Nat Methods新工具——Squidiff虚拟细胞!细胞分化、基因/药物扰动、类器官发育和转录组变化,一键完成!

生信塔之前推荐的虚拟敲除和虚拟扰动工具——scTenifoldKnk、GenKI等，能帮助大家不用养细胞，就能做基因敲除/过表达等分析。那今天再给大家推荐个重磅工具——发表在Nat Methods上的Squidiff虚拟细胞！这个工具的功能更多样，数据更全面。总结一句话——不想养细胞？不想做实验？那就多用下这些虚拟工具！Squidiff是什么？Squidiff 是一种基于条件扩散模型与语义编码器的生成式框架，能将生物学语义信息与随机噪声在潜空间分离，通过语义变量插值或加法实现对细胞分化、基因/药物扰动的连续预测，具备高分辨率重建瞬时状态与跨细胞类型泛化能力Squidiff能做什么？Squidiff 能够利用有限的单细胞转录组数据（如起点与终点状态），来推断连续的细胞分化轨迹、预测未知基因或药物组合的扰动效应，并预测不同细胞类型在外界处理下的转录组变化、细胞学响应等，能帮助医学科研工作者降低大规模时序测序成本，加速功能机制研究效率。Squidiff的原理看不太懂也没关系，只要把它作为一个应用工具，解决好我们的实际科研问题——比如，预测细胞分化、预测基因与药物对细胞的分子和表型影响、预测类器官发育、预测细胞在特定条件下的转录组变化等。

这些“虚拟技术”不断更新迭代，为的不就是让我们少吃实验的苦吗？既然可以纯生信发文，那就别做实验啦！感兴趣的小伙伴，想要把虚拟细胞技术用在自己的课题中，那就让生信塔帮你评估一下吧！不做实验的话，2-3个月内把文章投出去应该不成问题！

生信塔

   定制生信分析

生信服务器

选题背景如何预测细胞在发育与扰动下的转录组变化，目前仍有很大挑战，现有模型难以捕捉高分辨率动态与瞬时状态。

研究思路1）模型构建：作者开发了 Squidiff，一种基于条件扩散模型与语义编码器的生成框架，通过语义变量与噪声分离，学习细胞状态在潜空间中的连续过渡，实现从起点状态预测目标状态的转录组变化。2）模型验证：分别在细胞分化、非加性基因扰动、药物反应（包括未见药物）三个场景中，与 scGen、GEARS、PRnet 等模型对比，验证其预测准确性。3）应用研究：将 Squidiff 应用于血管类器官，预测中子辐射与 G-CSF 干预下的细胞动态响应，并通过实验测序数据进行验证。

Squidiff的主要应用价值

1，预测细胞分化：条件：只要我们有同一细胞谱系在起点状态（如 iPSC）和终点状态（如分化的某类细胞）的单细胞转录组数据。目标：我们就能可以用 Squidiff预测从起点到终点的连续分化中间状态，无需真正采集多个时间点的样本，即可获得高分辨率的发育轨迹，并识别关键标志基因的动态变化。

2，预测基因与药物扰动：条件：已知未扰动细胞（对照）和已知扰动（如单个基因敲除或单药处理）的单细胞转录组数据。目标：我们就能可以用 Squidiff预测组合扰动（如双基因同时敲除或双药联用）的转录组效应，甚至对未见过的细胞类型或未见过的药物（结合分子指纹）进行响应预测，辅助筛选有效组合方案。

3，预测基因与药物扰动：条件：需要已知类器官起始阶段（如 iPSC）和成熟阶段某一时间点（如第11天）的单细胞转录组数据。目标：我们就能可以用 Squidiff重建类器官从起始到成熟的完整发育轨迹，捕捉稀有或瞬时的细胞状态（如周细胞向内皮细胞的分化），帮助理解类器官中不同细胞谱系的分化路径。

4，预测细胞在某种条件下的转录组变化：条件：需要已知某一种细胞类型在特定条件下（如辐射、药物处理）的转录组数据，以及同体系下其他未测细胞类型的基础状态数据。目标：我们就能可以用 Squidiff预测同体系中其他细胞类型在该条件下的转录组响应，即仅用部分细胞类型的扰动数据，外推预测其余细胞类型在同一刺激下的变化，从而减少大规模测序实验成本。

生信塔点评由于Squidiff是刚刚发表的技术，目前尚未有后续跟进报道，无法给大家直接展示案例。不过，简单总结就是，如果已经有某个方向/某个细胞的单细胞测序数据集（公共数据就够用），那么就可以应用Squidiff虚拟细胞技术，来预测细胞分化、对外界处理（比如药物）的表达谱变化，确实很方便。常规分析大家都在用，虚拟细胞/虚拟敲除作为研究亮点，让咱的研究脱颖而出。当然，不论是虚拟敲除、虚拟药筛、虚拟病理，本质上都是研究工具，是为了研究目的服务！如果小伙伴们对这类分析技术不了解，又需要这类分析，那可以滴滴生信塔，能协助大家实现上述分析，最终实现咱们的科研目的是关键！