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 539 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 | 2026-08-16 |
Clustering and visualization of single-cell RNA-seq data using path metrics
2024-05, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012014
PMID:38809943
|
研究论文 | 本文提出了一种基于路径度量的单细胞RNA测序数据聚类与可视化新框架scPMP，该框架能够同时保留数据的全局几何结构和局部聚类结构 | 采用幂加权路径度量，该度量具有数据驱动、密度敏感的特点，能够尊重数据的底层几何结构，与常用的欧氏距离等度量方法有所不同 | 摘要中未提及明确的局限性 | 解决单细胞数据分析中常用降维和聚类方法难以同时保留局部聚类结构与全局数据几何结构的问题 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | NA | 基因表达数据 | NA | NA | 单细胞RNA测序 | NA | NA |
| 22 | 2026-08-09 |
A Mettl16/m6A/mybl2b/Igf2bp1 axis ensures cell cycle progression of embryonic hematopoietic stem and progenitor cells
2024-May, The EMBO journal
DOI:10.1038/s44318-024-00082-9
PMID:38605226
|
研究论文 | 本研究通过跨物种单细胞RNA测序分析，揭示了METTL16介导的m6A修饰在胚胎造血干细胞和祖细胞细胞周期进程中的关键作用 | 首次发现METTL16在脊椎动物胚胎造血干细胞和祖细胞中高表达，并阐明METTL16-m6A-mybl2b-Igf2bp1轴调控G1/S期进程的保守机制 | 研究主要基于斑马鱼模型，人类中的验证仅限于细胞层面，且未深入探讨METTL16在其他组织或疾病中的功能 | 阐明METTL16介导的m6A修饰在早期胚胎发育中对造血干细胞和祖细胞增殖的调控机制 | 斑马鱼胚胎造血干细胞和祖细胞，以及人类细胞系 | 机器学习和生物信息学 | 造血系统疾病 | 单细胞RNA测序 | NA | 单细胞转录组数据 | 斑马鱼胚胎细胞和人类细胞系样本 | 10x Genomics | 单细胞RNA测序 | 10x Chromium | 10x Chromium单细胞RNA测序平台 |
| 23 | 2026-08-04 |
Living in Syn: T Cell Antigen Identification Based on Synapse Sequencing
2024-05-02, Cancer immunology research
IF:8.1Q1
DOI:10.1158/2326-6066.CIR-24-0239
PMID:38557780
|
评论文章 | 本文评论了Jin等人开发的新型T细胞抗原发现平台Tsyn-seq，该平台基于测序TCR-肽-HLA诱导的突触进行全基因组表位筛选 | 介绍了基于突触测序的T细胞抗原发现新平台Tsyn-seq，该平台通过测序TCR-肽-HLA诱导的突触实现全基因组表位筛选 | 文中未提及具体局限性 | 评论一种新的T细胞抗原发现平台Tsyn-seq及其在表位筛选中的应用 | T细胞受体与肽-HLA复合物诱导的突触 | 生物信息学、免疫学 | NA | 单细胞RNA测序、突触测序 | NA | 测序数据 | NA | NA | 单细胞RNA测序 | NA | NA |
| 24 | 2026-08-04 |
Single-cell atlas reveals the immunosuppressive microenvironment and Treg cells landscapes in recurrent Glioblastoma
2024-05, Cancer gene therapy
IF:4.8Q1
DOI:10.1038/s41417-024-00740-4
PMID:38429367
|
研究论文 | 通过单细胞RNA测序揭示复发性胶质母细胞瘤的免疫抑制微环境及调节性T细胞景观，并比较肿瘤与脑脊液样本。 | 首次在单细胞水平比较复发性胶质母细胞瘤的肿瘤组织和脑脊液免疫微环境，发现S100A9作为潜在的诊断和复发生物标志物。 | 样本量小，仅来自两名患者，可能限制结果的普遍性。 | 揭示复发性胶质母细胞瘤的免疫微环境，并探索脑脊液中的潜在生物标志物。 | 复发性胶质母细胞瘤患者和脑肿瘤患者的肿瘤及脑脊液样本。 | 单细胞转录组学 | 胶质母细胞瘤 | 单细胞RNA测序 | NA | 单细胞转录组数据 | 来自2名患者的4份临床样本（1例复发性胶质母细胞瘤恶性样本，1例脑肿瘤非恶性样本） | NA | 单细胞RNA测序 | NA | NA |
