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 7466 篇文献，本页显示第 4981 - 5000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4981 | 2024-09-14 |
ICARUS v3, a massively scalable web server for single-cell RNA-seq analysis of millions of cells
2024-03-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae167
PMID:38539041
|
研究论文 | 本文介绍了ICARUS v3，一个用于大规模单细胞RNA测序数据分析的网络服务器应用 | ICARUS v3采用几何细胞草图方法对细胞进行子采样，以进行降维和聚类，并将其投影到大数据集上，支持多种下游数据分析应用 | NA | 开发一个能够有效分析大规模单细胞RNA测序数据的计算工作流程 | 单细胞RNA测序数据 | 生物信息学 | NA | 单细胞RNA测序 | NA | 基因表达数据 | 130万细胞 | NA | NA | NA | NA |
| 4982 | 2024-09-14 |
CTEC: a cross-tabulation ensemble clustering approach for single-cell RNA sequencing data analysis
2024-03-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae130
PMID:38552307
|
研究论文 | 提出了一种名为CTEC的交叉表集成聚类方法，用于单细胞RNA测序数据分析 | CTEC方法通过交叉表制定了两种重聚类策略（基于分布和基于异常值），显著改进了现有的单细胞数据聚类方法 | NA | 改进单细胞RNA测序数据的细胞类型聚类方法 | 单细胞RNA测序数据 | 生物信息学 | NA | 单细胞RNA测序 | 集成聚类 | 基因表达数据 | 五个单细胞RNA测序数据集 | NA | NA | NA | NA |
| 4983 | 2024-09-14 |
scDAC: deep adaptive clustering of single-cell transcriptomic data with coupled autoencoder and Dirichlet process mixture model
2024-03-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae198
PMID:38603616
|
研究论文 | 本文提出了一种名为scDAC的单细胞深度自适应聚类模型，结合了自编码器和狄利克雷过程混合模型，用于单细胞转录组数据的聚类分析 | scDAC通过联合优化自编码器和狄利克雷过程混合模型的参数，实现了对单细胞转录组数据的自适应聚类，能够准确识别细胞类型或亚型的数量 | NA | 开发一种能够从大规模单细胞转录组数据中准确识别细胞类型或亚型数量的自适应聚类方法 | 单细胞RNA测序数据 | 机器学习 | NA | 自编码器和狄利克雷过程混合模型 | 自编码器和狄利克雷过程混合模型 | 转录组数据 | 五个不同细胞类型数量的子采样数据集，以及九个单细胞RNA测序数据集 | NA | NA | NA | NA |
| 4984 | 2024-09-14 |
Clustering single-cell multi-omics data via graph regularized multi-view ensemble learning
2024-03-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae169
PMID:38547401
|
研究论文 | 本文提出了一种基于图正则化的多视图集成学习模型，用于单细胞多组学数据的聚类 | 该模型能够自适应地整合多种组学数据，并利用多个基础聚类结果的洞察力 | NA | 提出一种新的聚类方法，以有效整合单细胞多组学数据，提高聚类性能 | 单细胞多组学数据 | 机器学习 | NA | 单细胞多组学测序技术 | 图正则化多视图集成聚类模型 | 多组学数据 | 五个多组学数据集 | NA | NA | NA | NA |
| 4985 | 2024-09-14 |
Flexiplex: a versatile demultiplexer and search tool for omics data
2024-03-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae102
PMID:38379414
|
研究论文 | 本文介绍了一种名为Flexiplex的多功能解复用和搜索工具，用于组学数据分析 | Flexiplex基于Levenshtein距离，允许不完美的匹配，适用于多种实验类型，并能处理噪声数据 | NA | 开发一种多功能且高效的序列搜索和解复用工具，以克服现有工具的局限性 | 单细胞数据中的细胞条形码和UMI，以及特定遗传变异 | 生物信息学 | NA | Levenshtein距离 | NA | 序列数据 | NA | NA | NA | NA | NA |
