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 578 篇文献，本页显示第 261 - 280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 261 | 2024-12-23 |
scRGCL: a cell type annotation method for single-cell RNA-seq data using residual graph convolutional neural network with contrastive learning
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae662
PMID:39708840
|
研究论文 | 提出了一种基于残差图卷积神经网络和对比学习的单细胞RNA测序数据细胞类型注释方法scRGCL | scRGCL通过残差图卷积神经网络提取复杂的高阶特征，利用对比学习学习有意义的细胞间差异特征，并通过权重冻结避免过拟合 | 现有的深度学习方法未能充分利用细胞间的差异特征，缺乏灵活性以整合高阶特征，且低维基因特征可能导致神经网络过拟合 | 开发一种新的深度学习模型，用于单细胞RNA测序数据的细胞类型注释 | 单细胞RNA测序数据的细胞类型注释 | 机器学习 | NA | 单细胞RNA测序 | 残差图卷积神经网络 | 基因表达数据 | 8个单细胞基准数据集，包括7个人类数据集和1个小鼠数据集 | NA | NA | NA | NA |
| 262 | 2024-12-21 |
GAADE: identification spatially variable genes based on adaptive graph attention network
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae669
PMID:39701602
|
研究论文 | 本文提出了一种基于自适应图注意力网络的GAADE方法，用于识别空间变异基因 | GAADE通过堆叠编码器/解码器层并集成自注意力机制，能够自适应地学习空间域结构，从而更准确地识别空间变异基因 | 本文未提及具体的技术局限性 | 旨在改进现有空间转录组数据分析方法，更准确地识别与特定细胞类型相关的空间变异基因 | 空间转录组数据中的空间变异基因 | 生物信息学 | NA | 空间转录组测序技术 | 图注意力网络 | 空间转录组数据 | 涉及四个不同物种、区域和组织的空间转录组数据集 | NA | NA | NA | NA |
| 263 | 2024-12-20 |
Identification of the CD8+ T-cell exhaustion signature of hepatocellular carcinoma for the prediction of prognosis and immune microenvironment by integrated analysis of bulk- and single-cell RNA sequencing data
2024-Nov-30, Translational cancer research
IF:1.5Q4
DOI:10.21037/tcr-24-650
PMID:39697729
|
研究论文 | 本研究通过整合bulk和单细胞RNA测序数据，构建了肝细胞癌的CD8+ T细胞耗竭特征，用于预测患者的预后和免疫微环境 | 首次通过整合bulk和单细胞RNA测序数据，构建了CD8+ T细胞耗竭特征，为评估肝细胞癌患者的预后和免疫微环境提供了新方法 | 研究结果需要在更多独立数据集和临床试验中进一步验证 | 构建基于CD8+ T细胞耗竭特征的模型，用于预测肝细胞癌患者的预后和免疫微环境 | 肝细胞癌患者的CD8+ T细胞耗竭特征 | 数字病理学 | 肝癌 | 单细胞RNA测序（scRNA-seq）和高通量RNA测序（RNA-seq） | Cox回归分析模型 | RNA测序数据 | 来自TCGA、GEO和ICGC数据库的肝细胞癌患者RNA-seq数据，以及来自GSE149614的10× scRNA数据 | NA | NA | NA | NA |
| 264 | 2024-12-20 |
Multi-omics decipher the immune microenvironment and unveil therapeutic strategies for postoperative ovarian cancer patients
2024-Nov-30, Translational cancer research
IF:1.5Q4
DOI:10.21037/tcr-24-656
PMID:39697734
|
