单细胞测序技术的出现让我们第一次拥有低成本、高通量的获取单细胞测序数据的手段。而单细胞转录测序技术如今已成为研究生物过程的重要手段。作为一种时间截面数据,单细胞转录组测序数据亦为重现单细胞的演进过程提供机遇。通过重建单细胞的伪时间及其轨迹,可以更好地探究细胞层面的动态变化,发现未知的调控基因、机制或细胞演进过程中的中间状态。目前,已有大量的研究聚焦于标识单细胞数据的伪时间标记和重现单细胞的演进轨迹。但是已有的方法仍存在一些缺陷,如精确度低,无法指示分化等。另一方面,在肿瘤的发生发展过程中,免疫细胞在其中发挥了关键的作用。但免疫细胞在肿瘤微环境中是如何被调控以及如何相互影响的,仍然是研究的热点,且未有明确的结论。结合以上两个科学问题,本文开展了两部分的工作:本文建立了一种单细胞伪时间重建算法。本文通过贝叶斯信息量准则构建了最小时间独立子集,有效地降低了下游的计算量和噪音干扰;本文利用贝叶斯方法基于高斯过程计算了最小独立子集的伪时间以及本文引入的时间权重和基因分岔伪时间两个参数,充分解释了细胞和基因在演进过程中的行为;最后,本文基于高斯过程的优化结果利用扩散映射和最小生成树实现了演进轨迹的重建和可视化。本文将形成的算法和工作流程应用于临床肿瘤患者的肿瘤浸润T细胞中,得到了潜在的演进相关基因共表达模块以及调控这些模块的重要转录因子。