| 4986 | 2024-09-14 |
SST-editing: in silico spatial transcriptomic editing at single-cell resolution
2024-03-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae077
PMID:38341653
|
研究论文 | 本文提出了一种基于生成对抗网络（GAN）的基因表达引导的免疫荧光图像编辑方法，用于空间转录组学数据 | 首次将生成对抗网络应用于空间转录组学数据的基因表达引导图像编辑 | 尚未在其他类型的生物医学图像数据上进行广泛验证 | 开发一种新的方法，能够在空间转录组学数据中实现基因表达引导的图像编辑 | 正常和肿瘤组织切片中的细胞级空间转录组数据 | 计算机视觉 | NA | 生成对抗网络（GAN） | GAN | 图像 | 正常和肿瘤组织切片中的细胞级空间转录组数据 | NA | NA | NA | NA |
| 4987 | 2024-09-14 |
BERMAD: batch effect removal for single-cell RNA-seq data using a multi-layer adaptation autoencoder with dual-channel framework
2024-03-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae127
PMID:38439545
|
研究论文 | 本文提出了一种名为BERMAD的多层适应自编码器双通道框架，用于去除单细胞RNA测序数据中的批次效应 | 创新点在于设计了多层适应架构和双通道框架，以解决批次效应去除中的欠校正和过校正问题 | NA | 解决单细胞RNA测序数据中批次效应的去除问题 | 单细胞RNA测序数据 | 生物信息学 | NA | 单细胞RNA测序 | 自编码器 | 基因表达数据 | 多个单细胞RNA测序数据集 | NA | NA | NA | NA |
| 4988 | 2024-09-14 |
SpatialView: an interactive web application for visualization of multiple samples in spatial transcriptomics experiments
2024-03-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae117
PMID:38444087
|
研究论文 | 开发了一个名为SpatialView的交互式网络应用程序，用于可视化空间转录组学实验中的多个样本 | 填补了空间转录组学数据可视化工具的空白，提供了一个开源的基于浏览器的交互式应用程序 | NA | 开发一个交互式工具，以增强空间转录组学数据的可视化和分析能力 | 空间转录组学实验中的数据和结果 | 生物信息学 | NA | 空间转录组学 | NA | 基因表达数据 | 多个10× Genomics Visium ST实验样本 | NA | NA | NA | NA |
| 4989 | 2024-09-14 |
ICELLNET v2: a versatile method for cell-cell communication analysis from human transcriptomic data
2024-03-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae089
PMID:38490248
|
研究论文 | 本文介绍了ICELLNET的重大更新版本，扩展了配体-受体数据库并优化了单细胞RNA测序数据的分析框架 | 将ICELLNET的配体-受体数据库从380个扩展到1669个，整合了免疫交叉对话、细胞粘附和Wnt通路中的重要通信分子，并优化了单细胞RNA测序数据的分析框架 | NA | 开发和优化用于从转录组数据推断细胞间通信网络的方法 | 人类转录组数据中的细胞间通信 | 生物信息学 | NA | 单细胞RNA测序 | NA | 转录组数据 | NA | NA | NA | NA | NA |
| 4990 | 2024-09-14 |
Forseti: A mechanistic and predictive model of the splicing status of scRNA-seq reads
2024-Feb-05, bioRxiv : the preprint server for biology
DOI:10.1101/2024.02.01.577813
PMID:38370848
|
研究论文 | 开发了一种名为Forseti的机械性和预测性模型，用于确定scRNA-seq读取的剪接状态 | 提出了Forseti模型，通过结合绑定亲和力模型和片段长度分布模型，能够概率性地分配scRNA-seq读取的剪接状态 | NA | 开发一种方法来恢复scRNA-seq数据中模糊读取的剪接状态，从而提高下游分析的准确性和置信度 | scRNA-seq数据中的剪接状态 | 生物信息学 | NA | 单细胞RNA测序 (scRNA-seq) | 预测模型 | RNA序列数据 | NA | NA | NA | NA | NA |
| 4991 | 2024-09-14 |