研究论文 | 本研究通过多组学数据分析，揭示了卵巢癌术后患者的免疫微环境特征，并提出了新的治疗策略 | 本研究首次利用12种程序性细胞死亡模式构建了新的分类和预后模型，并建立了基于8基因签名的程序性细胞死亡指数（PCDI），用于预测卵巢癌术后患者的预后和药物敏感性 | 本研究的样本量相对较小，且依赖于公开数据库的数据，可能存在数据偏倚 | 探讨程序性细胞死亡模式在卵巢癌术后患者预后和药物敏感性预测中的应用 | 卵巢癌术后患者的免疫微环境和治疗反应 | 数字病理学 | 卵巢癌 | 转录组学、基因组学、单细胞转录组学 | 机器学习算法 | 基因表达数据、临床信息 | 使用了来自TCGA和GEO数据库的多个数据集，包括批量转录组、基因组和临床信息，以及单细胞转录组数据 | NA | NA | NA | NA |
| 265 | 2024-12-20 |
Elucidating the molecular and immune interplay between head and neck squamous cell carcinoma and diffuse large B-cell lymphoma through bioinformatics and machine learning
2024-Nov-30, Translational cancer research
IF:1.5Q4
DOI:10.21037/tcr-24-1064
PMID:39697749
|
研究论文 | 本研究通过生物信息学和机器学习方法，探讨了头颈部鳞状细胞癌与弥漫性大B细胞淋巴瘤之间的分子和免疫相互作用 | 本研究首次通过生物信息学和机器学习方法，识别出头颈部鳞状细胞癌和弥漫性大B细胞淋巴瘤之间的共享生物标志物和潜在治疗靶点 | 本研究主要基于现有数据库的数据进行分析，未来需要进一步的实验验证 | 阐明头颈部鳞状细胞癌与弥漫性大B细胞淋巴瘤之间的分子和免疫相互作用 | 头颈部鳞状细胞癌和弥漫性大B细胞淋巴瘤 | 生物信息学 | 头颈部鳞状细胞癌 | 机器学习 | NA | 基因表达数据 | 2040个差异表达基因和1983个模块相关基因 | NA | NA | NA | NA |
| 266 | 2024-12-20 |
Integrative multi-omics and machine learning approach reveals tumor microenvironment-associated prognostic biomarkers in ovarian cancer
2024-Nov-30, Translational cancer research
IF:1.5Q4
DOI:10.21037/tcr-24-539
PMID:39697754
|
研究论文 | 本研究利用多组学整合和机器学习方法，揭示了卵巢癌肿瘤微环境相关的预后生物标志物 | 首次系统性地解码了卵巢癌肿瘤微环境相关的基因特征，并开发了包含免疫细胞标志物的预后模型，展示了其在个性化治疗中的潜力 | NA | 揭示卵巢癌肿瘤微环境相关的预后生物标志物，为个性化治疗提供依据 | 卵巢癌肿瘤微环境及其相关的预后生物标志物 | 数字病理学 | 卵巢癌 | 单细胞RNA测序（scRNA-seq） | LASSO回归 | 基因表达数据 | 来自Gene Expression Omnibus（GSE184880）和The Cancer Genome Atlas（TCGA）的卵巢癌和正常组织样本 | NA | NA | NA | NA |
| 267 | 2024-12-20 |
Depletion of intrinsic renal macrophages with moderate-to-high expression of CD163, MRC1, PTH2R, PDE4D, and CUBN in regulating podocyte injury in diabetic nephropathy: a single-cell RNA sequencing analysis
2024-Nov-30, Translational andrology and urology
IF:1.9Q3
DOI:10.21037/tau-24-569
PMID:39698573
|
研究论文 | 本研究通过单细胞RNA测序分析，探讨了糖尿病肾病中肾巨噬细胞的极化及其对足细胞损伤的影响 | 首次揭示了在糖尿病肾病中，表达CD163、MRC1、PTH2R、PDE4D和CUBN的肾巨噬细胞亚群的耗竭与足细胞损伤的关系 | 研究仅基于单核RNA测序数据，未进行体内实验验证 | 探讨糖尿病肾病中肾巨噬细胞的极化及其对足细胞损伤的影响 | 糖尿病肾病患者的肾巨噬细胞及其与足细胞的相互作用 | NA | 糖尿病肾病 | 单核RNA测序 | NA | 基因表达数据 | 糖尿病肾病和对照组的肾脏样本 | NA | NA | NA | NA |
| 268 | 2024-12-20 |
Transcriptome and Temporal Transcriptome Analyses in Single Cells
