scverse/cellrank

解决的问题

CellRank 解决了单细胞数据中细胞动态和命运映射的挑战。它使研究人员能够确定细胞如何分化以及它们所采取的路径，超越简单的轨迹推断，提供细胞命运的概率估计。

工作原理

该框架使用多视角单细胞数据的马尔可夫状态建模来研究细胞动态。它整合了各种生物学先验信息——如 RNA 速度、伪时间、发育潜能或实验时间点——以估计分化方向并计算细胞到达特定终末或中间状态的概率。

适用人群

专为从事单细胞分析的生物学家和生物信息学家设计，特别是那些希望建模细胞分化、识别驱动基因以及分析细胞过渡过程中基因表达趋势的用户。

主要亮点

• 可扩展至大量细胞。
• 与 scverse 生态系统完全兼容。
• 能够推断命运概率并识别驱动基因。
• 支持多种生物学先验信息以估计分化方向。