Phenotype prediction from single-cell RNA-seq data using attention-based neural networks
2024-02-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae067
PMID:38390963
|
研究论文 | 本文提出了一种基于注意力机制神经网络的单细胞RNA测序数据表型预测方法ScRAT | ScRAT通过使用mixup模块增加训练样本数量，并采用多头注意力机制学习每个表型中最具信息量的细胞，无需依赖给定的细胞类型注释 | NA | 开发一种能够在有限样本数量下准确预测疾病表型的方法 | 单细胞RNA测序数据中的细胞表型 | 机器学习 | NA | 单细胞RNA测序 | 注意力机制神经网络 | 基因表达数据 | 三个公开的COVID数据集 | NA | NA | NA | NA |
| 4992 | 2024-09-13 |
Single-cell transcriptomics reveals subset-specific metabolic profiles underpinning the bronchial epithelial response to flagellin
2024-Sep-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.110662
PMID:39252969
|
研究论文 | 本研究利用单细胞RNA测序技术，分析了鞭毛蛋白对人类支气管上皮细胞的细胞特异性影响 | 首次揭示了鞭毛蛋白暴露下人类支气管上皮细胞的功能异质性，并发现了炎症性分泌细胞和炎症性基底细胞在代谢重编程上的差异 | 研究仅限于体外培养的支气管上皮细胞，未涉及体内环境的影响 | 探究鞭毛蛋白对人类支气管上皮细胞的细胞特异性影响及其代谢重编程机制 | 人类支气管上皮细胞 | 数字病理学 | NA | 单细胞RNA测序 | NA | 转录组数据 | 7个细胞簇，包括纤毛细胞、离子细胞和多种状态的基底细胞和分泌细胞 | NA | NA | NA | NA |
| 4993 | 2024-09-13 |
Single-cell transcriptomics reveals heterogeneity in plant responses to the environment: a focus on biotic and abiotic interactions
2024-Sep-11, Journal of experimental botany
IF:5.6Q1
DOI:10.1093/jxb/erae107
PMID:38466621
|
综述 | 本文综述了单细胞转录组学在植物对生物和非生物环境因素响应中的应用 | 单细胞转录组学提供了前所未有的细胞响应环境变化的视角 | 单细胞研究在植物-环境相互作用中面临技术挑战 | 探讨单细胞转录组学在理解植物对生物和非生物环境因素响应中的贡献 | 植物细胞对生物和非生物环境因素的响应 | 基因组学 | NA | 单细胞转录组测序 | NA | 转录组数据 | NA | NA | NA | NA | NA |
| 4994 | 2024-09-13 |
Single-cell RNA sequencing reveals the change in cytotoxic NK/T cells, epithelial cells and myeloid cells of the tumor microenvironment of high-grade serous ovarian carcinoma
2024-Sep-09, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-024-01290-9
PMID:39249551
|
研究论文 | 本研究通过单细胞RNA测序技术分析了高级别浆液性卵巢癌肿瘤微环境中NK/T细胞、上皮细胞和髓系细胞的变化 | 揭示了高级别浆液性卵巢癌从早期到晚期阶段上皮细胞的异质性和富集通路的变化，以及细胞间通讯的增强 | NA | 研究高级别浆液性卵巢癌肿瘤微环境的变化 | NK/T细胞、上皮细胞和髓系细胞 | 数字病理学 | 卵巢癌 | 单细胞RNA测序 | NA | RNA | 45,448个单细胞 | NA | NA | NA | NA |
| 4995 | 2024-09-13 |
Revealing the crosstalk between LOX+ fibroblast and M2 macrophage in gastric cancer by single-cell sequencing
2024-Sep-09, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-024-12861-y
PMID:39251966
|
研究论文 | 本研究通过单细胞测序揭示了胃癌中LOX+成纤维细胞与M2巨噬细胞之间的相互作用 | 首次构建了胃癌患者的单细胞转录组图谱，并揭示了LOX+成纤维细胞与M2巨噬细胞在肿瘤微环境中的紧密定位和相互作用 | 研究仅限于胃癌样本，未来需在更多癌症类型中验证这些发现 | 揭示胃癌肿瘤微环境中成纤维细胞与巨噬细胞之间的相互作用，寻找潜在的治疗靶点 | 胃癌患者的肿瘤微环境中的LOX+成纤维细胞和M2巨噬细胞 | 数字病理学 | 胃癌 | 单细胞测序 | NA | 单细胞转录组数据 | 150,913个细胞 | NA | NA | NA | NA |