| 25 | 2026-08-01 |
MetalinksDB: a flexible and contextualizable resource of metabolite-protein interactions
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae347
PMID:39038934
|
研究论文 | 该论文介绍了MetalinksDB，一个灵活且可情境化的代谢物-蛋白质相互作用资源数据库，用于推断代谢物介导的细胞间信号传导。 | MetalinksDB比现有的代谢物-受体资源大一个数量级，并可根据特定生物环境（如疾病、通路或组织/细胞位置）进行定制。 | 摘要中未明确指出局限性，但可能包括依赖现有知识图谱和资源质量。 | 构建一个全面且可定制的数据库，以促进代谢物介导的细胞间信号传导研究。 | 代谢物-蛋白质相互作用，特别是细胞间信号传导。 | 机器学习 | 肾癌、急性肾损伤 | 知识图谱 | NA | 多组学数据、空间转录组数据 | NA | NA | 空间转录组学 | NA | NA |
| 26 | 2026-08-01 |
Comprehensive single-cell RNA-seq analysis using deep interpretable generative modeling guided by biological hierarchy knowledge
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae314
PMID:38960404
|
研究论文 | 提出了一种名为d-scIGM的深度可解释生成模型，结合锯齿连接技术和残差网络，并整合生物领域层次先验知识，用于单细胞RNA-seq数据的综合分析，在聚类、可视化和伪时间推断等任务中表现出色，并能捕获药物反应模式。 | 将锯齿连接技术和残差网络整合到生成模型中，构建深度生成框架；并首次将生物域层次先验知识融入模型以增强可解释性，超越了以往仅依赖浅层潜在空间的生成模型。 | 未提及具体局限性。 | 开发一种深度可解释的生成模型，用于单细胞RNA-seq数据的综合分析，提高聚类、可视化、伪时间推断的准确性和可解释性，并揭示生物机制和药物反应模式。 | 单细胞RNA-seq数据，包括黑色素瘤数据集和药物反应数据。 | 机器学习 | 黑色素瘤 | 单细胞RNA测序 | 深度生成模型（d-scIGM） | 单细胞转录组数据 | 未提具体样本数量；涉及黑色素瘤数据集和药物反应实验（大规模实验） | NA | 单细胞RNA-seq | NA | NA |
| 27 | 2026-08-01 |
Characterizing efficient feature selection for single-cell expression analysis
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae317
PMID:38975891
|
研究论文 | 本文系统比较了11种特征选择方法在单细胞RNA-seq数据分析中的性能，并提出基于高偏差和高表达的方法在聚类和可视化方面优于Seurat包中广泛使用的方法 | 首次系统比较了两种评估特征选择方法的标准，并证明它们之间的不一致性；发现高偏差和高表达方法在聚类和轨迹估计中表现优异 | 未提及 | 评估和比较单细胞RNA-seq数据分析中无监督特征选择方法的性能 | 单细胞RNA-seq数据中的特征选择方法 | 机器学习 | NA | RNA-seq | 特征选择算法 | 基因表达数据 | NA | NA | 单细胞RNA-seq | NA | NA |
| 28 | 2026-08-01 |
Accurately deciphering spatial domains for spatially resolved transcriptomics with stCluster
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae329
PMID:38975895
|
研究论文 | 介绍了一种名为stCluster的新方法，通过整合图对比学习与多任务学习来精确解析空间转录组数据的空间域 | 首次将图对比学习与多任务学习相结合，用于空间转录组数据的表示学习，以提高空间域识别的准确性并支持数据去噪和轨迹推断 | 未在摘要中提及局限性 | 开发一种改进空间域识别准确性的计算方法，以更好地解析组织结构和细胞动态 | 空间转录组数据，包括组织、器官和胚胎水平的多个数据集 | 机器学习 | NA | 空间转录组测序 | 图对比学习与多任务学习模型 | 空间转录组数据 | 多个数据集，具体数量未提及 | NA | 空间转录组学 | NA | NA |
