单细胞RNA测序（scRNA-seq）中的轨迹分析（Trajectory inference or Pseudotime analysis）是用来揭示细胞在动态生物过程中的演化路径（如分化、发育、疾病进展）的关键分析方法。它尝试在没有真实时间点的情况下，根据基因表达的变化趋势推断“伪时间”顺序，从而构建细胞状态的连续转变轨迹。

📌 一、轨迹分析的应用场景

🧰 二、常见轨迹分析工具

🧭 三、轨迹分析核心流程（通用）

1. 数据预处理：标准化 → 降维（如PCA、UMAP）

2. 聚类：初步细胞状态分群

3. 构建轨迹图：基于邻接关系（graph-based）、扩散映射或最短路径

4. 定义起始状态（root cell）或发育起点

5. 计算伪时间（pseudotime）：按轨迹推断每个细胞的位置

6. 可视化与分析：

   • Pseudotime vs. gene expression（趋势图）

   • 不同分支的命运路径

   • Marker基因的表达动态

📊 四、Palantir轨迹分析示意图（含伪时间）

如果你需要图示，这是一张典型的轨迹分析可视化图结构，可用UMAP背景图 + 轨迹路径 + 分支标注：

• 起点：灰色圆点表示root cell

• 路径：细胞状态演化方向用线连接

• 分支：用不同颜色标识不同命运路径

• Pseudotime：通过颜色梯度表示（例如浅蓝→深蓝）