| 4996 | 2024-09-13 |
Dimension reduction, cell clustering, and cell-cell communication inference for single-cell transcriptomics with DcjComm
2024-Sep-09, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-024-03385-6
PMID:39252099
|
研究论文 | 提出了一种名为DcjComm的方法，用于单细胞转录组学的综合分析，包括降维、细胞聚类和细胞间通信推断 | DcjComm通过非负矩阵分解联合学习模型进行降维和聚类，并整合配体-受体对、转录因子和靶基因来推断细胞间通信，性能优于现有方法 | NA | 改进单细胞转录组学分析中的降维、细胞聚类和细胞间通信推断方法 | 单细胞转录组数据 | 生物信息学 | NA | 非负矩阵分解 | 联合学习模型 | 转录组数据 | NA | NA | NA | NA | NA |
| 4997 | 2024-09-13 |
Cancer cell states: Lessons from ten years of single-cell RNA-sequencing of human tumors
2024-Sep-09, Cancer cell
IF:48.8Q1
DOI:10.1016/j.ccell.2024.08.005
PMID:39214095
|
研究论文 | 本文回顾了过去十年单细胞RNA测序（scRNA-seq）在人类肿瘤研究中的应用，并强调了从这些研究中获得的一些重要见解 | 本文总结了scRNA-seq在定义癌症细胞状态和肿瘤内异质性方面的创新方法和发现 | 本文讨论了在定义和命名肿瘤内异质性程序时存在的模糊性 | 回顾和总结scRNA-seq在人类肿瘤研究中的应用，并展望未来在临床中的应用 | 人类肿瘤中的癌症细胞状态和肿瘤内异质性 | 数字病理学 | NA | 单细胞RNA测序（scRNA-seq） | NA | 基因表达数据 | NA | NA | NA | NA | NA |
| 4998 | 2024-09-13 |
SpatialOne: end-to-end analysis of visium data at scale
2024-09-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae509
PMID:39152991
|
研究论文 | 本文介绍了一个名为SpatialOne的端到端分析管道，用于简化10x Visium数据的分析 | SpatialOne整合了多种先进的计算方法，简化了空间转录组数据的分析流程 | NA | 简化空间转录组数据的分析 | 10x Visium数据 | 生物信息学 | NA | 空间转录组学 | NA | 转录组数据 | NA | NA | NA | NA | NA |
| 4999 | 2024-09-13 |
Identifying cancer cells from calling single-nucleotide variants in scRNA-seq data
2024-09-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae512
PMID:39163479
|
研究论文 | 开发了一种名为CCLONE的工具，用于从scRNA-seq数据中识别癌症细胞并匹配其表达谱 | 提出了CCLONE工具，能够处理scRNA-seq数据中SNV的不确定性和稀疏性，并联合识别癌症克隆群体及其相关变异 | 仅在急性髓系白血病和肺腺癌数据集上进行了验证，尚未在其他癌症类型中测试 | 解决从scRNA-seq数据中识别癌症细胞的挑战 | scRNA-seq数据中的单核苷酸变异（SNV） | 数字病理学 | 白血病 | 单细胞RNA测序（scRNA-seq） | NA | 基因表达数据 | 涉及两个急性髓系白血病数据集和一个肺腺癌数据集 | NA | NA | NA | NA |
| 5000 | 2024-09-13 |
scDiffusion: conditional generation of high-quality single-cell data using diffusion model
2024-09-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae518
PMID:39171840
|
研究论文 | 本文介绍了一种名为scDiffusion的生成模型，结合扩散模型和基础模型，用于生成高质量的单细胞RNA测序数据，并能在控制条件下生成数据 | scDiffusion通过设计多个分类器同时指导扩散过程，并提出了一种新的控制策略——梯度插值，使得模型能够生成连续的细胞发育轨迹 | NA | 开发一种能够生成高质量单细胞RNA测序数据的生成模型，并能在控制条件下生成数据 | 单细胞RNA测序数据 | 机器学习 | NA | 扩散模型 | 生成模型 | 单细胞RNA测序数据 | NA | NA | NA | NA | NA |