La plupart des méthodes actuelles d'inférence de trajectoires en cellule unique reposent principalement sur l'hypothèse que les cellules descendantes ressemblent à leurs cellules mères sur le plan des niveaux d'expression génique. Ces hypothèses ne se vérifient pas toujours pour les études in vivo, qui comportent souvent des populations cellulaires échantillonnées de manière sporadique, non synchronisées et hétérogènes. Par conséquent, des informations supplémentaires peuvent être nécessaires pour déterminer l'ordonnancement et les ramifications adéquats des cellules progénitrices ainsi que l'ensemble des facteurs de transcription (TF) actifs au cours des stades avancés de l'organogenèse. Pour permettre cette modélisation, nous avons développé scdiff, qui intègre la similarité d'expression avec les informations régulatrices afin de reconstruire les trajectoires cellulaires développementales dynamiques.

SCDIFF est un ensemble d'outils programmé en python et javascript, conçu pour analyser les trajectoires de différentiation cellulaire à l'aide de données temporelles de RNA-seq sur cellules uniques. Il permet de prédire les facteurs de transcription et les gènes différentiels associés aux trajectoires de différentiation cellulaire. Il visualise également les trajectoires au moyen d'un graphe interactif en arborescence, dans lequel les nœuds représentent différentes sous-populations cellulaires (amas).