| 29 | 2026-08-01 |
Integrating spatial transcriptomics and bulk RNA-seq: predicting gene expression with enhanced resolution through graph attention networks
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae316
PMID:38960406
|
研究论文 | 提出STGAT方法，利用图注意力网络整合空间转录组和批量RNA-seq数据，以高分辨率预测基因表达，并区分肿瘤与非肿瘤组织 | 首次利用图注意力网络从空间转录组数据学习斑点间空间依赖关系，从而仅基于WSI和批量RNA-seq数据预测斑点级基因表达，并在乳腺癌亚型和分期预测中提升准确性 | 未提及具体局限性 | 开发一种能够从现有WSI和批量RNA-seq数据估计近细胞级（斑点级）基因表达的方法，以重新分析大队列研究并发现新生物标志物 | 两个乳腺癌空间转录组数据集和TCGA乳腺癌数据集 | 机器学习 | 乳腺癌 | 空间转录组学、批量RNA-seq | 图注意力网络（GAT） | 基因表达数据、全切片图像（WSI） | 两个乳腺癌空间转录组数据集及TCGA乳腺癌数据集（具体样本数未提及） | NA | 空间转录组学、批量RNA-seq | NA | NA |
| 30 | 2026-08-01 |
SCSMD: Single Cell Consistent Clustering based on Spectral Matrix Decomposition
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae273
PMID:38855914
|
研究论文 | 提出了一种基于谱矩阵分解的单细胞一致聚类方法（SCSMD），整合多种聚类算法的优势来确定最优聚类方案 | SCSMD方法能够整合多种聚类算法的结果，通过谱矩阵分解确定一致的聚类方案，在多个数据集上表现出优于单一算法的性能 | 摘要未明确提及局限性 | 开发一种单细胞RNA测序数据的一致聚类方法，以提高聚类结果的准确性和稳定性 | 15个真实的单细胞RNA测序数据集，包括人类胚胎干细胞和胶质母细胞瘤细胞 | 机器学习 | 胶质母细胞瘤 | 单细胞RNA测序 | 谱矩阵分解 | 基因表达数据 | 15个真实scRNA-seq数据集 | NA | 单细胞RNA测序 | NA | NA |
| 31 | 2026-08-01 |
LoRA-TV: read depth profile-based clustering of tumor cells in single-cell sequencing
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae277
PMID:38877886
|
研究论文 | 提出LoRA-TV方法，基于单细胞测序的读取深度图谱对肿瘤细胞进行聚类。 | 通过低秩近似和鲁棒平滑聚合细胞间共享的基因组特征，增强聚类性能。 | 未提及具体局限性。 | 改进基于单细胞测序数据的肿瘤细胞聚类方法。 | 肿瘤细胞，基于模拟和真实单细胞测序数据。 | 机器学习 | 肿瘤（未特指具体类型） | 单细胞测序 | 低秩近似模型 | 读取深度图谱数据 | 模拟及真实数据（未明确样本量） | NA | 单细胞测序 | NA | NA |
| 32 | 2026-08-01 |
Multi-modal domain adaptation for revealing spatial functional landscape from spatially resolved transcriptomics
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae257
PMID:38819253
|
研究论文 | 提出了一种名为stMDA的多模态无监督域适应方法，用于整合空间转录组数据中的基因表达、组织学图像和空间位置信息，以揭示空间功能景观。 | 首次将多模态无监督域适应应用于空间转录组数据整合，通过神经网络学习模态特定表征并对齐分布，提升了空间域识别的准确性和跨平台泛化能力。 | 摘要中未提及明确限制，可能包括对高质量多模态数据的依赖和计算复杂度。 | 开发一种新的计算方法，整合空间转录组中的多模态数据，以改进空间聚类和变异分析，揭示组织功能结构。 | 空间转录组数据集，来自不同平台和物种，以及癌症组织中的空间可变基因。 | 生物信息学 | 癌症 | 空间转录组测序 | 神经网络（多模态域适应网络） | 空间转录组表达矩阵、组织学图像、空间坐标 | 未在摘要中明确说明 | NA | 空间转录组学 | NA | NA |
| 33 | 2026-08-01 |
