BLOOM把稀疏发育图谱变成可查询的虚拟胚胎：三个小鼠图谱上基因与细胞相关性均排第一
核心概要
BLOOM把转录组虚拟胚胎建模写成条件生成问题：给定一段已观测的细胞群体历史、目标发育阶段和细胞状态信息，生成该阶段的表达分布。它用伪轨迹连接独立采样的细胞群体，并把发育年龄、细胞身份层级、解剖背景、基因程序和转录因子–靶标网络作为条件，同时约束高斯基分布与流匹配生成器。在产前、视觉皮层和多器官内皮三个小鼠单细胞图谱上，与22个时间序列预测基线相比，BLOOM在三个数据集的阶段平均基因相关性和细胞相关性上都排第一。
深度剖析
BLOOM让发育阶段的表达分布可以从相邻观测阶段推断出来，并且能双向推断：既可由早期观测预测后期，也可由后期观测重建早期。 此前的时间序列预测基线按早期到后期的单向预测配置评估，而BLOOM显式加入了由后期到早期的重建通路。 在产前、视觉皮层和内皮三个小鼠图谱上，BLOOM的阶段平均基因Pearson相关性分别为0.532、0.634和0.488，阶段平均细胞相关性分别为0.427、0.864和0.814，在22个时间序列预测基线中均排第一。
生成过程把每个阶段的细胞集合先压成一个阶段表示，再按时间顺序串起来，因此模型看到的是群体历史而不是单个细胞。 独立测序得到的是互不追踪的横截面群体，细胞数量和组成随阶段变化，模型需要把这种历史与阶段内的异质性同时保留。 共享细胞编码器配合阶段内置换不变池化得到阶段表示，单层GRU汇总有序历史，再与目标细胞状态嵌入和伪轨迹提示一起构成初始隐状态。
生物先验不是事后解释，而是进入生成器的起点：它决定高斯基分布的均值和标准差，流匹配速度场再把样本推向目标阶段的表达分布。 此前的流匹配方法主要沿概率路径回归速度场，BLOOM把发育年龄、细胞身份层级、发育图、解剖背景、基因程序和加权转录因子–靶标网络编码成条件特征。 伪轨迹由moscot在相邻阶段PCA坐标上推断的传输耦合给出，为跨阶段表达提供候选前驱或后继对应；这些先验通过专用编码器和学习门控融合，门控输出层零初始化。
启示与展望
评估覆盖三个小鼠单细胞图谱：产前图谱、视觉皮层图谱和多器官内皮图谱STED-EC，读出集中在转录组表达分布、群体组织和标记基因层面。反向重建有实测目标可比对，而插值与历史、未来外推的查询群体在给定评估中没有独立的实验对应物，只能通过其与观测参考状态的关系、时间依赖的群体组织和表达汇总来评估。
外推的可靠性仍需显式评估预测多样性与不确定性：在内皮历史外推示例中，基因排序高度保持，但细胞层面变异明显收缩，说明平滑的群体均值或稳定的表达秩可能掩盖细胞异质性的流失。单基因输入编辑目前只作用于源历史最后一帧，不构成贯穿生成过程的持续敲低，也缺少配对的实验扰动结果；部分预测方向与已发表实验不一致，组织组成、发育时序、异构体特异性和干预持续性都是可能原因。