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 1392 篇文献，本页显示第 21 - 40 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2026-02-14 |
Applications of spatial transcriptomics and artificial intelligence to develop integrated management of pancreatic cancer
2024, Advances in cancer research
DOI:10.1016/bs.acr.2024.06.007
PMID:39271261
|
综述 | 本文综述了空间转录组学和人工智能在胰腺癌综合管理中的应用 | 整合空间转录组学和人工智能工具，以更精确地分析肿瘤微环境中的细胞间通讯，并识别新的生物标志物和治疗靶点 | NA | 探索空间转录组学和人工智能在胰腺癌早期诊断和个性化治疗中的应用 | 胰腺癌 | 数字病理学 | 胰腺癌 | 单细胞测序, seqFISH | NA | 测序数据, 图像数据 | NA | NA | 空间转录组学 | NA | NA |
| 22 | 2026-02-14 |
Crosstalk between tumor and microenvironment: Insights from spatial transcriptomics
2024, Advances in cancer research
DOI:10.1016/bs.acr.2024.06.009
PMID:39271263
|
综述 | 本文综述了肿瘤与微环境之间的相互作用，重点关注空间转录组学技术在解析肿瘤异质性、进化及克隆状态中的应用 | 整合空间转录组学技术视角，系统阐述肿瘤异质性驱动因素及肿瘤-微环境动态互作机制 | 作为综述文章，未涉及原始实验数据，主要基于现有文献总结 | 探讨肿瘤异质性、进化及克隆状态的驱动因素，并分析肿瘤与微环境的相互作用 | 肿瘤组织及其微环境 | 数字病理学 | 癌症 | 空间转录组学 | NA | 空间转录组数据 | NA | NA | 空间转录组学 | NA | NA |
| 23 | 2026-02-14 |
Deep learning-based multimodal spatial transcriptomics analysis for cancer
2024, Advances in cancer research
DOI:10.1016/bs.acr.2024.08.001
PMID:39271260
|
书本章节 | 本章探讨了深度学习与多模态空间转录组学在癌症研究中的整合应用 | 将深度学习与多模态空间转录组学结合，为癌症诊断和治疗提供全面且可操作的见解，代表了肿瘤学向更精准和个性化方向的范式转变 | NA | 推进癌症诊断、治疗规划和精准医学 | 癌症生物学，包括肿瘤异质性、微环境相互作用和治疗反应 | 机器学习 | 癌症 | 空间转录组学，多模态数据分析 | 卷积神经网络 | 多模态数据（包括基因组、蛋白质组、影像和临床数据） | NA | NA | 空间转录组学 | NA | NA |
| 24 | 2026-02-14 |
Current computational methods for spatial transcriptomics in cancer biology
2024, Advances in cancer research
DOI:10.1016/bs.acr.2024.06.006
PMID:39271268
|
综述 | 本文综述了当前在癌症生物学中用于空间转录组学的计算方法 | NA | NA | 回顾和总结空间转录组学在癌症生物学中的计算分析方法 | 空间转录组学数据及其在癌症研究中的应用 | 计算生物学 | 癌症 | 空间转录组学 | NA | 空间转录组数据 | NA | NA | 空间转录组学 | NA | NA |
| 25 | 2026-02-14 |
Data enhancement in the age of spatial biology
2024, Advances in cancer research
DOI:10.1016/bs.acr.2024.06.008
PMID:39271267
|
综述 | 本文综述了空间转录组学与其他数据类型（如单细胞转录组学和详细组织染色图像）整合的计算方法，旨在克服当前空间转录组学技术在分辨率或同时分析基因数量方面的限制 | 深入探讨了整合空间转录组学与互补数据源的计算方法，以克服现有技术在分辨率或基因分析数量上的局限，并强调了这些方法在癌症生物学理解中的革命性潜力 | 作为综述文章，未涉及具体实验数据或新算法开发，主要聚焦于现有挑战和解决方案的概述 | 旨在通过整合空间转录组学与其他数据类型，提升对细胞异质性和微环境的理解，特别是在癌症等复杂疾病中 | 空间转录组学数据、单细胞转录组学数据、详细组织染色图像 | 空间转录组学 | 癌症 | 空间转录组学、单细胞转录组学、组织染色 | NA | 空间转录组学数据、单细胞转录组学数据、图像数据 | NA | NA | 空间转录组学、单细胞RNA-seq | NA | NA |
