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 2188 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2026-09-19 |
Deciphering the cellular and molecular landscape of pulmonary fibrosis through single-cell sequencing and machine learning
2025-01-02, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-06031-8
PMID:39748378
|
研究论文 | 该研究利用单细胞测序和机器学习技术，分析了肺纤维化患者的肺组织样本，揭示了参与纤维化过程的细胞表型和基因表达模式 | 结合单细胞测序与机器学习，发现了包括TMEM52B、PHACTR1和BLVRB在内的关键基因特征，并开发了具有更高精度和特异性的诊断模型，同时通过体外和体内实验验证了这些基因在抑制纤维化中的作用 | 摘要中未提及研究局限性 | 旨在提高肺纤维化的诊断准确性，并揭示潜在的治疗靶点 | 肺纤维化患者的肺组织样本及博来霉素诱导的小鼠肺纤维化模型 | 机器学习 | 肺纤维化 | 单细胞测序 | 机器学习模型 | 单细胞测序数据、基因表达数据 | 摘要中未提及 | NA | 单细胞RNA测序 | NA | NA |
| 42 | 2026-09-19 |
Integrative single-cell RNA-seq and ATAC-seq analysis of the evolutionary trajectory features of adipose-derived stem cells induced into astrocytes
2025-01, Journal of neurochemistry
IF:4.2Q2
DOI:10.1111/jnc.16269
PMID:39700048
|
研究论文 | 本研究联合应用单细胞RNA测序和单细胞ATAC测序技术，对脂肪源性干细胞诱导分化为星形胶质细胞过程中的细胞进行多时间点测序，揭示其分化轨迹和染色质可及性变化 | 首次结合scRNA-seq和scATAC-seq技术系统解析脂肪源性干细胞向星形胶质细胞诱导分化过程中的分化轨迹，发现ADSCs先分化为具有高可塑性的神经干细胞样细胞，再通过两条不同途径成熟为星形胶质细胞，并揭示染色质开放先于转录起始的现象 | 摘要中未明确提及研究局限性 | 探究脂肪源性干细胞诱导分化为星形胶质细胞的分化轨迹特征及分子机制 | 脂肪源性干细胞（ADSCs）及其诱导分化为星形胶质细胞过程中的细胞 | 单细胞组学 | NA | 单细胞RNA测序（scRNA-seq），单细胞ATAC测序（scATAC-seq） | NA | 基因表达数据，染色质可及性数据 | NA | NA | 单细胞RNA-seq，单细胞ATAC-seq | NA | NA |
| 43 | 2026-09-19 |
Exploring the Role of Ccn3 in Type III Cell of Mice Taste Buds
2025-01, Journal of neurochemistry
IF:4.2Q2
DOI:10.1111/jnc.16291
PMID:39709613
|
研究论文 | 本研究通过单细胞RNA测序发现Ccn3在小鼠菌状乳头III型味觉细胞中高表达，并通过基因敲除小鼠实验探究其在味觉细胞中的功能 | 首次发现Ccn3在III型味觉细胞中特异性高表达，并通过基因敲除实验验证其不影响基本味觉反应，同时通过生物信息学预测其在免疫反应中的潜在作用 | Ccn3敲除后未观察到明显的味觉功能变化，其具体功能仍需进一步研究验证，生物信息学预测结果缺乏实验验证 | 探究Ccn3在小鼠味蕾细胞中的表达模式及其功能 | 小鼠菌状乳头中的味觉细胞，特别是III型味觉细胞 | 单细胞组学 | NA | 单细胞RNA测序, RT-PCR, 原位杂交, 免疫组织化学, 定量实时RT-PCR, 味觉神经记录, 短期舔舐实验 | NA | 图像, 文本 | NA | NA | 单细胞RNA测序 | NA | NA |
| 44 | 2026-09-19 |
Revealing tissue architecture through the hypercomplex Fourier analysis of spatial transcriptomics data
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf191
PMID:41195088
|
研究论文 | 本文提出了一种使用四元数域离散傅里叶变换分析空间转录组数据的方法，并展示了其在Visium HD数据中的应用 | 首次将四元数域离散傅里叶变换应用于空间转录组数据分析，将转录组状态变换视为三维旋转，并支持捕捉转录组不确定性的可视化 | 未明确说明，但可能受限于四元数表示仅能捕捉三个转录组特征，且主要基于Visium HD数据验证，泛化性需进一步评估 | 开发一种基于四元数傅里叶分析的空间转录组数据分析框架，以揭示组织架构 | 空间转录组数据，特别是Visium HD数据，以及单细胞RNA测序数据 | 数字病理学 | NA | 空间转录组学，单细胞RNA测序 | 四元数域离散傅里叶变换 | 图像，文本 | NA | 10x Genomics | 空间转录组学，单细胞RNA测序 | 10x Visium HD | NA |