A hybrid demultiplexing strategy that improves performance and robustness of cell hashing
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae254
PMID:38828640
|
研究论文 | 提出一种混合去多重化策略，结合细胞哈希和遗传变异聚类，提高多样本单细胞实验中的准确性和细胞回收率，并开发了工具HTOreader | 引入混合去多重化策略，将细胞哈希结果与遗传变异聚类相关联，无需额外实验成本即可实现精确高效的细胞身份确定；同时开发HTOreader工具，通过避免负信号主导来改进截止值判定的准确性 | 未在摘要中明确说明局限性 | 提高细胞哈希方法在多样本单细胞实验中的性能和稳健性，特别是在样本量不均衡或使用大量哈希抗体时 | 多样本单细胞实验中的细胞哈希数据 | 生物信息学 | NA | 单细胞测序，细胞哈希 | NA | 单细胞测序数据 | NA | NA | 单细胞RNA测序 | NA | NA |
| 34 | 2026-08-01 |
SpaNCMG: improving spatial domains identification of spatial transcriptomics using neighborhood-complementary mixed-view graph convolutional network
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae259
PMID:38811360
|
研究论文 | 提出SpaNCMG算法，利用邻域互补混合视图图卷积网络改进空间转录组学中空间域的识别 | 通过整合KNN局部信息和r半径全局结构构建互补邻域图，引入注意力机制实现不同重构表达的自适应融合，并使用KPCA进行降维 | 未提及具体局限性 | 提高空间转录组数据中空间域识别的准确性和适应性 | 空间转录组数据，包括人类背外侧前额叶皮层、小鼠体感皮层、小鼠嗅球、小鼠胚胎等数据集 | 机器学习 | NA | 空间转录组测序 | 图卷积网络 | 基因表达数据和空间信息 | 5个数据集，来自4个测序平台 | NA | 空间转录组学 | NA | NA |
| 35 | 2026-08-01 |
DeepGRNCS: deep learning-based framework for jointly inferring gene regulatory networks across cell subpopulations
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae334
PMID:38980373
|
研究论文 | 提出基于深度学习的框架DeepGRNCS，用于跨细胞亚群联合推断基因调控网络，在模拟和真实scRNA-seq数据上表现优于现有方法，并应用于非小细胞肺癌数据识别关键基因 | 首次引入深度学习框架联合推断多个细胞亚群的基因调控网络，考虑细胞间异质性和亚群间相似性，通过等宽法离散化数据和逐个去除转录因子来推断调控关系 | 未提及 | 开发深度学习方法，以更准确、全面地推断细胞亚群特异性的基因调控网络 | 细胞亚群及其基因调控网络，包括模拟和真实的单细胞RNA测序数据集，以及非小细胞肺癌细胞亚群 | 机器学习 | 非小细胞肺癌 | 单细胞RNA测序 | 深度学习模型 | 基因表达数据 | 多个模拟和真实scRNA-seq数据集 | NA | 单细胞RNA测序 | NA | NA |
| 36 | 2026-08-01 |
scPLAN: a hierarchical computational framework for single transcriptomics data annotation, integration and cell-type label refinement
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae305
PMID:38935069
|
研究论文 | 本文介绍了一个名为scPLAN的层次化计算框架，用于单细胞转录组数据的注释、整合和细胞类型标签的细化 | scPLAN框架首次考虑了细胞类型的层级结构，能够对未标记数据进行系统性分层注释，并识别潜在的新型细胞类型，同时能整合不同注释深度的数据集并细化低分辨率标签 | 未在摘要中明确提及局限性 | 开发一个层次化计算框架，用于提高scRNA-seq数据的细胞类型注释准确性，并实现不同注释深度数据集的整合与标签细化 | 单细胞RNA测序（scRNA-seq）数据 | 机器学习 | NA | scRNA-seq | 层次化计算框架 | 基因表达数据 | 未在摘要中明确提及 | NA | 单细胞RNA测序 | NA | NA |
| 37 | 2026-08-01 |
