中大新闻网讯（通讯员孙小强）近日，中山大学数学学院孙小强教授团队围绕“动态细胞间通讯（cell–cell communication, CCC）如何驱动细胞状态转变（cell state transition, CST）”这一关键问题，提出了一个统一的细胞通讯速率模型—CCCvelo，该模型是一个多尺度非线性动力学模型，其整合了细胞间配体-受体信号梯度和细胞内转录因子激活级联，从动力学层面解析编码细胞状态演变的基因表达动态。进一步，研究团队提出了一种基于物理信息约束的协同进化学习算法，实现了从静态空间转录组数据中推断模型动力学参数与细胞伪时序的联合优化，从而有效捕捉动态细胞通讯与细胞状态转变之间的耦合关系。相关成果发表在《Nature Computational Science》。
通过在模拟空间表达数据及多个高分辨率空间转录组数据集上的系统性基准测试与实际应用验证，研究结果表明，CCCvelo 能够准确还原细胞状态转变的时空轨迹，并揭示其过程中关键的动态基因调控网络。该工作为将细胞间通讯动力学与空间转录组轨迹推断相结合提供了一种全新的分析范式，加深了对细胞状态演变过程中细胞间与细胞内动态调控机制的理解。
中山大学数学学院孙小强教授为论文的唯一通讯作者，闫璐璐博士为该论文的第一作者。
原文链接： https://www.nature.com/articles/s43588-025-00934-2
