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,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!
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10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。
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 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1641 | 2024-08-09 |
Tissue-specific deconvolution of immune cell composition by integrating bulk and single-cell transcriptomes
2020-02-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btz672
PMID:31504185
|
研究论文 | 本研究通过整合批量和单细胞转录组数据,开发了一种针对特定组织的免疫细胞组成反卷积方法 | 使用来自不同小鼠组织的单细胞RNA测序(scRNA-Seq)数据生成特定组织的特征基因矩阵,以提高反卷积模型的准确性 | NA | 提高从组织转录组估计免疫细胞组成的准确性 | 特定组织的免疫细胞组成 | 生物信息学 | NA | 单细胞RNA测序(scRNA-Seq) | 反卷积模型 | 转录组数据 | 来自不同小鼠组织的免疫细胞 |
1642 | 2024-08-09 |
DNA Methylation in Epidermal Differentiation, Aging, and Cancer
2020-01, The Journal of investigative dermatology
IF:5.7Q1
DOI:10.1016/j.jid.2019.05.011
PMID:31427190
|
综述 | 本文综述了DNA甲基化在表皮分化、衰老和癌症中的作用 | 讨论了DNA甲基转移酶的功能角色、甲基化时钟以及肿瘤起源细胞的确定等最新发现 | NA | 探讨表皮稳态、衰老和癌症中与DNA甲基化相关的最新进展 | 表皮分化、衰老和癌症中的DNA甲基化机制 | 数字病理学 | 癌症 | 单细胞测序 | NA | NA | NA |
1643 | 2024-08-09 |
Spatial transcriptomics: putting genome-wide expression on the map
2020-01, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology
IF:6.6Q1
DOI:10.1038/s41386-019-0484-7
PMID:31444395
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
1644 | 2024-08-09 |
scHinter: imputing dropout events for single-cell RNA-seq data with limited sample size
2020-02-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btz627
PMID:31392316
|
研究论文 | 提出了一种名为scHinter的方法,用于在小样本量的单细胞RNA测序数据中填补丢失事件 | scHinter采用基于投票的集成距离和合成少数过采样技术进行随机插值,并嵌入了分层框架以提高小样本的填补可靠性 | NA | 开发新的填补方法,提高对不同样本量数据的通用性 | 单细胞RNA测序数据中的丢失事件 | 生物信息学 | NA | 单细胞RNA测序 | NA | 基因表达数据 | 小样本量 |
1645 | 2024-08-09 |
Using multiple measurements of tissue to estimate subject- and cell-type-specific gene expression
2020-02-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btz619
PMID:31400192
|
研究论文 | 本文开发了一种基于经验贝叶斯方法,利用多个组织测量数据来估计个体和细胞类型特异性基因表达的方法 | 提出了一种新的方法来整合组织水平的基因表达数据和单细胞RNA测序数据,以估计个体和细胞类型特异性的基因表达 | 单细胞RNA测序数据可能存在噪声,并且通常来自少数个体 | 开发一种方法来估计个体和细胞类型特异性的基因表达,并应用于识别基因表达数量性状位点 | 基因表达数据,特别是来自多个脑区的数据 | 基因表达 | NA | 单细胞RNA测序 | 经验贝叶斯方法 | 基因表达数据 | 数千个个体 |
1646 | 2024-08-09 |
Alternating EM algorithm for a bilinear model in isoform quantification from RNA-seq data
2020-02-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btz640
PMID:31400221
|
研究论文 | 本文介绍了一种名为XAEM的新方法,用于从RNA-seq数据中进行isoform水平的基因表达估计,该方法基于一个更灵活和稳健的统计模型,并使用交替期望最大化(AEM)算法进行实现 | XAEM方法考虑了Xβ作为一个双线性模型,其中X和β都是未知的,并通过多样本RNA-seq数据的联合分析进行联合估计,自动执行潜在未知偏差的经验校正 | NA | 开发一种新的方法来提高从RNA-seq数据中估计isoform水平基因表达的准确性 | RNA-seq数据中的isoform水平基因表达 | 生物信息学 | NA | RNA-seq | 双线性模型 | RNA-seq数据 | 多样本RNA-seq数据 |
1647 | 2024-08-09 |
ACTINN: automated identification of cell types in single cell RNA sequencing
