在發(fā)育過程中、對刺激的反應(yīng)以及整個(gè)生命過程中，細(xì)胞會(huì)從一種功能狀態(tài)轉(zhuǎn)變?yōu)榱硪环N狀態(tài)。處于不同狀態(tài)的細(xì)胞表達(dá)不同的基因組，產(chǎn)生動(dòng)態(tài)的蛋白質(zhì)和代謝物庫以完成其功能。當(dāng)細(xì)胞在狀態(tài)之間轉(zhuǎn)換時(shí)，會(huì)經(jīng)歷轉(zhuǎn)錄重構(gòu)的過程，一些基因被沉默，而另一些基因則被新激活。這些短暫的狀態(tài)往往難以表征，因?yàn)樵诟€(wěn)定的終點(diǎn)狀態(tài)之間純化細(xì)胞可能很困難或不可能。

Monocle引入單細(xì)胞軌跡分析的策略，使用算法來學(xué)習(xí)每個(gè)細(xì)胞在動(dòng)態(tài)生物過程中必須經(jīng)歷的基因表達(dá)變化序列。一旦學(xué)習(xí)了基因表達(dá)變化的整體“軌跡”，Monocle就可以將每個(gè)細(xì)胞放置在軌跡的正確位置。然后，使用Monocle的差異分析工具包來找到在軌跡過程中被調(diào)控的基因，如“根據(jù)偽時(shí)間變化的基因”。如果過程有多個(gè)結(jié)果，Monocle將重建一個(gè)“分支”軌跡，這些分支對應(yīng)于細(xì)胞的“決策”。

monocle構(gòu)建軌跡只需要一行代碼：

cds <- learn_graph(cds)
plot_cells(cds,
           color_cells_by = "cell.type",
           label_groups_by_cluster=FALSE,
           label_leaves=FALSE,
           label_branch_points=FALSE)

一旦我們學(xué)習(xí)了圖，我們就可以根據(jù)細(xì)胞在發(fā)育程序中的進(jìn)展對其進(jìn)行排序。Monocle通過偽時(shí)間來衡量這一進(jìn)展。

cds <- order_cells(cds)
plot_cells(cds,
           color_cells_by = "pseudotime",
           label_cell_groups=FALSE,
           label_leaves=FALSE,
           label_branch_points=FALSE,
           graph_label_size=1.5)

也可以使用3D軌跡，只需要在降維的時(shí)候使用3個(gè)維度就可以了。

cds_3d <- reduce_dimension(cds, max_components = 3)
cds_3d <- cluster_cells(cds_3d)
cds_3d <- learn_graph(cds_3d)
cds_3d <- order_cells(cds_3d, root_pr_nodes=get_earliest_principal_node(cds))
cds_3d_plot_obj <- plot_cells_3d(cds_3d, color_cells_by="partition")