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 633 篇文献，本页显示第 501 - 520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 501 | 2024-09-15 |
Characteristics and transcriptional regulators of spontaneous epithelial-mesenchymal transition in genetically unperturbed patient-derived non-spindled breast carcinoma
2024-Sep-10, Breast cancer research : BCR
IF:6.1Q1
DOI:10.1186/s13058-024-01888-5
PMID:39256881
|
研究论文 | 研究了在遗传未扰动的非纺锤形乳腺癌中自发上皮-间质转化的特征和转录调控因子 | 首次探讨了在非纺锤形乳腺癌中自发上皮-间质转化的特征和转录调控因子，发现ZEB1和ZEB2在EMT过程中的关键作用 | 研究仅限于非纺锤形乳腺癌，未涵盖其他类型的癌症 | 探讨自发上皮-间质转化的特征和转录调控因子 | 非纺锤形乳腺癌 | 数字病理学 | 乳腺癌 | RNA测序 (RNA-seq), 单细胞RNA测序 (scRNA-seq), 原位RNA测序 | NA | RNA | NA | NA | NA | NA | NA |
| 502 | 2024-09-15 |
Lymphotoxin-β promotes breast cancer bone metastasis colonization and osteolytic outgrowth
2024-Sep, Nature cell biology
IF:17.3Q1
DOI:10.1038/s41556-024-01478-9
PMID:39147874
|
研究论文 | 研究探讨了淋巴毒素-β在乳腺癌骨转移中的作用及其分子机制 | 首次揭示了淋巴毒素-β在乳腺癌骨转移中的关键作用，并提出了其作为治疗靶点的潜力 | NA | 研究淋巴毒素-β在乳腺癌骨转移中的分子机制及其治疗潜力 | 乳腺癌骨转移中的肿瘤细胞和骨微环境 | NA | 乳腺癌 | 单细胞转录组学 | NA | 转录组数据 | 多个乳腺癌模型中的肿瘤细胞和骨微环境样本 | NA | NA | NA | NA |
| 503 | 2024-09-15 |
Loss-of-function variants in RNA binding motif protein X-linked induce neuronal defects contributing to amyotrophic lateral sclerosis pathogenesis
2024-Sep, MedComm
IF:10.7Q1
DOI:10.1002/mco2.712
PMID:39263607
|
研究论文 | 研究探讨了m6A相关基因的遗传缺陷在肌萎缩侧索硬化症（ALS）发病机制中的作用 | 揭示了RNA结合基序蛋白X-linked（RBMX）变异在ALS患者中的显著富集，并发现这些变异与不良临床结果显著相关 | 研究样本仅包括508名ALS患者和1660名匹配的对照组，样本量有限 | 探索m6A相关基因的遗传缺陷在ALS发病机制中的作用 | m6A相关基因的突变情况及其在ALS中的作用 | 数字病理学 | 肌萎缩侧索硬化症 | 全外显子测序 | NA | 基因数据 | 508名ALS患者和1660名匹配的对照组 | NA | NA | NA | NA |
| 504 | 2024-09-15 |
Adenoid cystic carcinoma: insights from molecular characterization and therapeutic advances
2024-Sep, MedComm
IF:10.7Q1
DOI:10.1002/mco2.734
PMID:39263605
|
综述 | 本文综述了腺样囊性癌（ACC）的病理和分子特征，并探讨了基于单细胞RNA测序（scRNA-seq）的最新治疗进展 | 利用单细胞RNA测序揭示了ACC的异质性和亚群多样性，为个性化治疗提供了新视角 | NA | 探讨腺样囊性癌的分子特征和治疗进展 | 腺样囊性癌 | NA | 唾液腺癌 | 单细胞RNA测序（scRNA-seq） | NA | RNA | NA | NA | NA | NA | NA |
| 505 | 2024-09-14 |
Development of a prognostic model for NSCLC based on differential genes in tumour stem cells
2024-09-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71317-2
PMID:39251710
|