| 26 | 2026-02-06 |
Digital spatial profiling of segmental outflow regions in trabecular meshwork reveals a role for ADAM15
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0298802
PMID:38394161
|
研究论文 | 本研究利用空间转录组学方法，识别了与人类小梁网高流出和低流出区域相关的基因，特别是ADAM15在调节房水流出中的作用 | 首次应用数字空间分析技术于小梁网分段流出区域，揭示了ADAM15等基因在房水流出调控中的新角色 | 研究基于器官培养的人类前段样本，可能无法完全模拟体内条件，且样本量有限 | 探索小梁网中与房水流出相关的基因表达差异，以理解分段流出的分子机制 | 人类小梁网的高流出和低流出区域 | 空间转录组学 | 青光眼 | 空间转录组学 | NA | 空间转录组数据 | NA | NanoString | 空间转录组学 | GeoMx Digital Spatial Profiler | NanoString GeoMx Digital Spatial Profiler平台用于石蜡包埋组织切片 |
| 27 | 2026-02-06 |
Sphingosine 1-phosphate receptor 2 in keratinocytes plays a key role in reducing inflammation in psoriasis
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1469829
PMID:39391307
|
研究论文 | 本研究探讨了角质形成细胞中S1PR2在银屑病炎症中的关键作用，发现其通过抑制Th17细胞募集来减轻炎症 | 首次研究了S1PR2在银屑病中的作用，揭示了其作为下调因子抑制Th17细胞招募的新机制 | 研究基于小鼠模型，可能无法完全反映人类银屑病的复杂性 | 研究S1PR2在银屑病发病机制中的作用 | S1pr2fl/fl K14-Cre小鼠和野生型小鼠的皮肤组织 | 数字病理学 | 银屑病 | 空间转录组学, RT-qPCR, 流式细胞术 | NA | 转录组数据, 基因表达数据, 细胞表型数据 | 使用S1pr2fl/fl K14-Cre小鼠和野生型小鼠进行IMQ诱导的银屑病样炎症实验 | NA | 空间转录组学 | NA | NA |
| 28 | 2026-01-29 |
Single-cell RNA sequencing data locate ALDH1A2-mediated retinoic acid synthetic pathway to glomerular parietal epithelial cells
2024, Experimental biology and medicine (Maywood, N.J.)
DOI:10.3389/ebm.2024.10167
PMID:39360029
|
综述 | 本文通过挖掘小鼠和人类肾脏的单细胞及单核RNA测序数据库，发现肾小球壁层上皮细胞（PECs）表达全谱的视黄酸合成相关基因，并定位了ALDH1A2介导的视黄酸合成通路，探讨了其在肾脏生理和病理中的潜在作用 | 首次利用单细胞及单核RNA测序数据，系统性地将ALDH1A2介导的视黄酸合成通路定位到肾小球壁层上皮细胞，并揭示了该通路在多种肾脏疾病模型及患者中的表达变化 | 本文主要基于数据挖掘和生物信息学分析，提出的假说（即PECs中ALDH1A2介导的视黄酸合成在肾脏中发挥未定义的作用且其失调介导损伤）仍需通过条件性基因敲除、RNA沉默及转基因小鼠模型等实验进行验证 | 阐明ALDH1A2介导的视黄酸合成通路在肾脏（特别是肾小球壁层上皮细胞）中的定位、表达调控及其在肾脏生理和病理（如肾小球肾炎、急性肾损伤、慢性肾病等）中的潜在作用 | 小鼠和人类肾脏组织，特别是肾小球壁层上皮细胞（PECs） | 数字病理学 | 肾脏疾病（包括肾小球肾炎、急性肾损伤、慢性肾病、糖尿病肾病、局灶节段性肾小球硬化、多囊肾病等） | 单细胞RNA测序，单核RNA测序，Spearman秩相关系数分析，基因本体通路分析 | NA | RNA测序数据（单细胞及单核水平） | NA（涉及多个公开数据库中的小鼠模型及人类患者数据） | NA | 单细胞RNA-seq，单核RNA-seq | NA | NA |
| 29 | 2026-01-22 |
