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 579 篇文献，本页显示第 301 - 320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2025-10-07 |
Graph contrastive learning of subcellular-resolution spatial transcriptomics improves cell type annotation and reveals critical molecular pathways
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf020
PMID:39883515
|
研究论文 | 提出一种名为Focus的图对比学习方法，利用亚细胞分辨率空间转录组数据改进细胞类型注释 | 首次开发能够显式建模RNA亚细胞分布和社区的半监督图对比学习方法 | NA | 改进细胞类型注释并揭示关键分子通路 | 亚细胞分辨率空间转录组数据 | 空间转录组学 | NA | 成像空间转录组技术 | 图对比学习 | 空间转录组数据 | NA | NA | 单分子分辨率空间转录组学 | MERFISH, CosMx SMI, Xenium | 亚细胞分辨率空间转录组平台 |
| 302 | 2025-10-07 |
Construction and Validation of a Novel T/NK-Cell Prognostic Signature for Pancreatic Cancer Based on Single-Cell RNA Sequencing
2024-Nov, Cancer investigation
IF:1.8Q3
DOI:10.1080/07357907.2024.2424328
PMID:39523741
|
研究论文 | 基于单细胞RNA测序构建并验证了胰腺癌的新型T/NK细胞预后标志物 | 首次利用配对的原发性和转移性胰腺癌组织单细胞RNA测序数据，鉴定出T/NK细胞亚群在转移过程中的关键作用，并构建了6基因预后模型 | 样本量较小（仅3例患者），需要更大规模的研究验证模型的普适性 | 开发胰腺癌预后预测模型并探索转移机制 | 胰腺癌患者的原发性和转移性肿瘤组织 | 数字病理学 | 胰腺癌 | 单细胞RNA测序，生物信息学分析 | 风险预测模型 | 单细胞RNA测序数据 | 3例胰腺癌患者的配对原发和转移肿瘤组织 | NA | 单细胞RNA测序 | NA | NA |
| 303 | 2025-10-07 |
Low-intensity focused ultrasound stimulation promotes stroke recovery via astrocytic HMGB1 and CAMK2N1 in mice
2024-Nov-05, Stroke and vascular neurology
IF:4.4Q1
DOI:10.1136/svn-2023-002614
PMID:38191183
|
研究论文 | 本研究探讨低强度聚焦超声刺激通过星形胶质细胞中的HMGB1和CAMK2N1促进小鼠脑卒中恢复的机制 | 首次揭示LIFUS通过调控星形胶质细胞特定亚群中HMGB1上调和CAMK2N1下调来促进血管生成和突触形成 | 研究仅使用雄性小鼠模型，未涉及性别差异分析 | 探究低强度聚焦超声在缺血性脑卒中中的神经修复机制 | 成年雄性小鼠的缺血性脑卒中模型 | 神经科学 | 缺血性脑卒中 | iTRAQ蛋白质组学分析,scRNA-seq,激光散斑成像,电肌电图,纤维光度记录,荧光原位杂交,Western blot | NA | 蛋白质组数据,单细胞RNA测序数据,影像数据,电生理数据 | 成年雄性小鼠 | NA | 单细胞RNA测序,蛋白质组学 | NA | NA |
| 304 | 2025-10-07 |
Progressive polyadenylation and m6A modification of Ighg1 mRNA maintain IgG1 antibody homeostasis in antibody-secreting cells
2024-11-12, Immunity
IF:25.5Q1
DOI:10.1016/j.immuni.2024.10.004
PMID:39476842
|
研究论文 | 本研究揭示了抗体分泌细胞中通过Ighg1 mRNA的渐进式多聚腺苷酸化和m6A修饰维持IgG1抗体稳态的机制 | 首次发现m6A阅读蛋白YTHDF1通过调控Ighg1 mRNA稳定性维持IgG1抗体产生，并证实该机制在系统性红斑狼疮中的病理作用 | 研究主要聚焦于IgG1亚型，其他IgG亚型的调控机制尚未明确 | 探究RNA转录后修饰如何影响抗体分泌细胞中的抗体稳态 | 抗体分泌细胞（ASCs）、IgG重链转录本（Ighg）、m6A阅读蛋白YTHDF1 | 分子生物学 | 系统性红斑狼疮 | 单细胞RNA测序、基因敲除、免疫荧光 | NA | 基因表达数据、蛋白质定位数据 | 狼疮小鼠模型、系统性红斑狼疮患者样本 | NA | 单细胞RNA测序 | NA | NA |