研究论文 | 开发基于肿瘤干细胞差异基因的非小细胞肺癌（NSCLC）预后模型 | 结合10种机器学习方法及其101种组合，开发出最佳的预后风险模型，并验证了其在TCGA和GEO数据集中的预测准确性 | NA | 开发和验证一种基于肿瘤干细胞差异基因的NSCLC预后模型 | 非小细胞肺癌（NSCLC）及其肿瘤干细胞的差异基因 | 数字病理学 | 肺癌 | scRNA-seq, RNA-seq | 机器学习 | 基因表达数据 | 218379个细胞，162个差异基因 | NA | NA | NA | NA |
| 506 | 2024-09-14 |
Microvascular and cellular dysfunctions in Alzheimer's disease: an integrative analysis perspective
2024-09-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71888-0
PMID:39251797
|
研究论文 | 本研究整合了阿尔茨海默病患者脑血管系统的单细胞测序和全基因组关联分析，旨在阐明周细胞损伤、细胞外基质紊乱和少突胶质细胞功能障碍在阿尔茨海默病发病机制中的关联和潜在机制 | 本研究首次揭示了周细胞PI3K-AKT-FOXO信号通路异常可能在阿尔茨海默病的发病过程中起作用 | NA | 阐明阿尔茨海默病发病机制中的关联和潜在机制 | 阿尔茨海默病患者的脑血管系统 | NA | 阿尔茨海默病 | 单细胞测序 | NA | 基因组数据 | NA | NA | NA | NA | NA |
| 507 | 2024-09-14 |
Exploring single-cell RNA sequencing as a decision-making tool in the clinical management of Fuchs' endothelial corneal dystrophy
2024-Sep, Progress in retinal and eye research
IF:18.6Q1
DOI:10.1016/j.preteyeres.2024.101286
PMID:38969166
|
综述 | 本文综述了单细胞RNA测序技术在Fuchs角膜内皮营养不良临床管理中的应用 | 利用单细胞RNA测序技术识别Fuchs角膜内皮营养不良的亚型及其相关基因特征，为精准医疗提供新方法 | NA | 探讨单细胞RNA测序技术在Fuchs角膜内皮营养不良临床诊断和治疗中的应用潜力 | Fuchs角膜内皮营养不良及其亚型 | 基因组学 | 眼科疾病 | 单细胞RNA测序 | NA | 基因表达数据 | NA | NA | NA | NA | NA |
| 508 | 2024-09-14 |
Lin-CD117+CD34+FcεRI+ progenitor cells are increased in chronic spontaneous urticaria and predict clinical responsiveness to anti-IgE therapy
2024-Sep, Allergy
IF:12.6Q1
DOI:10.1111/all.16127
PMID:38634175
|
研究论文 | 研究慢性自发性荨麻疹患者血液中Lin-CD117+CD34+FcεRI+祖细胞的增加及其对omalizumab治疗的临床反应预测作用 | 首次发现慢性自发性荨麻疹患者血液中Lin-CD117+CD34+FcεRI+祖细胞的增加，并证明这些细胞的高表达与omalizumab治疗的更好临床反应相关 | 样本量较小，且仅限于慢性自发性荨麻疹患者，研究结果的普适性有待进一步验证 | 探讨慢性自发性荨麻疹患者血液中特定祖细胞的增加及其对抗IgE治疗的临床反应预测作用 | 慢性自发性荨麻疹患者和健康对照者的血液样本 | NA | 慢性自发性荨麻疹 | 流式细胞术，单细胞RNA测序 | NA | 血液样本 | 55名慢性自发性荨麻疹患者和22名健康对照者 | NA | NA | NA | NA |
| 509 | 2024-09-14 |
scNODE : generative model for temporal single cell transcriptomic data prediction
2024-09-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae393
PMID:39230694
|
研究论文 | 本文提出了一种名为scNODE的深度学习模型，用于预测未观测时间点的单细胞基因表达数据 | scNODE结合了变分自编码器和神经常微分方程，使用连续非线性潜在空间进行基因表达预测，并引入动态正则化项以提高预测的鲁棒性 | NA | 开发一种能够预测未观测时间点的单细胞基因表达数据的深度学习模型 | 单细胞基因表达数据 | 机器学习 | NA | 深度学习 | 变分自编码器、神经常微分方程 | 基因表达数据 | 三个真实世界的scRNA-seq数据集 | NA | NA | NA | NA |
| 510 | 2024-09-14 |