2024-Nov-29, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms252312845
PMID:39684556
|
综述 | 本文综述了单细胞转录组分析技术的发展，特别是结合RNA代谢标记的单细胞RNA测序技术，探讨了其在生物学过程中的应用 | 本文介绍了RNA代谢标记与单细胞RNA测序技术的结合，能够对单个细胞中的时间转录组进行分析，提供了对RNA动力学和细胞命运决定等动态生物过程的新见解 | NA | 探讨单细胞转录组分析技术的发展及其在生物医学研究中的应用 | 单细胞转录组和时间转录组 | 基因组学 | NA | 单细胞RNA测序 | NA | 转录组数据 | NA | NA | NA | NA | NA |
| 269 | 2024-12-20 |
scDCA: deciphering the dominant cell communication assembly of downstream functional events from single-cell RNA-seq data
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae663
PMID:39694816
|
研究论文 | 提出了一种基于深度学习的方法scDCA，用于从单细胞RNA-seq数据中解析对特定功能事件有重要影响的细胞通信组合 | 首次提出了一种基于多视图图卷积网络和注意力机制的深度学习方法，用于量化细胞类型对特定功能过程的贡献 | 目前仅在肾细胞癌样本中进行了验证，未来需要在更多疾病和样本中进行验证 | 开发一种新的计算方法，用于解析细胞通信对特定功能事件的影响，以促进癌症治疗 | 单细胞RNA-seq数据中的细胞通信及其对下游功能事件的影响 | 机器学习 | 肾细胞癌 | 单细胞RNA-seq | 多视图图卷积网络 | 基因表达数据 | 肾细胞癌样本 | NA | NA | NA | NA |
| 270 | 2024-12-19 |
A composite scaling network of EfficientNet for improving spatial domain identification performance
2024-11-25, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-024-07286-z
PMID:39587274
|
研究论文 | 本研究提出了一种基于EfficientNet复合缩放网络的EfNST方法，用于提高空间转录组学中空间域识别的性能 | EfNST方法利用EfficientNet学习多尺度图像特征，相比其他算法在多个数据集上表现出更高的精度和更强的数据扩展性和操作效率 | NA | 提高空间转录组学中空间域识别的精确性 | 空间转录组学中的图像数据和基因表达数据 | 计算机视觉 | NA | EfficientNet | EfficientNet | 图像 | 六个数据集来自三个测序平台 | NA | NA | NA | NA |
| 271 | 2024-12-19 |
Single-Cell Analysis: A Method for In-Depth Phenotyping of Cells Involved in Asthma
2024-Nov-25, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms252312633
PMID:39684345
|
研究论文 | 本文探讨了单细胞分析技术在哮喘相关细胞表型研究中的应用 | 利用单细胞RNA测序技术（scRNA-seq）深入研究哮喘的病理机制，并发现了多种新的免疫细胞亚型和集群 | 仍存在一些局限性，需要在未来研究中进一步完善 | 深入了解哮喘的病理机制及其相关免疫细胞的功能 | 哮喘相关的免疫细胞，包括树突状细胞、嗜酸性粒细胞、固有淋巴细胞、淋巴细胞、肥大细胞和中性粒细胞 | 数字病理学 | 哮喘 | 单细胞RNA测序（scRNA-seq） | NA | 基因表达数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 272 | 2024-12-19 |
A novel computational model ITHCS for enhanced prognostic risk stratification in ESCC by correcting for intratumor heterogeneity
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae631
PMID:39690882
|