2020-01-15, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btz592
PMID:31359028
|
研究论文 | 本文介绍了一种名为ACTINN的自动化细胞类型识别方法,该方法使用具有三个隐藏层的神经网络,通过预定义细胞类型的数据集进行训练,并基于训练参数预测其他数据集的细胞类型 | ACTINN采用神经网络自动识别细胞类型,避免了传统方法中的人工查找和标记物不足的问题 | NA | 开发一种自动化的细胞类型识别方法,以改进单细胞RNA测序中的细胞类型分配 | 单细胞RNA测序数据中的细胞类型识别 | 机器学习 | NA | scRNA-seq | 神经网络 | 文本 | 包括小鼠细胞类型图谱(Tabula Muris Atlas)和人类免疫细胞数据集 |
1648 | 2024-08-09 |
VirtualCytometry: a webserver for evaluating immune cell differentiation using single-cell RNA sequencing data
2020-01-15, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btz610
PMID:31373613
|
研究论文 | 介绍了一个名为VirtualCytometry的网络计算平台,用于利用单细胞RNA测序数据评估免疫细胞分化 | 利用单细胞RNA测序数据,通过细胞间基因表达的变异来识别不同功能状态的细胞亚群,从而更全面地理解免疫细胞分化 | NA | 开发一种新的分析方法,用于研究免疫细胞分化 | 免疫细胞分化过程中的细胞亚群和关键信号分子及转录因子 | 生物信息学 | NA | 单细胞RNA测序 | NA | 基因表达数据 | 超过226个单细胞RNA测序数据集,涵盖正常和疾病组织中的多种人和小鼠免疫细胞类型 |
1649 | 2024-08-09 |
Single-cell transcriptome-based multilayer network biomarker for predicting prognosis and therapeutic response of gliomas
2020-05-21, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbz040
PMID:31329830
|
研究论文 | 本文结合单细胞RNA测序(scRNA-seq)数据和临床批量基因表达数据,开发了一种计算流程,用于识别连接癌细胞和微环境细胞的预后和预测标志物 | 提出了一种基于单细胞转录组的多层网络生物标志物(MNB)方法,用于预测胶质瘤患者的生存结果和治疗反应,该方法优于传统的基因生物标志物和其他方法 | NA | 阐明肿瘤细胞与肿瘤相关微环境之间的相互作用,并识别癌症患者的预后和预测标志物 | 胶质瘤患者的预后和治疗反应 | 数字病理学 | 脑肿瘤 | 单细胞RNA测序(scRNA-seq) | 多层网络生物标志物(MNB) | 基因表达数据 | 大型胶质瘤患者队列的公开临床数据集 |
1650 | 2024-08-09 |
Clustering and classification methods for single-cell RNA-sequencing data
2020-07-15, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbz062
PMID:31271412
|
review | 本文系统回顾了针对单细胞RNA测序(scRNA-seq)数据的集成方法和工具,重点讨论了聚类和分类方法及其优缺点 | 介绍了新兴的非线性和线性方法以及降维方法作为强大的替代方案 | NA | 探讨和评估处理scRNA-seq数据的不同集成方法和工具 | 单细胞RNA测序数据 | bioinformatics | NA | scRNA-seq | NA | scRNA-seq data | NA |
1651 | 2024-08-09 |
Machine learning and statistical methods for clustering single-cell RNA-sequencing data
2020-07-15, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbz063
PMID:31243426
|
综述 | 本文综述了近年来用于单细胞RNA测序数据聚类的机器学习和统计方法 | 介绍了如何修改或定制传统聚类技术以应对scRNA-seq数据分析中的独特挑战,如低表达基因的丢失、转录本覆盖率低且不均匀、单细胞总mRNA高度变异以及存在技术偏差和无关生物变异时的细胞标记模糊等问题 | NA | 揭示细胞亚型并基于细胞间关系推断细胞谱系 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | 神经网络 | 转录组数据 | 大规模单细胞 |
1652 | 2024-08-09 |
Mapping human pluripotent stem cell-endothelial cell differentiation using scRNA-seq: a step towards therapeutic angiogenesis
2020-03-01, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehz464
PMID:31263875
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
1653 | 2024-08-09 |
Myeloid cells in liver and bone marrow acquire a functionally distinct inflammatory phenotype during obesity-related steatohepatitis
2020-03, Gut
IF:23.0Q1
DOI:10.1136/gutjnl-2019-318382
PMID:31076404
|
研究论文 | 本研究通过单细胞RNA测序分析了在高脂高糖高胆固醇的'西方饮食'喂养16周的C57BL/6小鼠中,肥胖相关非酒精性脂肪肝病(NAFLD)向脂肪肝炎(NASH)进展过程中,骨髓和肝脏中的髓系细胞的功能性适应 | 本研究首次通过单细胞RNA测序揭示了NAFLD进展过程中肝脏和骨髓髓系细胞的独特炎症表型,并发现这种表型在体外和体内均具有功能相关性 | NA | 深入研究肥胖相关非酒精性脂肪肝病向脂肪肝炎进展过程中,骨髓和肝脏中髓系细胞的功能性适应 | 骨髓和肝脏中的髓系细胞 | 数字病理学 | 非酒精性脂肪肝病 | 单细胞RNA测序 | NA | RNA | C57BL/6小鼠 |
