本技能用于从单细胞转录组快照中推断发育轨迹：先判定拓扑，再排序细胞并给出拟时序、命运概率或速率方向。资料强调一条原则——快照不是电影，所有方法都用转录组相似性替代时间邻接，只有当群体是真实连续谱且采样足够密集时结果才有意义。
主要能力与用法：Python侧用scanpy的PAGA与DPT、palantir、scvelo、cellrank；R侧用slingshot、monocle3、tradeSeq。流程通常是先用PAGA连通性判断是否存在连续谱，用threshold剪除弱边，再以init_pos='paga'生成保持全局拓扑的UMAP；确定拓扑后设adata.uns['iroot']锚定根细胞再跑DPT；分支处用Palantir输出pseudotime、entropy和branch_probs；CellRank 2用可插拔核（PseudotimeKernel、ConnectivityKernel等）构建有向转移矩阵，经GPCCA粗粒化为宏观状态并计算命运概率；RNA速率可走deterministic、stochastic或dynamical模式并检查velocity_confidence。
适用场景：线性或简单分支、树状、循环、断裂或未知拓扑的发育、分化、谱系命运研究；方法选择以拓扑为先，报告多方法一致性。
主要限制：拟时序只是几何量而非时钟，区间不等同真实时长；根细胞选择会翻转所有基因趋势，须用标志物、真实时间点或干性评分锚定；近分支处应给命运概率而非硬标签；单快照动力学形式上不可辨识，应把单方法结果当假设做交叉验证；RNA速率在成熟或非分裂体系中不可靠，且受定量工具内含子模型影响，方向需在至少两种定量器下稳定；CellRank结果依赖核质量，错误核会给出自信但错误的概率。