在複雜生命係統中，細胞狀態會隨著發育、組織重塑和疾病演化不斷變化。RNA速度分析（RNA velocity）為從靜態轉錄組數據中推斷細胞狀態演進趨勢提供了重要手段。然而，在真實生物組織中，往往存在多種細胞動態過程並行發生、相互交織的情況，空間上相鄰的細胞也可能遵循不同的動力學規律。現有RNA速度方法大多基於較為簡化的單一動力學假設，難以有效區分複雜組織中的異質性信號，因此在解析複雜組織動態規律時仍麵臨挑戰。

針對這一問題，2026年3月30日，必威精装版app西汉姆联 翟巍巍/馬亮團隊在National Science Review發表題為“STEER： Decoupling kinetics with Spatial-Temporal Explainable Expert Model for RNA velocity inference”的研究論文，提出了一種麵向複雜組織異質動力學解析的RNA速度推斷新方法——STEER。該方法構建了融合時空信息與可解釋混合專家機製的深度學習模型框架，突破了傳統RNA速度方法對單一動力學係統的依賴，實現了對複雜組織中異質動力學模式的顯式解耦。

STEER的核心思想是將“時空上下文建模”與“異質動力學解耦”相結合。一方麵，方法綜合利用細胞間的轉錄相似性與空間鄰域關係，聯合學習細胞的潛在時空狀態表征；另一方麵，通過可解釋的混合專家機製，自適應地為不同細胞分配並擬合最優動力學子模型，從而區分和解耦混雜的動力學模式。基於這一設計，STEER不僅能夠推斷細胞狀態的演進方向，還可聯合估計潛在時間，以及細胞基因層麵的轉錄、剪接和降解率等動力學參數。相較於傳統方法，STEER進一步實現了對動力學機製差異的刻畫，推動RNA速度分析由趨勢描述邁向機製解析。

為係統驗證STEER的有效性，作者在多種模擬數據和真實數據上進行了全麵評估。結果表明，在不同細胞群體存在複雜動力學混合、且動力學規律並不一致的情況下，STEER仍能保持穩健而準確的推斷性能，在速度方向恢複、潛在時間排序和動力學狀態識別等方麵均優於現有代表性方法。尤其值得注意的是，STEER能夠在細胞表達差異尚不明顯時，提前捕捉群體內部早期出現的動力學分歧。

在複雜空間組織研究中，STEER還展現出解析時空動態規律的獨特優勢。該方法無需預先對空間區域進行精細劃分，便可分離相鄰區域中不同甚至相反的動態過程。在小鼠母胎界麵研究中，STEER揭示了胚胎側與母體側彼此協調、相互製衡的動態調控模式，為理解發育過程中的細胞狀態時空演進規律及其免疫調節機製提供了新的計算視角。

綜上，STEER針對複雜組織中多動力學過程混合、傳統RNA速度方法難以準確建模的關鍵瓶頸，提出了一個兼具準確性、可解釋性與泛化能力的新框架。該方法實現了異質動力學過程的顯式解耦，並將空間信息、細胞狀態演進與動力學參數建模統一起來，為發育生物學、組織穩態和疾病演化等研究提供了新的動態解析工具。隨著單細胞與空間組學技術的持續發展，STEER有望在複雜生命係統時空動態機製研究中發揮更廣泛的作用。

必威精装版app西汉姆联 博士生劉誌遠為該論文第一作者，翟巍巍研究員與馬亮副研究員為論文通訊作者。該研究得到中國科學院戰略性先導專項，國家自然科學基金及國家重點研發計劃等項目支持。

原文鏈接：https：//doi.org/10.1093/nsr/nwag199

圖1. STEER算法框架與下遊應用