| 305 | 2025-10-07 |
Overcoming tyrosine kinase inhibitor resistance in lung cancer brain metastasis with CTLA4 blockade
2024-Nov-11, Cancer cell
IF:48.8Q1
DOI:10.1016/j.ccell.2024.09.012
PMID:39423817
|
研究论文 | 本研究通过单细胞RNA测序分析揭示了肺癌脑转移中TKI耐药机制，并证明CTLA4阻断可有效克服耐药 | 首次发现TKI治疗通过肿瘤来源的HMGB1上调T细胞CTLA4表达，创建免疫抑制微环境，并证明CTLA4阻断联合TKI在TKI耐药模型中优于PD1阻断 | 研究样本来源于手术获取的LCBM样本，样本量有限，且依赖小鼠模型验证 | 阐明肺癌脑转移中酪氨酸激酶抑制剂耐药机制并探索有效治疗策略 | 肺癌脑转移患者样本和具有TKI敏感或耐药EGFR突变的同源小鼠模型 | 肿瘤免疫学 | 肺癌 | 单细胞RNA测序 | NA | 单细胞RNA测序数据 | 具有不同遗传背景和TKI治疗史的LCBM手术样本 | NA | 单细胞RNA测序 | NA | NA |
| 306 | 2025-10-07 |
BIOTIC: a Bayesian framework to integrate single-cell multi-omics for transcription factor activity inference and improve identity characterization of cells
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf013
PMID:39833103
|
研究论文 | 提出一种名为BIOTIC的贝叶斯框架，通过整合单细胞多组学数据推断转录因子活性并改善细胞身份表征 | 开发了首个基于生物机制的贝叶斯模型，通过变分推理整合单细胞多组学数据来推断转录因子活性 | NA | 在基因调控水平推断转录因子活性并阐明细胞身份状态 | 细胞身份表征和基因调控机制 | 生物信息学 | NA | 单细胞多组学测序，单细胞转录组测序 | 贝叶斯模型，变分推理 | 单细胞多组学数据，基因表达数据，染色质可及性数据 | NA | NA | 单细胞多组学，单细胞RNA-seq | NA | NA |
| 307 | 2025-10-07 |
The Functional Role and Prognostic Significance of TIM-3 Expression on NK Cells in the Diagnostic Bone Marrows in Acute Myeloid Leukemia
2024-Nov-27, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines12122717
PMID:39767624
|
研究论文 | 本研究探讨TIM-3在急性髓系白血病患者骨髓NK细胞上的表达功能及预后意义 | 首次系统评估TIM-3在AML患者NK细胞上的功能作用及其与预后的关联 | 样本量有限，TIM-3并非独立预后因素 | 评估TIM-3表达对NK细胞杀伤能力的影响及其在AML中的预后价值 | 急性髓系白血病患者和健康捐赠者的骨髓NK细胞 | 免疫学 | 急性髓系白血病 | 单细胞RNA测序, 多参数流式细胞术 | NA | 基因表达数据, 流式细胞数据 | 105名新诊断AML成人患者和12名健康捐赠者 | NA | 单细胞RNA测序, 流式细胞术 | NA | NA |
| 308 | 2025-10-07 |
Deciphering progressive lesion areas in breast cancer spatial transcriptomics via TGR-NMF
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae707
PMID:39780487
|
研究论文 | 本研究开发了TGR-NMF方法，用于解析乳腺癌空间转录组数据中的疾病进展相关区域 | 提出了三图正则化非负矩阵分解方法和单元化策略，整合基因表达和空间位置邻域拓扑，能够利用完整的基因表达计数数据并提高可解释性 | 未明确说明样本数量和具体的技术验证细节 | 解析乳腺癌组织异质性，识别与疾病进展相关的空间区域 | 乳腺癌空间转录组数据 | 空间转录组学 | 乳腺癌 | 空间转录组学 | TGR-NMF（三图正则化非负矩阵分解） | 空间转录组数据 | NA | NA | 空间转录组学 | NA | NA |