Schizophrenia endothelial cells exhibit higher permeability and altered angiogenesis patterns in patient-derived organoids
2024-01-23, Translational psychiatry
IF:5.8Q1
DOI:10.1038/s41398-024-02740-2
PMID:38263175
|
研究论文 | 本研究利用精神分裂症患者来源的iPSCs生成3D脑类器官，通过单细胞RNA测序发现其内皮细胞比例增加，并揭示了基因表达、血管结构和通透性的异常变化 | 首次在患者来源的脑类器官模型中系统揭示了精神分裂症内皮细胞的高通透性和血管生成模式改变，为疾病病因提供了新视角 | 研究基于体外类器官模型，可能无法完全模拟体内复杂环境；样本量相对有限（23名供体） | 探究精神分裂症中内皮/血管功能障碍对疾病发展的贡献 | 精神分裂症患者和健康对照者来源的诱导多能干细胞生成的3D脑类器官 | 数字病理学 | 精神分裂症 | 单细胞RNA测序 | NA | RNA测序数据、显微图像数据 | 23名供体（患者与健康对照） | NA | 单细胞RNA-seq | NA | NA |
| 30 | 2025-12-13 |
Mechanosensitive genomic enhancers potentiate the cellular response to matrix stiffness
2024-Jan-10, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.10.574997
PMID:38260455
|
研究论文 | 本研究通过整合全基因组表观基因组分析、表观基因组编辑及单细胞RNA-seq CRISPR筛选，鉴定了一类响应机械微环境的新型基因组增强子——机械增强子 | 首次系统鉴定并命名了响应细胞外基质硬度的“机械增强子”，并通过表观基因组编辑实现在刚性材料上模拟软材料环境的基因表达模式 | 未明确机械增强子在具体疾病模型中的完整调控网络及其临床转化路径 | 探究机械微环境如何通过表观遗传机制精确调控细胞转录与表型 | 基因组增强子、细胞机械响应通路 | 表观遗传学、细胞力学 | NA | 全基因组表观基因组分析、表观基因组编辑、单细胞RNA-seq CRISPR筛选 | CRISPR筛选模型 | 表观基因组数据、单细胞转录组数据 | NA | NA | 单细胞RNA-seq | NA | NA |
| 31 | 2025-12-03 |
Multiomic spatial landscape of innate immune cells at human central nervous system borders
2024-01, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-023-02673-1
PMID:38123840
|
研究论文 | 本研究通过整合单细胞RNA测序、飞行时间质谱流式细胞术和单细胞空间转录组学等多种技术，全面描绘了人类中枢神经系统边界先天免疫细胞的多组学空间景观 | 首次在人类样本中系统性地揭示了中枢神经系统边界区域（如脑膜、脉络丛、血管周围间隙）先天免疫细胞（特别是CNS相关巨噬细胞，CAMs）的时空异质性和功能多样性，并比较了生理状态与疾病状态（如胶质母细胞瘤）下髓系细胞分布的差异 | 样本主要来自死后组织或手术切除样本，可能无法完全反映活体动态过程；空间转录组学分辨率虽高，但尚未达到单细胞水平；对某些罕见细胞亚群的功能验证仍需进一步实验 | 全面表征人类中枢神经系统边界区域的免疫系统组成、空间分布及在发育、健康和疾病状态下的变化 | 人类中枢神经系统边界区域的先天免疫细胞（包括小胶质细胞和CNS相关巨噬细胞），以及胶质母细胞瘤样本中的髓系细胞 | 空间转录组学 | 胶质母细胞瘤 | 单细胞RNA测序, 飞行时间质谱流式细胞术, 单细胞空间转录组学, 命运图谱, 高级免疫组织化学 | NA | 单细胞转录组数据, 蛋白质表达数据, 空间转录组数据, 组织图像数据 | 来自102个个体的超过356,000个转录组；15例外周血干细胞移植患者的脑组织样本；解剖分离的胶质母细胞瘤样本 | NA | 单细胞RNA-seq, 空间转录组学 | NA | NA |
| 32 | 2025-11-25 |
Unveiling the NEFH+ malignant cell subtype: Insights from single-cell RNA sequencing in prostate cancer progression and tumor microenvironment interactions
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1517679
PMID:39759507
