近日，中国科学院上海生命科学研究院（人口健康领域）马普计算生物学伙伴研究所韩敬东研究组、中科院生物化学与细胞生物学研究所景乃禾研究组与清华大学沈沁研究组合作，在《自然·通讯》（Nature Communications）上在线发表了题为“Inference of differentiation time for single cell transcriptomes using cell population reference data”的研究论文。该研究开发了一种名为iCpSc的计算工具包，用于整合单细胞和群体细胞转录组数据，从而预测细胞分化过程中单细胞的分化时间和路径，并通过基因调控网络分析寻找关键调控因子和信号通路。

单细胞转录组测序技术是分析发育和重编程过程中细胞异质性的强大工具。分析细胞间异质性的关键目标之一是发现未知的细胞状态或重构细胞谱系的发育轨迹。然而，单细胞转录组数据中常包含生物或非生物干扰因子（如细胞周期），现有计算方法往往需要人工去除这些因子。该研究开发的iCpSc工具能够自动整合单细胞和群体细胞数据，有效推断分化时间。

细胞周期调控在发育和细胞分化中起重要作用，例如G1和M期的长短调控神经细胞命运决定。在小鼠胚胎发育中，神经发育是分步调控的过程。尽管已有研究阐明了多种参与神经命运决定的分子和信号通路，但其他因子及其相互作用机制尚不明确。

本研究通过体外培养小鼠胚胎干细胞，诱导其分步产生神经细胞，模拟体内神经分化过程。研究人员开发了iCpSc工具，在模拟数据集和文献数据集中验证了其优势。为进一步验证，他们采用小鼠神经分化体外诱导模型，在密集时间点中选取8个代表性时间点，生成单细胞和群体细胞转录组数据，利用iCpSc预测每个单细胞的分化时间和路径。通过相关分析，他们发现了分化相关基因（“timer” genes），其中富集了细胞周期调控因子。通过构建基因调控网络，找到了协调细胞周期和神经细胞分化的关键调控基因。最后，通过CRISPR/Cas9基因敲除和小分子抑制剂实验，验证了Fyn和M期在控制神经细胞分化时间中的作用。

该研究得到了国家自然科学基金、中国科学院和科技部等的资助。