| 309 | 2025-01-07 |
The network structural entropy for single-cell RNA sequencing data during skin aging
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae698
PMID:39757115
|
研究论文 | 本研究通过单细胞RNA测序数据分析皮肤老化过程中的基因网络，引入网络结构熵来量化老化过程中基因网络的复杂性 | 引入网络结构熵来量化老化过程中基因网络的复杂性，并发现老化细胞中的整体网络结构熵增加 | 未提及具体局限性 | 理解老化过程中细胞功能变化的分子机制 | 单细胞RNA测序数据中的基因网络 | 生物信息学 | 老年疾病 | 单细胞RNA测序 | 随机游走模型 | 基因表达数据 | 超过15,000个细胞 | NA | NA | NA | NA |
| 310 | 2025-01-07 |
Single-cell RNA sequencing reveals the changes of the pulmonary immune environment in rat after Siegesbeckia orientalis L. treatment
2024-Nov, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2024.101035
PMID:39759974
|
研究论文 | 本文通过单细胞RNA测序技术，揭示了东方泽兰治疗后大鼠肺部免疫环境的变化 | 使用单细胞RNA测序技术详细分析东方泽兰治疗对大鼠肺部免疫环境的影响 | NA | 研究东方泽兰治疗对大鼠肺部免疫环境的影响 | 大鼠肺部免疫环境 | 数字病理学 | NA | 单细胞RNA测序 | NA | RNA测序数据 | NA | NA | NA | NA | NA |
| 311 | 2025-01-06 |
Online-adjusted evolutionary biclustering algorithm to identify significant modules in gene expression data
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae681
PMID:39749664
|
研究论文 | 本文提出了一种新的基于进化的双聚类算法OAEVOB，用于高效处理大规模基因表达数据 | OAEVOB算法引入了在线调整功能，通过更新突变概率和交叉参数来有效识别显著基因群组 | 现有算法未解决对不同基因表达数据源的泛化问题 | 开发一种可靠的创新方法，用于深入分析生物数据并确保基于准确信息做出决策 | 基因表达数据 | 机器学习 | 癌症 | DNA微阵列、RNA测序、单细胞RNA测序 | 进化算法 | 基因表达数据 | 六个来自不同测序数据源的基因表达数据集 | NA | NA | NA | NA |
| 312 | 2025-01-06 |
BACT: nonparametric Bayesian cell typing for single-cell spatial transcriptomics data
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae689
PMID:39751646
|
研究论文 | 本文提出了一种非参数贝叶斯模型BACT，用于单细胞空间转录组数据的细胞类型分析 | BACT模型无需预先指定细胞类型数量，能够自动从数据中学习细胞类型数量，并利用非参数Potts先验引入邻近细胞的空间依赖性 | NA | 解决现有细胞空间聚类方法需要预先指定细胞类型数量的问题 | 单细胞空间转录组数据 | 生物信息学 | NA | 单细胞空间转录组技术 | 非参数贝叶斯模型 | 基因表达数据和空间坐标数据 | 三个单细胞空间转录组数据集 | NA | NA | NA | NA |
| 313 | 2024-12-31 |
Differential Response to Cisplatin between Co-cultured Cells and Pure Cultured Cells Based on Single-cell RNA Sequencing of Three-dimensional-cultured Breast Cancer Cells
2024-Nov-29, Frontiers in bioscience (Landmark edition)
DOI:10.31083/j.fbl2912406
PMID:39735986
|