|
研究论文 | 通过单细胞RNA测序识别前列腺癌中NEFH+恶性细胞亚型及其与肿瘤微环境的相互作用 | 首次发现NEFH+恶性细胞亚型位于分化末端，具有更高恶性程度，并揭示其通过PTN-NCL通路与癌症相关成纤维细胞的相互作用机制 | 研究主要基于公共数据库数据，需要更多实验验证和临床样本确认 | 探索前列腺癌恶性细胞亚型与肿瘤微环境相互作用的机制，为诊疗提供新见解 | 前列腺癌患者单细胞RNA测序数据及MDA PCa 2b、VCap细胞系 | 数字病理学 | 前列腺癌 | 单细胞RNA测序，基因本体分析，基因集富集分析，inferCNV分析，细胞轨迹推断，转录因子调控网络分析 | 风险评分模型，细胞通信预测模型 | 单细胞RNA测序数据 | 从GEO数据库获取的单细胞RNA测序数据集 | NA | 单细胞RNA测序 | NA | NA |
| 33 | 2025-11-24 |
Spatial Omics Driven Crossmodal Pretraining Applied to Graph-based Deep Learning for Cancer Pathology Analysis
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160300
|
研究论文 | 本研究探索利用空间转录组学数据通过对比跨模态预训练机制生成深度学习模型，以提取分子和组织学信息用于基于图的学习任务 | 首次将空间转录组学数据与组织学成像配对，通过对比跨模态预训练机制增强基于图的深度学习模型在癌症病理分析中的性能 | NA | 开发能够更好理解癌变形态学和分子基础的算法，提升基于图的深度学习在癌症病理分析中的性能 | 癌症组织病理学全切片图像和空间转录组学数据 | 数字病理学 | 癌症 | 对比跨模态预训练，基于图的深度学习 | 图神经网络 | 图像，空间转录组学数据 | NA | NA | 空间转录组学 | NA | 50微米分辨率定位的组织学成像与空间转录组学数据配对 |
| 34 | 2025-11-24 |
Potential to Enhance Large Scale Molecular Assessments of Skin Photoaging through Virtual Inference of Spatial Transcriptomics from Routine Staining
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160301
|
研究论文 | 本研究探索从常规H&E染色组织切片推断空间转录组信息的潜力，以增强皮肤光老化的大规模分子评估 | 开发了从常规H&E染色切片推断空间转录组信息的机器学习方法，避免了昂贵空间转录组技术的限制 | 研究样本量有限（仅4名患者），且存在患者间变异性 | 增强皮肤光老化的大规模分子评估能力，为皮肤癌研究提供新方法 | 皮肤组织标本，特别是基底细胞癌和鳞状细胞癌手术切除部位邻近的皮肤组织 | 数字病理学 | 皮肤癌 | 空间转录组学，全玻片成像，机器学习 | 机器学习模型 | 图像，转录组数据 | 来自261个皮肤标本队列中的4名患者 | 10x Genomics | 空间转录组学 | Visium CytAssist | Visium CytAssist空间转录组分析，50微米分辨率，分析超过18,000个基因 |
| 35 | 2025-11-24 |
Enhancing Spatial Transcriptomics Analysis by Integrating Image-Aware Deep Learning Methods
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160299
|
研究论文 | 提出一种整合空间转录组学和组织病理学图像的深度学习方法，以更好地识别癌症组织中的生物学模式 | 首次将空间转录组学数据与组织病理学图像通过深度学习模型相结合，利用ResNet提取形态学特征，实现图像感知的特征发现 | 方法主要针对胶质母细胞瘤和三阴性乳腺癌等特定癌症类型，在其他疾病中的适用性有待验证 | 开发能够整合空间转录组学和图像数据的分析方法，以更好地理解癌症组织的空间异质性 | 胶质母细胞瘤和三阴性乳腺癌患者组织样本 | 数字病理学 | 癌症 | 空间转录组学，深度学习 | ResNet-50, Louvain聚类 | 空间基因表达数据，高分辨率全切片组织学图像 | NA | NA | 空间转录组学 | NA | NA |
| 36 | 2025-10-27 |
Single-cell transcriptomics of peripheral blood mononuclear cells indicates impaired immune and inflammatory responses in alcohol-associated hepatitis
