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!


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。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2024-08-09 |
Nature-Inspired Compressed Sensing for Transcriptomic Profiling From Random Composite Measurements
2021-Sep, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2019.2951402
PMID:31751263
|
研究论文 | 本文提出了一种基于差分进化和压缩感知的数学框架DECS,用于从低维随机复合测量中重建高维基因表达数据 | DECS方法利用基因表达数据的固有稀疏性,能够从低维随机复合测量中学习稀疏模块字典和水平,以显著的量级(例如200倍)重建高维基因表达数据 | NA | 解决基因表达数据与随机复合测量之间关系的长期挑战 | 基因表达数据 | 生物信息学 | NA | RNA-Seq | 差分进化(DE) | 基因表达数据 | 九个GSE数据集 | NA | NA | NA | NA |