamo和CellOracle等对照方法。RegVelo将GRN显式纳入速度场学习，为构建可解释的虚拟细胞模型提供了新途径，但仍需改进对时间动态、染色质状态及计算效率的处理。