CACIMAR: cross-species analysis of cell identities, markers, regulations, and interactions using single-cell RNA sequencing data
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae283
PMID:38856169
|
研究论文 | 介绍了CACIMAR工具，用于利用单细胞RNA测序数据进行跨物种分析，识别保守的细胞类型、标记基因、调控网络和细胞间相互作用 | 开发了首个能够综合识别保守细胞类型、标记基因、细胞内调控和细胞间相互作用的跨物种scRNA-seq分析工具，基于加权和模型提出了多种保守性评分 | 未提及具体局限性 | 构建一种跨物种单细胞RNA测序数据分析工具，揭示细胞和分子层面的进化保守性 | 小鼠、斑马鱼和鸡的视网膜再生过程中的单细胞RNA测序数据 | 生物信息学 | 不适用 | 单细胞RNA测序（scRNA-seq） | 加权和模型 | 单细胞转录组数据 | 未明确样本数量，涉及小鼠、斑马鱼和鸡的视网膜再生数据 | 未提及 | 单细胞RNA测序 | 未提及 | 未提及 |
| 38 | 2026-08-01 |
PIPET: predicting relevant subpopulations in single-cell data using phenotypic information from bulk data
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae260
PMID:38819254
|
研究论文 | 提出PIPET算法，利用批量数据中的表型信息预测单细胞数据中的相关细胞亚群，并应用于肺癌和乳腺癌研究 | 首次结合批量数据的多变量表型信息来预测单细胞数据中的相关细胞亚群，有效整合小样本单细胞数据与大量临床特征 | 未提及 | 开发一种算法方法，基于批量数据的表型信息预测单细胞数据中的相关细胞亚群，以分析疾病相关细胞状态 | 肺腺癌和乳腺癌的单细胞RNA测序数据 | 机器学习 | 肺癌, 乳腺癌 | RNA-seq | PIPET算法（基于差异表达基因和相似性评估） | 单细胞RNA测序数据、批量转录组数据 | 模拟数据集、肺腺癌和乳腺癌单细胞数据（具体数量未提及） | NA | 单细胞RNA测序 | NA | NA |
| 39 | 2026-08-01 |
irGSEA: the integration of single-cell rank-based gene set enrichment analysis
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae243
PMID:38801700
|
研究论文 | irGSEA是一个R包，用于评估单细胞RNA测序数据中多种基因集打分方法的结果，并整合六种基于基因表达秩次的打分方法以确定目标基因集的统计显著性 | 创新性地整合了六种基于基因表达秩次的打分方法，并采用稳健秩聚合算法综合结果，以提高基因集富集分析的准确性和用户友好性 | 未提及 | 提供一个用户友好的R包，用于单细胞RNA测序数据的基因集富集分析，整合多种方法以增强统计显著性评估 | 单细胞RNA测序数据及相应的基因集 | 生物信息学 | NA | 单细胞RNA测序 | NA | 基因表达矩阵 | NA | NA | 单细胞RNA测序 | NA | NA |
| 40 | 2026-08-01 |
Benchmarking mapping algorithms for cell-type annotating in mouse brain by integrating single-nucleus RNA-seq and Stereo-seq data
2024-05-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae250
PMID:38796691
|
研究论文 | 通过整合单核RNA测序和Stereo-seq数据，对小鼠大脑中细胞类型注释的9种映射算法进行了基准测试 | 首次对Stereo-seq空间转录组数据上的映射算法进行系统基准测试，并开发了评估算法适用性的工作流程 | 未提及具体限制 | 评估和比较不同映射算法在小鼠大脑空间转录组数据中细胞类型注释的准确性和稳健性 | 小鼠大脑四个区域的10个真实空间转录组数据集和24个伪空间转录组数据集 | 生物信息学 | 不适用 | 单核RNA测序, Stereo-seq空间转录组测序 | 映射算法 | 基因表达数据 | 10个真实ST数据集和24个伪ST数据集，来自四个小鼠大脑区域 | 不适用 | 单核RNA测序, 空间转录组测序 | Stereo-seq, 10x Genomics | Stereo-seq空间转录组平台，10x Genomics单核RNA测序平台 |