研究论文 | 本文开发了一种名为ITHCS的计算模型，通过校正肿瘤内异质性来提高食管鳞状细胞癌（ESCC）的预后风险分层准确性 | 本文的创新点在于结合多区域bulk和单细胞RNA测序数据，识别出在不同肿瘤区域表达模式一致但在患者间差异显著的基因，并利用多种机器学习算法进行特征选择和模型构建，显著提高了预后模型的准确性和泛化能力 | NA | 提高食管鳞状细胞癌（ESCC）预后风险分层的准确性 | 食管鳞状细胞癌（ESCC）患者的预后风险 | 数字病理学 | 食管癌 | RNA测序 | 机器学习算法 | 基因表达数据 | NA | NA | NA | NA | NA |
| 273 | 2024-12-18 |
Targeting Precision in Cancer Immunotherapy: Naturally-Occurring Antigen-Specific TCR Discovery with Single-Cell Sequencing
2024-Nov-30, Cancers
IF:4.5Q1
DOI:10.3390/cancers16234020
PMID:39682207
|
研究论文 | 本文介绍了一种利用单细胞RNA测序技术发现自然发生的抗原特异性TCR的方法，用于癌症免疫治疗中的TCR-T细胞疗法 | 本文提出了一种全面分析自然发生的抗原特异性TCR的方法，能够识别超过100种抗原特异性TCR克隆型，显著提高了抗原特异性T细胞的比例 | NA | 开发一种全面发现和分析自然发生的抗原特异性TCR的方法，用于TCR-T细胞疗法的开发 | 抗原特异性TCR和TCR-T细胞 | 数字病理学 | NA | 单细胞RNA测序 | 神经网络（ERGO-II） | RNA | 外周血中的CD8 T淋巴细胞 | NA | NA | NA | NA |
| 274 | 2024-12-18 |
SIGRN: Inferring Gene Regulatory Network with Soft Introspective Variational Autoencoders
2024-Nov-27, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms252312741
PMID:39684451
|
研究论文 | 本文提出了一种名为SIGRN的软内省对抗基因调控网络无监督推断模型，通过引入对抗机制改进变分自编码器模型，以提高基因调控网络推断的准确性 | 提出了SIGRN模型，通过引入对抗机制改进变分自编码器，避免了生成低质量数据的问题，并采用“软”内省对抗模式减少额外神经网络和参数的训练 | 未提及具体局限性 | 提高基因调控网络推断的准确性 | 基因调控网络 | 机器学习 | NA | 单细胞RNA测序 (scRNA-seq) | 变分自编码器 (VAE) | 基因数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 275 | 2024-12-18 |
Machine Learning Integration with Single-Cell Transcriptome Sequencing Datasets Reveals the Impact of Tumor-Associated Neutrophils on the Immune Microenvironment and Immunotherapy Outcomes in Gastric Cancer
2024-Nov-26, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms252312715
PMID:39684426
|
研究论文 | 本研究通过整合机器学习与单细胞转录组测序数据，揭示了肿瘤相关中性粒细胞在胃癌免疫微环境和免疫治疗结果中的影响 | 首次通过大规模单细胞RNA测序数据分析，识别出与免疫检查点抑制剂治疗反应相关的肿瘤相关中性粒细胞亚群，并构建了预测患者生存的风险评分模型 | 研究仅限于胃癌、结直肠癌和肺癌的数据，结果的普适性有待进一步验证 | 探讨肿瘤相关中性粒细胞在胃癌免疫微环境和免疫治疗结果中的作用 | 胃癌、结直肠癌和肺癌中的肿瘤相关中性粒细胞及其对免疫检查点抑制剂的反应 | 数字病理学 | 胃癌 | 单细胞RNA测序 | 风险评分模型 | 转录组数据 | 超过600,000个细胞 | NA | NA | NA | NA |
| 276 | 2024-12-18 |
Decoding Chemotherapy Resistance of Undifferentiated Pleomorphic Sarcoma at the Single Cell Resolution: A Case Report
2024-Nov-26, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm13237176
PMID:39685635
|