1654 | 2024-08-09 |
Single-Cell RNA Sequencing Data Interpretation by Evolutionary Multiobjective Clustering
2020 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2019.2906601
PMID:30908236
|
研究论文 | 本文提出了一种基于自适应非负矩阵分解的多目标进化聚类方法(MCANMF),用于单细胞RNA测序数据的多目标聚类 | 本文创新性地采用了自适应非负矩阵分解和基于学习向量量化的多目标聚类算法,有效解决了单细胞RNA测序数据的高维度和稀疏性问题 | NA | 解决单细胞RNA测序数据的高维度和稀疏性问题,提高细胞亚型识别的准确性 | 单细胞RNA测序数据 | 生物信息学 | NA | 单细胞RNA测序 | 多目标进化聚类 | RNA测序数据 | 六个已发表的单细胞RNA测序数据集 |
1655 | 2024-08-09 |
State of the Future: Translational Approaches in Renal Cell Carcinoma in the Immunotherapy Era
2020-01-15, European urology focus
IF:4.8Q1
DOI:10.1016/j.euf.2019.02.014
PMID:30827939
|
review | 本文综述了在免疫治疗时代,肾细胞癌(RCC)中转化研究的新技术进展,特别是单细胞测序和基于PD-L1示踪剂的成像技术在生物标志物发现中的应用,以及体外肿瘤球体在创建肿瘤“免疫图谱”中的作用。 | 本文强调了单细胞测序和新型PD-L1示踪剂成像技术在RCC免疫治疗转化研究中的潜在价值,以及体外肿瘤球体在克服治疗抵抗中的应用。 | NA | 旨在通过新技术理解为何部分患者对免疫治疗无反应,并开发策略克服治疗抵抗,以识别哪些患者会对治疗有反应。 | 肾细胞癌(RCC)患者及其对免疫治疗的反应和抵抗机制。 | digital pathology | 肾细胞癌 | 单细胞测序 | NA | image | NA |
1656 | 2024-08-09 |
(Differential) Co-Expression Analysis of Gene Expression: A Survey of Best Practices
2020 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2019.2893170
PMID:30668502
|
综述 | 本文综述了基因表达数据分析的最佳实践,包括共表达分析、共表达网络、差异网络和差异连接性分析,并比较了微阵列和RNA-seq数据 | 强调了RNA-seq数据分析中使用微阵列方法的障碍,并讨论了单细胞RNA-seq数据分析的预处理和工具 | NA | 旨在提供基因表达数据分析的指南,并探讨相关研究问题和挑战 | 基因表达数据,包括微阵列和RNA-seq数据,以及单细胞RNA-seq数据 | 基因组学 | NA | RNA-seq | NA | 基因表达数据 | NA |
1657 | 2024-08-09 |
Kidney and organoid single-cell transcriptomics: the end of the beginning
2020-02, Pediatric nephrology (Berlin, Germany)
DOI:10.1007/s00467-018-4177-y
PMID:30607565
|
综述 | 本文综述了单细胞RNA测序技术在肾脏发育和疾病中的应用及其最新进展 | 揭示了细胞间未预见的细胞谱系关系,定义了肾脏类器官中非目标细胞类型的存在,并展示了人类肾脏同种异体移植中多样化的炎症反应 | NA | 总结单细胞RNA测序技术在肾脏领域的快速进展,并概述其未来发展方向 | 肾脏类器官、发育中的小鼠和人类肾脏、成年肾脏及肾脏癌 | 数字病理学 | 肾脏疾病 | 单细胞RNA测序(scRNA-seq) | NA | 转录组数据 | 多个scRNA-seq数据集 |
1658 | 2024-08-09 |
Quantifying Waddington's epigenetic landscape: a comparison of single-cell potency measures
2020-Jan-17, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bby093
PMID:30289442
|
研究论文 | 本研究通过九个独立的单细胞RNA-Seq实验,比较了四种不同的单细胞分化潜能模型,评估了它们在区分不同分化潜能细胞方面的能力 | 研究首次展示了将RNA-Seq数据与蛋白质相互作用网络整合可以显著提高单细胞分化潜能估计的鲁棒性和可靠性,并发现了高分化潜能与网络枢纽蛋白过表达之间的正相关关系 | NA | 评估单细胞分化潜能模型的鲁棒性和可靠性 | 单细胞分化潜能模型 | 生物信息学 | NA | 单细胞RNA-Seq | NA | RNA-Seq数据 | 九个独立的单细胞RNA-Seq实验 |
1659 | 2024-08-09 |
Comparison of Computational Methods for Imputing Single-Cell RNA-Sequencing Data
2020 Mar-Apr, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2018.2848633
PMID:29994128
|
研究论文 | 本文比较了八种单细胞RNA测序数据插补方法,评估了它们恢复原始真实数据的能力,并分析了它们在细胞类型聚类、差异表达基因检测和谱系轨迹重建中的效果。 | 本文首次对多种单细胞RNA测序数据插补方法进行了大规模比较和评估。 | 文中指出没有一种方法在所有情况下都表现最佳,且存在可扩展性、鲁棒性和某些情况下的不可用性等缺陷。 | 比较和评估不同的单细胞RNA测序数据插补方法。 | 单细胞RNA测序数据插补方法。 | 生物信息学 | NA | 单细胞RNA测序 | NA | 基因表达数据 | 使用了模拟数据集和真实数据集进行分析 |