研究论文 | 本研究通过单细胞RNA测序技术，比较了三维培养的乳腺癌细胞在共培养和纯培养条件下对顺铂的不同反应 | 首次使用单细胞RNA测序技术分析三维共培养的乳腺癌细胞对顺铂的反应，揭示了共培养模型与纯培养模型在药物反应上的差异 | 研究仅针对MCF-7细胞，未涉及其他类型的乳腺癌细胞，且实验时间较短，可能无法完全反映长期药物反应 | 开发一种实验方法，用于直接共培养三维乳腺癌细胞，并研究其对顺铂的反应 | MCF-7细胞、人乳腺成纤维细胞和人脐静脉内皮细胞 | 数字病理学 | 乳腺癌 | 单细胞RNA测序（scRNA-seq） | 三维细胞共培养模型 | RNA测序数据 | 四组细胞培养：未处理的MCF-7细胞组、MCF-7细胞加顺铂组、未处理的共培养组、共培养加顺铂组 | NA | NA | NA | NA |
| 314 | 2024-12-25 |
CPARI: a novel approach combining cell partitioning with absolute and relative imputation to address dropout in single-cell RNA-seq data
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae668
PMID:39715686
|
研究论文 | 本文提出了一种名为CPARI的新方法，结合细胞分区与绝对和相对插值技术来解决单细胞RNA测序数据中的dropout问题 | CPARI通过结合细胞分区与绝对和相对插值方法，能够有效区分真实的生物零值和dropout零值，并提高插值的准确性 | NA | 解决单细胞RNA测序数据中的dropout问题 | 单细胞RNA测序数据中的dropout零值 | 数字病理学 | NA | 单细胞RNA测序 | 自编码器 | 基因表达数据 | 模拟和真实单细胞RNA测序数据集 | NA | NA | NA | NA |
| 315 | 2024-12-25 |
Unlocking the Complexity: Exploration of Acute Lymphoblastic Leukemia at the Single Cell Level
2024-11, Molecular diagnosis & therapy
IF:4.1Q1
DOI:10.1007/s40291-024-00739-5
PMID:39190087
|
综述 | 本文综述了单细胞测序技术在急性淋巴细胞白血病（ALL）研究中的应用，探讨了其在揭示ALL分子复杂性、异质性及其与微环境相互作用方面的优势和局限性 | 本文介绍了单细胞测序技术的最新进展，从分析数百个细胞发展到同时分析数千个细胞，使得研究肿瘤异质性成为可能 | 本文主要讨论了单细胞测序技术在ALL研究中的局限性，包括技术复杂性和数据分析的挑战 | 探讨单细胞测序技术在急性淋巴细胞白血病（ALL）研究中的应用 | 急性淋巴细胞白血病（ALL）的分子复杂性、异质性及其与微环境的相互作用 | 数字病理学 | 血液肿瘤 | 单细胞测序 | NA | DNA、RNA、表观遗传修饰、细胞内和细胞表面蛋白 | 数千个细胞 | NA | NA | NA | NA |
| 316 | 2024-12-24 |
stHGC: a self-supervised graph representation learning for spatial domain recognition with hybrid graph and spatial regularization
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae666
PMID:39710435
|
研究论文 | 提出了一种名为stHGC的自监督图表示学习框架，用于空间域识别，结合了混合图和空间正则化 | 创新点在于提出了stHGC框架，通过混合邻居图和自监督图表示学习方法，有效整合了空间位置和基因表达信息，并引入了空间正则化约束以保留空间邻居的结构信息 | 未提及具体的局限性 | 旨在解决空间转录组学中有效整合空间位置和基因表达信息的挑战，以准确识别空间域 | 研究对象是空间转录组数据中的空间域识别 | 空间转录组学 | NA | 自监督图表示学习 | 图注意力机制 | 空间转录组数据 | 未提及具体的样本数量 | NA | NA | NA | NA |
| 317 | 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 |
| 318 | 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 |
| 319 | 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 |
| 320 | 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 |