Predicting spatially resolved gene expression via tissue morphology using adaptive spatial GNNs
2024-09-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae383
PMID:39230702
|
研究论文 | 本文提出了一种基于图神经网络的框架，用于从组织病理图像中预测高表达基因的空间表达 | 本文的创新点在于使用自适应空间图神经网络（GNNs）从组织形态学线索中预测空间基因表达，提供了一种可扩展的方法来解码组织复杂性 | NA | 本文的研究目的是通过组织形态学信息预测空间基因表达，以降低空间转录组技术的成本 | 本文的研究对象是乳腺癌数据集中的组织病理图像和基因表达数据 | 数字病理学 | 乳腺癌 | 图神经网络（GNNs） | 图神经网络（GNNs） | 图像 | 两个独立的乳腺癌数据集 | NA | NA | NA | NA |
| 511 | 2024-09-14 |
A physics-informed neural SDE network for learning cellular dynamics from time-series scRNA-seq data
2024-09-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae400
PMID:39230705
|
研究论文 | 本文提出了一种基于物理信息的神经随机微分方程（PI-SDE）框架，用于从时间序列单细胞RNA测序数据中学习细胞动力学 | 结合了Hamilton-Jacobi方程和神经随机微分方程，通过强制执行HJ方程来重建细胞势能函数，提高了预测精度和可解释性 | NA | 通过重建细胞势能景观来学习细胞动力学 | 时间序列单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | 神经随机微分方程 | 时间序列数据 | 两个真实单细胞RNA测序数据集 | NA | NA | NA | NA |
| 512 | 2024-09-14 |
Graspot: a graph attention network for spatial transcriptomics data integration with optimal transport
2024-09-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae394
PMID:39230711
|
研究论文 | 本文介绍了一种名为Graspot的图注意力网络，用于空间转录组学数据集成与最优传输 | Graspot结合基因表达和空间信息，能够有效去除批次效应并保留生物结构变异，实现了多空间转录组数据集的部分对齐 | NA | 解决空间转录组学数据集成中的批次效应问题，并保留生物结构变异 | 空间转录组学数据 | 机器学习 | NA | 最优传输 | 图注意力网络 | 空间转录组学数据 | 四个真实的空间转录组学数据集 | NA | NA | NA | NA |
| 513 | 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 |
| 514 | 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 |
| 515 | 2024-09-13 |
Increased autoreactivity and maturity of EBI2+ antibody-secreting cells from nasal polyps
2024-Sep-10, JCI insight
IF:6.3Q1
DOI:10.1172/jci.insight.177729
PMID:39253973
|
研究论文 | 研究了鼻息肉中表达EBI2的B细胞是否具有更高的自身抗体产生倾向，并评估了鼻息肉中抗体分泌细胞的分子特征 | 首次揭示了鼻息肉中EBI2+抗体分泌细胞具有更高的自身抗体产生倾向，并展示了其分子特征 | 研究仅限于鼻息肉和扁桃体组织，未涉及其他组织或疾病状态 | 探讨鼻息肉中EBI2+ B细胞的自身抗体产生倾向及其分子特征 | 鼻息肉和扁桃体组织中的EBI2+抗体分泌细胞 | 免疫学 | 鼻息肉 | 单细胞RNA测序 | NA | 基因表达数据 | 鼻息肉和扁桃体组织的样本 | NA | NA | NA | NA |
| 516 | 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 |
| 517 | 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 |
| 518 | 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 |
| 519 | 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 |
| 520 | 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 |