trajectory inference (TI) methods, also called pseudotime analysis
在发育、受到刺激等生命过程中，细胞无时不刻不在发生着从一种功能状态向另一种功能状态的转变。不同状态的细胞表达不一样的基因集，进一步导致了蛋白质和代谢物的动态变化。当细胞于不同状态之间转变时，它们都会经历转录组表达水平的重构，具体来说就是一些基因被沉默，而另外一些基因被激活。这种转变状态通常来说非常难以描述，因为去提纯不同状态的细胞非常困难。单细胞测序技术使我们不用提纯不同状态的细胞就能看清这些状态。当然前提是，我们必须确定每个细胞可能处在的状态。
软件的做法一般都是“学习”一种细胞向另外一种细胞转变的过程中经历了哪些基因表达的变化，以及这些变化的先后顺序。然后再根据某个细胞的表达特征反推出它处在这种变化的哪个阶段。
常见的分析内容是找出能决定细胞状态的基因。
什么是拟时序？
拟时序是一种测量方式，表示的是一个细胞在某种转变过程中的“进展”，进展越少越接近原始细胞状态，进展越多越接近终点细胞状态。
在许多生命过程中，细胞之间的进展并不是同步的。在相关的单细胞研究中，比如研究细胞分化，测序捕获到的细胞可能广泛分布于某种转变过程的每一个小的阶段。并不是将转录组表达变化作为时间的函数，而是将这些变化作为沿着轨迹发展的函数（个人理解这句话的意思是说，不考虑表达量随着时间变化，而是考虑表达量随着细胞所处阶段而变化，这个阶段就是轨迹上的某一段。是一种绝对测量（时间）向相对测量（拟时序）的转变），这就是pseudotime。拟时序是过程的抽象单位，可以简单理解为是一个细胞和轨迹起始状态的距离。轨迹的全长被定义为一个细胞，从开始阶段转变到末尾阶段经历的转录组水平变化的总和。
如何选择分析工具？
全文翻译整理自https://cole-trapnell-lab.github.io/monocle3/docs/trajectories/
参考文献：A comparison of single-cell trajectory inference methods