2024-Jan, Human immunology
IF:3.1Q3
DOI:10.1016/j.humimm.2023.110735
PMID:38040543
|
研究论文 | 通过单细胞多组学分析揭示酒精性肝炎患者外周血单个核细胞的免疫和炎症反应受损机制 | 首次结合单细胞转录组、细胞表面蛋白和淋巴细胞抗原受体分析，系统揭示AH患者PBMC中各细胞亚型的协同免疫应答异常 | 样本量有限，未包含不同疾病阶段的纵向数据 | 探究酒精性肝炎中免疫失调和炎症反应的分子机制 | 酒精性肝炎患者的外周血单个核细胞 | 单细胞组学 | 酒精性肝炎 | 单细胞RNA测序 | NA | 单细胞转录组数据、蛋白质组数据、抗原受体数据 | 未明确说明 | NA | 单细胞RNA-seq, 单细胞多组学 | NA | NA |
| 37 | 2025-10-05 |
Refined and benchmarked homemade media for cost-effective, weekend-free human pluripotent stem cell culture
2024, Open research Europe
DOI:10.12688/openreseurope.18245.2
PMID:41040810
|
研究论文 | 本研究开发并评估了两种自制无周末培养基B8+和hE8，用于人类多能干细胞培养 | 优化了B8培养基配方使其适用于常氧培养，并使用商业可得的生长因子提高了可重复性 | B8+培养基存在谱系启动效应，可能影响分化结果 | 开发成本效益高、实用且可重复的人类多能干细胞培养方法 | 人类多能干细胞（hPSCs），包括WTC11人诱导多能干细胞系和H1、H9人胚胎干细胞系 | 细胞生物学 | NA | 流式细胞术、bulk RNA测序、单细胞RNA测序 | NA | 基因表达数据、细胞表型数据 | 多个人类多能干细胞系（WTC11、H1、H9） | NA | 单细胞RNA测序,bulk RNA测序 | NA | NA |
| 38 | 2025-10-05 |
Leveraging single-cell transcriptomic data to uncover immune suppressive cancer cell subsets in triple-negative canine breast cancers
2024, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2024.1434617
PMID:39376916
|
研究论文 | 利用单细胞转录组数据识别三阴性犬乳腺癌中的免疫抑制癌细胞亚群 | 首次通过整合分析已发表单细胞测序数据揭示犬三阴性乳腺癌的免疫抑制亚群及其作用机制 | 基于已发表数据集进行二次分析，缺乏原始实验验证 | 鉴定和表征犬三阴性乳腺癌中的免疫抑制癌细胞亚群 | 犬三阴性乳腺癌细胞 | 数字病理学 | 乳腺癌 | 单细胞RNA测序 | NA | 单细胞转录组数据 | 30只狗分为6组 | NA | 单细胞RNA测序 | NA | NA |
| 39 | 2025-10-05 |
Identification of type 2 diabetes- and obesity-associated human β-cells using deep transfer learning
2024-Jan-23, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.18.576260
PMID:38328172
|
研究论文 | 本研究应用深度迁移学习工具DEGAS识别与2型糖尿病和肥胖相关的人类β细胞亚群 | 首次使用深度迁移学习工具DEGAS将疾病关联映射到单细胞RNA-seq数据中，识别出特定的β细胞亚群 | 研究样本量有限，未来需要扩展到更多人类胰岛组学数据集 | 优先识别与疾病相关的β细胞亚群以更好理解2型糖尿病发病机制并确定靶向治疗相关基因 | 人类胰腺胰岛β细胞 | 机器学习 | 2型糖尿病 | 单细胞RNA-seq, 免疫染色 | 深度迁移学习 | 单细胞RNA-seq数据, 批量表达数据, 图像数据 | NA | NA | 单细胞RNA-seq | NA | NA |
| 40 | 2024-08-07 |
Correction to 'Probabilistic cell/domain-type assignment of spatial transcriptomics data with SpatialAnno'
2024-Jan-25, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkad1229
PMID:38109292
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |