单细胞与空转测序相关文章
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['single-cell sequencing', 'single-cell RNA sequencing', 'single-cell transcriptomics', 'single-cell RNA-seq', 'single-cell transcriptome', 'scRNA-seq', 'spatial transcriptomics']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 14 篇文献。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 平台公司 | 平台技术 | 具体产品 | 平台详情 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2025-10-06 |
Oligodendrocyte heterogeneity in the mouse juvenile and adult central nervous system
2016-Jun-10, Science (New York, N.Y.)
DOI:10.1126/science.aaf6463
PMID:27284195
|
研究论文 | 通过单细胞RNA测序揭示小鼠中枢神经系统少突胶质细胞的异质性 | 首次在单细胞水平系统揭示少突胶质细胞谱系存在13个不同亚群，发现不同于传统OPC的第二个Pdgfra(+)血管旁群体 | 研究仅基于小鼠模型，人类中枢神经系统中的情况可能有所不同 | 探究小鼠中枢神经系统中少突胶质细胞的分化和成熟动态 | 小鼠幼年和成年中枢神经系统的少突胶质细胞谱系 | 单细胞生物学 | 神经系统疾病 | 单细胞RNA测序 | NA | 单细胞转录组数据 | 5072个少突胶质细胞谱系细胞，来自10个不同脑区 | NA | 单细胞RNA测序 | NA | NA |
| 2 | 2025-10-06 |
Distinct myeloid progenitor-differentiation pathways identified through single-cell RNA sequencing
2016-06, Nature immunology
IF:27.7Q1
DOI:10.1038/ni.3412
PMID:27043410
|
研究论文 | 通过单细胞RNA测序识别出不同的髓系祖细胞分化途径 | 发现早期造血谱系分叉在髓系谱系与其他造血谱系分离之前就已存在，挑战了现有造血模型 | NA | 探索髓系祖细胞的分化途径 | 前粒细胞-巨噬细胞祖细胞(pre-GMs) | 单细胞生物学 | NA | 单细胞RNA测序 | NA | 单细胞转录组数据 | NA | NA | 单细胞RNA-seq | NA | NA |
| 3 | 2024-08-09 |
Tumor Heterogeneity, Single-Cell Sequencing, and Drug Resistance
2016-Jun-16, Pharmaceuticals (Basel, Switzerland)
DOI:10.3390/ph9020033
PMID:27322289
|
研究论文 | 本文探讨了肿瘤异质性、单细胞测序与药物抗性的关系，并讨论了单细胞测序技术在个性化肿瘤治疗中的应用前景 | 单细胞测序技术为理解肿瘤异质性的基因组原理提供了新的视角，并为更有效的肿瘤治疗奠定了基础 | 单细胞的分离和测序仍然是一个技术挑战，包括单细胞分离、全基因组扩增和转录组广泛的下一代测序技术 | 探讨肿瘤异质性与药物抗性的关系，并评估单细胞测序在个性化肿瘤治疗中的应用 | 肿瘤异质性、单细胞测序技术及其在药物抗性和个性化治疗中的应用 | 数字病理学 | 肿瘤 | 单细胞测序 | NA | 基因组数据 | 单个肿瘤细胞 | NA | NA | NA | NA |
| 4 | 2024-08-09 |
Dissecting direct reprogramming from fibroblast to neuron using single-cell RNA-seq
2016-06-16, Nature
IF:50.5Q1
DOI:10.1038/nature18323
PMID:27281220
|
研究论文 | 本研究利用单细胞RNA测序技术，分析了从胚胎成纤维细胞直接重编程为诱导神经细胞的过程 | 本研究首次通过单细胞RNA测序技术，详细揭示了细胞在直接重编程过程中的分子路径和中间阶段 | 研究主要集中在重编程的后期阶段，对于早期阶段的详细机制仍有待进一步研究 | 旨在深入理解细胞直接重编程过程中的转录组状态 | 胚胎成纤维细胞到诱导神经细胞的重编程过程 | NA | NA | 单细胞RNA测序 | NA | 转录组数据 | 多个时间点的单细胞样本 | NA | NA | NA | NA |
| 5 | 2024-08-09 |
The contribution of cell cycle to heterogeneity in single-cell RNA-seq data
2016-06-09, Nature biotechnology
IF:33.1Q1
DOI:10.1038/nbt.3498
PMID:27281413
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6 | 2024-08-09 |
SCOUP: a probabilistic model based on the Ornstein-Uhlenbeck process to analyze single-cell expression data during differentiation
2016-Jun-08, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-016-1109-3
PMID:27277014
|
研究论文 | 本文提出了一种基于Ornstein-Uhlenbeck过程的概率模型SCOUP，用于分析细胞分化过程中的单细胞表达数据 | SCOUP直接描述了整个分化过程中基因表达的动态变化，包括细胞的分化程度和细胞命运，相较于以往基于降维的方法有所改进 | NA | 开发一种新的方法来更准确地分析细胞分化过程中的单细胞表达数据 | 单细胞表达数据 | 生物信息学 | NA | 单细胞RNA测序 | 概率模型 | 表达数据 | 具体样本数量未在摘要中提及 | NA | NA | NA | NA |
| 7 | 2024-08-09 |
Visualizing Clonal Evolution in Cancer
2016-06-02, Molecular cell
IF:14.5Q1
DOI:10.1016/j.molcel.2016.05.025
PMID:27259197
|
research paper | 本文讨论了如何通过单细胞测序技术快速且经济地展示癌症不稳定性和进化过程 | 提出了一种新的方法来在一个静态图像中展示肿瘤的时间、谱系和空间方面 | NA | 探索如何通过可视化技术展示癌症克隆进化 | 癌症克隆进化 | digital pathology | NA | single-cell sequencing | NA | image | NA | NA | NA | NA | NA |
| 8 | 2024-08-09 |
Single-cell gene expression profiling and cell state dynamics: collecting data, correlating data points and connecting the dots
2016-06, Current opinion in biotechnology
IF:7.1Q1
DOI:10.1016/j.copbio.2016.04.015
PMID:27152696
|
研究论文 | 本文综述了单细胞基因表达分析技术及其在细胞状态动态研究中的应用 | 介绍了将单细胞分辨率测量与动力系统理论相联系的原则 | NA | 探讨单细胞分析技术如何帮助理解细胞状态动态及其背后的分子调控网络 | 单细胞基因表达和蛋白质表达的分子谱 | 生物信息学 | NA | 单细胞qPCR, 单细胞RNA-Seq, CyTOF | NA | 分子谱数据 | NA | NA | NA | NA | NA |
| 9 | 2024-08-09 |
Heterogeneity of Mesp1+ mesoderm revealed by single-cell RNA-seq
2016-06-03, Biochemical and biophysical research communications
IF:2.5Q3
DOI:10.1016/j.bbrc.2016.04.139
PMID:27131741
|
研究论文 | 本研究使用单细胞RNA测序技术分析了Mesp1+中胚层细胞的异质性 | 揭示了Mesp1诱导的中胚层细胞内在的异质性，并发现了倾向于造血或心脏发育的亚群 | NA | 探索Mesp1+中胚层细胞的异质性 | Mesp1+中胚层细胞 | 数字病理学 | NA | 单细胞RNA测序 | NA | 转录组 | NA | NA | NA | NA | NA |
| 10 | 2024-08-09 |
Deciphering intratumor heterogeneity using cancer genome analysis
2016-06, Human genetics
IF:3.8Q2
DOI:10.1007/s00439-016-1670-x
PMID:27126234
|
研究论文 | 本文通过癌症基因组分析来解析肿瘤内异质性 | 利用全外显子或基因组测序数据进行克隆分析，以及多区域活检和深度测序技术来监测肿瘤进展中的亚克隆 | NA | 研究肿瘤内异质性的本质，并探讨其在精确癌症治疗中的应用 | 肿瘤内的亚克隆及其在治疗结果中的影响 | 数字病理学 | NA | 全外显子测序，基因组测序，深度测序，单细胞测序 | NA | 基因组数据 | 多区域活检样本，少量细胞 | NA | NA | NA | NA |
| 11 | 2024-08-09 |
Innate-like functions of natural killer T cell subsets result from highly divergent gene programs
2016-06, Nature immunology
IF:27.7Q1
DOI:10.1038/ni.3437
PMID:27089380
|
研究论文 | 本文通过转录组和表观基因组分析以及单细胞RNA测序，研究了胸腺自然杀伤T细胞亚群的高度分化基因程序 | 首次全面分析了胸腺自然杀伤T细胞亚群的转录组和表观基因组特征，揭示了这些亚群在基因表达和表观遗传上的显著差异 | NA | 探讨自然杀伤T细胞亚群的功能差异及其背后的基因程序 | 胸腺自然杀伤T细胞亚群 | 免疫学 | NA | 单细胞RNA测序 | NA | 转录组数据，表观基因组数据 | NA | NA | NA | NA | NA |
| 12 | 2024-08-09 |
Single-Cell RNA-Seq Reveals Melanoma Transcriptional Heterogeneity
2016-Jun, Cancer discovery
IF:29.7Q1
DOI:10.1158/2159-8290.CD-RW2016-075
PMID:27102072
|
研究论文 | 本文通过单细胞RNA测序分析了4,645个细胞，揭示了转移性黑色素瘤的转录异质性 | 首次通过单细胞RNA测序技术详细分析了转移性黑色素瘤的细胞生态系统 | NA | 探究转移性黑色素瘤的转录异质性 | 转移性黑色素瘤中的4,645个细胞 | 数字病理学 | 黑色素瘤 | 单细胞RNA测序 | NA | 转录组数据 | 4,645个细胞 | NA | NA | NA | NA |
| 13 | 2024-08-09 |
Intra-tumour heterogeneity - going beyond genetics
2016-06, The FEBS journal
DOI:10.1111/febs.13705
PMID:26945550
|
研究论文 | 本文探讨了肿瘤内异质性的遗传和非遗传因素，并介绍了相关技术方法以深入理解这一现象 | 本文首次系统地分析了非遗传因素在肿瘤内异质性中的作用，并提出了综合遗传和非遗传因素的技术方法 | NA | 旨在深入理解肿瘤内异质性的全貌，以开发更有效的癌症治疗策略 | 肿瘤内异质性的遗传和非遗传因素 | 数字病理学 | 癌症 | 基因组分析、细胞谱系追踪、单细胞RNA测序 | NA | 基因组数据、细胞数据 | NA | NA | NA | NA | NA |
| 14 | 2024-08-09 |
TRONCO: an R package for the inference of cancer progression models from heterogeneous genomic data
2016-06-15, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btw035
PMID:26861821
|
研究论文 | 介绍TRONCO，一个开源的R包，用于从异质性(epi)基因组突变数据中推断癌症进展模型 | TRONCO实现了最先进的算法，能够从(epi)基因组突变数据中推断出癌症进展模型，并可用于提取群体水平模型和个体水平模型 | NA | 开发和实现一个开源工具，用于从基因组数据中推断癌症进展模型，以支持精准医学和个性化治疗 | 癌症进展模型 | 数字病理学 | NA | NA | NA | 基因组数据 | NA | NA | NA | NA | NA |