【ZiDongHua 之“自动化学院派”标注关键词：中科院理论物理所，细胞表型转化，生物信息学】

2026年理论物理所重要科研进展系列(六)：细胞表型转化的信息流形

细胞如何从一种状态转变为另一种状态(即细胞表型转化，Cell Phenotype Transition, CPT)，一直是发育生物学、疾病发生(如癌症转移)等领域的核心问题。近年来，单细胞RNA测序技术的爆发提供了海量数据，但如何从高维的基因数据中提取出真正具有物理和几何意义的动力学规律，始终是横亘在科学家面前的一道难题。

尽管细胞包含成千上万个基因，但受到底层基因调控网络的严格约束，细胞表型转化的实际动力学是被限制在低维流形上的。然而，现有的单细胞数据分析多依赖于降维可视化工具比如t-SNE、UMAP，Diffusion maps，但这些方法在将高维数据投影到二维或三维空间时，虽然尽可能保留了拓扑结构，却扭曲了流形真实的内在几何性质。距离和邻域的扭曲会导致研究者在 2D 图上凭肉眼观察到的细胞发育轨迹或分化路径可能与高维空间中的真实动力学过程完全背离。

针对这一挑战，本研究提出了一种名为SCIM(Single Cell Information Manifolds，单细胞信息流形)的全新理论框架。该研究首次将“信息几何(Information Geometry)”引入单细胞演化动力学分析中，利用高斯嵌入神经网络将单细胞基因表达谱转化为多元高斯分布，从而在概率空间中自然地定义 Fisher 信息度规，成功为细胞表型转化的低维流形建立了黎曼度规。该方法突破了传统降维算法仅能用于可视化的局限，首次实现了对细胞表型转化流形内蕴几何属性的定量监测。

运用这一方法，我们发现流形上低曲率区域的细胞对应于细胞命运决定关键期、高度不稳定的过渡态细胞。SCIM首次将RNA速率与Fisher度规相结合，计算出了每个细胞的“信息速度”。作为衡量分布变化快慢的信息速度，可用于表征细胞状态变化的快慢。研究发现流形上低曲率区域的细胞具有高信息速度，反映了过渡态细胞的动力学性质，并揭示了细胞表型转化类似于广义相对论“时空引导物质运动”的特性，即不同体系都体现了“流形几何结构引导细胞动力学”的规律。

对复杂系统中临界点的研究至今仍是一个活跃的研究领域。信息几何及Fisher信息，为刻画相变过程提供了一种强有力的手段;由于无需预先定义哈密顿量或系综函数，该方法可轻松适用于非平衡系统。因此，SCIM模型不仅为分析单细胞表型转化提供了一个理论框架，更有望揭示广泛的复杂系统转变过程中所蕴含的深层原理。

相关研究成果以“Geometric Quantification of Cell Phenotype Transition Manifolds with Information Geometry”为题，发表在 Cell Systems 期刊上，为量化复杂生物系统的非平衡动力学提供了全新的数学物理视角。

SCIM框架示意图

中国科学院理论物理研究所王维康副研究员和北京大学北京国际数学研究中心/数学科学学院/定量生物学中心/国际机器学习中心张磊教授为该论文的共同通讯作者。中国科学院理论物理研究所博士生黄淼和北京大学大数据科学研究中心硕士研究生王宇轩为论文共同一作，论文合作者还包括中国科学院理论物理研究所周海军研究员，博士生肖和与北京大学数学学院博士生应骏达。

该项研究得到了国家自然科学基金以及理论物理专款，国家重点研发计划、北京自然科学基金等多项基金项目的支持与资助。