病例报告 | 本研究描述了一例对化疗产生抗性的未分化多形性肉瘤（UPS）的单细胞转录组特征 | 首次描述了对两线化疗产生抗性的UPS的单细胞转录组，展示了肿瘤细胞和肿瘤微环境（TME）亚群中的基因表达，这些可能是个性化癌症治疗的潜在标志物 | 本研究仅基于单一病例，样本量较小，可能无法代表所有UPS病例 | 研究对化疗产生抗性的UPS的细胞组成和转录组特征 | 未分化多形性肉瘤（UPS）的肿瘤细胞和肿瘤微环境（TME） | 数字病理学 | 软组织肉瘤 | 单细胞RNA测序 | NA | 转录组数据 | 1例58岁女性患者的UPS样本 | NA | NA | NA | NA |
| 277 | 2024-12-18 |
Flow Cytometry Analyses of Meningioma Immune Cell Composition Using a Short, Optimized Digestion Protocol
2024-Nov-25, Cancers
IF:4.5Q1
DOI:10.3390/cancers16233942
PMID:39682129
|
研究论文 | 本研究优化了一种快速消化脑膜瘤组织以生成单细胞悬液的协议，并通过流式细胞术分析了浸润的免疫细胞组成 | 提出了一个优化的短时间消化协议，能够快速生成可行的单细胞悬液，并揭示了脑膜瘤中浸润的抗原呈递细胞和淋巴细胞 | 研究仅基于两个患者样本，样本量较小，可能影响结果的普遍性 | 优化脑膜瘤组织的消化协议，并研究浸润的免疫细胞组成，以探索新的非手术治疗选择 | 脑膜瘤组织中的浸润免疫细胞 | NA | 脑膜瘤 | 流式细胞术 | NA | 细胞 | 两个患者样本 | NA | NA | NA | NA |
| 278 | 2024-12-18 |
OVsignGenes: A Gene Expression-Based Neural Network Model Estimated Molecular Subtype of High-Grade Serous Ovarian Carcinoma
2024-Nov-25, Cancers
IF:4.5Q1
DOI:10.3390/cancers16233951
PMID:39682139
|
研究论文 | 本文开发了一种基于基因表达数据的神经网络模型OVsignGenes，用于预测高级别浆液性卵巢癌的分子亚型 | 本文首次提出了一个基于深度神经网络的模型OVsignGenes，能够抵抗平台效应，并在测试数据集上表现出高准确性 | 本文仅基于已有的基因表达数据进行分析，未涉及其他类型的数据或实验验证 | 开发一种能够准确预测高级别浆液性卵巢癌分子亚型的模型，以支持个性化医疗和靶向治疗的发展 | 高级别浆液性卵巢癌的分子亚型 | 数字病理学 | 卵巢癌 | RNA-seq | 神经网络 | 基因表达数据 | 535个样本，包括60个单细胞样本 | NA | NA | NA | NA |
| 279 | 2024-12-18 |
scPAS: single-cell phenotype-associated subpopulation identifier
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae655
PMID:39681325
|
研究论文 | 本文介绍了一种名为scPAS的新型生物信息学工具，用于整合批量数据以识别单细胞数据中与表型相关的细胞亚群 | scPAS通过网络正则化的稀疏回归模型量化单细胞数据中每个细胞与表型之间的关联，并通过排列检验估计这些关联的显著性，从而识别与表型相关的细胞亚群 | NA | 开发一种新的工具来识别单细胞数据中与疾病表型相关的细胞亚群 | 单细胞数据中的细胞亚群与疾病表型的关联 | 生物信息学 | 乳腺癌、卵巢癌、动脉粥样硬化 | 单细胞测序分析 | 稀疏回归模型 | 单细胞数据、空间转录组数据 | 模拟数据和来自乳腺癌、卵巢癌、动脉粥样硬化的各种单细胞数据集，以及来自多种癌症的空间转录组数据 | NA | NA | NA | NA |
| 280 | 2024-12-17 |
Inferring single-cell resolution spatial gene expression via fusing spot-based spatial transcriptomics, location, and histology using GCN
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae630
PMID:39656774
|
研究论文 | 提出了一种基于Vision Transformer和图卷积网络的多模态信息融合方法scstGCN，用于推断单细胞分辨率的空间基因表达 | scstGCN通过融合组织学图像、基于spot的空间转录组数据和空间位置信息，实现了单细胞水平的空间基因表达超分辨率推断 | NA | 提高空间转录组技术的分辨率，以更准确地推断基因表达水平 | 不同组织类型的空间转录组数据，包括疾病和健康样本 | 数字病理学 | NA | 空间转录组技术 | 图卷积网络（GCN） | 图像和文本 | 多种组织的ST数据集 | NA | NA | NA | NA |