В статье представлен новый вычислительный инструмент sfate (scalable-fate), разработанный для решения проблемы нехватки оперативной памяти при анализе траекторий дифференцировки клеток (single-cell fate mapping) в масштабе атласов. Авторы отмечают, что существующие методы, такие как CellRank, используют алгоритмы Шур-разложения, требующие памяти порядка O(n^2), что делает невозможным обработку датасетов свыше 75 000 клеток на стандартном оборудовании. В отличие от них, sfate использует итеративные методы решения линейных уравнений (GMRES) для вычисления вероятностей поглощения на графах k-ближайших соседей, что обеспечивает линейную масштабируемость памяти. Тестирование на синтетических данных показало, что для 500 000 клеток требуется всего 4.03 ГБ памяти, при этом время выполнения составило 66.2 секунды. Валидация на реальных данных микроглии мыши (75 000 клеток) продемонстрировала высокую точность: расхождения с эталонными вычислениями float64 уложились в допустимый предел 1e-5, а результаты согласовывались с CellRank при идентичных входных параметрах. Инструмент позволяет выявлять более сложные ландшафты судьбы клеток (шесть состояний против трех в CellRank), что подчеркивает его преимущество в чувствительности к выбору терминальных состояний. Код проекта открыт и доступен на GitHub и Zenodo, что способствует воспроизводимости исследований в области биоинформатики.