单细胞动态分析：Vector Field 向量场分析 与 RNA velocity / scVelo 的关系

说明一句话理解 Vector Field Analysis（向量场分析） 是建立在 RNA velocity / scVelo 之上的更高层次动态分析：把每个细胞"下一步往哪走"的离散箭头，拟合成整个细胞群体的连续流场，从而推断分化路径、起点（Root）、终点（Terminal）、命运分支与稳定状态（Attractor）。

---

一、三个核心概念的关系（先搞清楚层级）#

它们不是互相替代的关系，而是上下游关系：

单细胞 RNA 测序
      │
      ▼
RNA velocity（理论：unspliced/spliced RNA 推方向）
      │
      ▼
scVelo（计算每个细胞的速度）
      │
      ▼
Vector field analysis（离散速度 → 连续流场）
      │
      ▼
Cell fate（命运）、Root（起点）、Terminal（终点）、
Branch（分支）、Attractor（稳定状态）

---

二、第一层：RNA velocity（概念）#

• 2018 年提出的概念（La Manno et al.）。
• 利用 unspliced RNA（刚转录出来，未成熟）与 spliced RNA（成熟 mRNA）的比例关系，推断某个基因未来会上调还是下调：
  • unspliced ↑↑↑ + spliced ↑ → 新 RNA 正在大量产生 → 未来表达继续升高
  • unspliced ↓ + spliced ↑↑↑ → RNA 已停止产生 → 未来表达下降
• 把所有基因综合起来，得到每个细胞未来移动的方向（一个速度向量）。

---

三、第二层：scVelo（工具 / 算法）#

RNA velocity 只是理论，真正计算由 scVelo 完成。主要输出：

• Velocity embedding：UMAP 上的箭头（每细胞一支），大家最熟悉的 → → ↗ ↑ ↓。
• Velocity graph：建立"哪个细胞更可能变成哪个细胞"的转移图。
• Latent time：比 Monocle 的 Pseudotime 更偏动态的发育进程（0~1）。
• Driver genes：找出真正驱动速度变化的关键基因。

注意：scVelo 默认用的是动力学模型（dynamical model），比早期 velocyto 的稳态模型更准确，是目前单细胞速度推断的主流实现。

---

四、第三层：Vector Field Analysis（向量场分析）#

为什么需要它#

scVelo 得到的是离散箭头，看起来比较乱。向量场分析把这些箭头拟合成一个连续流场（continuous vector field）——就像天气预报的风场：

→→→→→
 ↗→→→
   ↑
 ↙→→→

它比 scVelo 多回答的问题是："这三个箭头其实属于同一条发育轨迹"，甚至能算出整个系统最终会流向哪里。

能做什么（核心能力）#

1. 推断分化方向（最重要） 普通聚类只告诉你"这是 Stem、这是 T、这是 B"；向量场能告诉你 Stem → Progenitor → T（而不是反过来）。这是 Nature 文章最喜欢展示的内容。

2. 找分化起点（Root） 无需人为指定，通过流场找到真正最原始的细胞（如 HSC、Basal cell、Stem cell）。

3. 找终点（Terminal state） 箭头越短说明细胞已稳定、不再变化，可识别成熟细胞（Mature T、Plasma、Neuron）。

4. 判断两个 cluster 是否构成"分化关系" 如果箭头 A →→→→ B，说明 B 很可能由 A 产生，而不是两个无关细胞。

5. 找关键转折点（Cell fate decision / branch point） 在发育、肿瘤耐药、EMT、免疫激活中，找到真正开始"分叉"的位置。

6. 推断未来表达变化 本质上是利用 unspliced/spliced RNA 预测未来哪些基因上升、哪些下降。

能证明什么？（证据边界很重要）#

注意严格来说：它提供的是动态证据（evidence / suggests），不是严格证明。

可以支持（Support）

• ✅ Cell A 可能分化成 Cell B
• ✅ Cell X 是祖细胞
• ✅ Cell Y 正在激活
• ✅ Cell Z 趋向耗竭
• ✅ 存在一条连续分化轨迹

不能单独证明（Cannot prove）

• ❌ A 一定变成 B
• ❌ Gene X 一定控制分化
• ❌ Knockout 一定影响发育

这些需要 Lineage tracing（谱系追踪）、CRISPR 实验、动物实验、功能验证才能真正证明。 论文里规范的写法是 "Vector field analysis suggests..."，而不是 "proves..."。

在论文中的常见用途#

---

五、与 scVelo 的区别（重点）#

Vector field 额外能算的东西：

• Flow（流）：整个组织往哪里流，如 CAF：iCAF → myCAF → mCAF
• Sink（终点）：所有箭头流向的细胞（Terminal CD8、成熟浆细胞、成熟 CAF）
• Source（起点）：不断产生新细胞的细胞（Stem、Basal、HSC）
• Fate probability：如一个祖细胞 70% 去 T cell、30% 去 NK——而不是简单画箭头
• Attractor（吸引子）：如癌细胞最后稳定在耐药状态

---

六、常用工具全景#

经典路径（scVelo 后处理）：

• CellRank：基于 velocity graph 的 Markov 链模型，算命运概率（fate probability）、初始细胞、终态细胞、driver genes，是目前最主流的向量场"上层分析"。

独立动态建模（不严格依赖 scVelo 输出）：

• Dynamo：基于代谢标记（splicing/metabolic labeling）直接学习连续向量场。
• scTour：深度生成模型，学习潜在动态轨迹。
• VIA：基于向量场的图聚类轨迹推断。

提示现状 近年 Vector field analysis 已逐渐从"scVelo 的后处理"发展为一类独立的细胞动态建模方法。Nature/Cell/Cancer Discovery 的论文现在常把 scVelo + CellRank + Vector field + Dynamo/scTour 放在一起做，互为佐证。

---

七、方法递进关系速记#

聚类（Cluster）        → 细胞有哪些类型？
拟时序（Pseudotime）   → 这些细胞大概按什么顺序变化？
RNA velocity          → 每个细胞下一步最可能朝哪个方向变化？
Vector field analysis → 把所有变化方向整合成整个系统的动态流场，
                        推断分化路径、起点、终点、命运分支、稳定状态

---

相关笔记#

• rapids-singlecell Demo Workflow
• scSurv 单细胞生存分析
• 单细胞 RNA 测序分析