| 45 | 2026-09-19 |
Immune cell communication networks and memory CD8+ T cell signatures sustaining chronic inflammation in COVID-19 and Long COVID
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1689507
PMID:41200182
|
研究论文 | 该研究利用单细胞RNA测序分析了不同疾病状态下COVID-19和Long COVID患者的外周血单个核细胞，揭示了记忆CD8+ T细胞在维持慢性炎症中的核心作用及其与免疫细胞通讯网络的关系 | 首次在单细胞分辨率下系统描绘了COVID-19和Long COVID的免疫细胞通讯网络，发现记忆CD8+ T细胞在MHC-I介导的通讯网络中维持中心地位，并鉴定了7个预测慢性免疫失调的关键基因 | 未明确说明未考虑疫苗接种状态、病毒变异株类型及合并症等潜在混杂因素的影响，且样本量相对有限 | 揭示COVID-19和Long COVID中免疫细胞通讯网络及记忆CD8+ T细胞特征如何维持慢性炎症 | 来自健康、暴露、感染和住院四种疾病状态的个体外周血单个核细胞 | 数字病理学 | COVID-19和Long COVID | 单细胞RNA测序、批量RNA-seq | XGBoost、逻辑回归、随机森林等九种机器学习模型 | 单细胞转录组数据、批量转录组数据 | 73,110个外周血单个核细胞 | NA | single-cell RNA-seq, bulk RNA-seq | NA | NA |
| 46 | 2026-09-19 |
Fibroblast-derived interleukin-11 as a potential biomarker for intestinal fibrostenosis in Crohn's disease
2025, Therapeutic advances in gastroenterology
IF:3.9Q1
DOI:10.1177/17562848251391093
PMID:41245384
|
研究论文 | 本研究通过转录组分析、公共数据集整合、血清Luminex检测及体外实验，发现成纤维细胞来源的IL11在克罗恩病肠道纤维狭窄组织中高表达，可促进肠道纤维化，并可作为CD纤维狭窄的潜在生物标志物 | 首次系统性地揭示了IL11在克罗恩病肠道纤维狭窄中的关键作用，结合bulk RNA测序、单细胞RNA测序、血清蛋白检测和体外功能实验多层次验证了IL11作为CD纤维狭窄生物标志物的潜力 | 摘要中未明确提及研究的具体局限性 | 探究白细胞介素（IL）在检测克罗恩病相关肠道纤维狭窄中的价值 | 克罗恩病患者的手术切除肠段组织及血清样本 | 数字病理学, 机器学习 | 克罗恩病, 肠道纤维狭窄 | bulk RNA-seq, 单细胞RNA-seq, 实时定量PCR, 免疫组化, Luminex液相芯片检测 | NA | 转录组数据, 图像, 文本 | 配对克罗恩病手术切除标本（含非病变段和纤维狭窄段） | NA | bulk RNA-seq, 单细胞RNA-seq | NA | NA |
| 47 | 2026-09-19 |
Single-cell multi-omics analysis reveals cellular subpopulations associated with relapse in high-risk B-ALL following intensified chemotherapy
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1645546
PMID:41312364
|
研究论文 | 该研究通过单细胞多组学分析，揭示了高危B-ALL患者强化化疗后与复发相关的细胞亚群。 | 结合scRNA-seq和scATAC-seq，首次在强化化疗后的高危B-ALL患者中识别出与治疗抵抗相关的HSC/MPP和Pro-B细胞亚群。 | 研究样本量较小，且仅分析了外周血单个核细胞，未涉及骨髓微环境。 | 探究高危B-ALL患者强化化疗后复发的分子机制。 | 儿童高危B-ALL患者和健康对照的外周血单个核细胞。 | 单细胞多组学 | B细胞急性淋巴细胞白血病 | scRNA-seq, scATAC-seq | NA | 单细胞转录组和染色质可及性数据 | 未明确说明 | NA | single-cell RNA-seq, single-cell ATAC-seq | NA | NA |
| 48 | 2026-09-18 |
Unveiling the mechanism of micro-and-nano plastic phytotoxicity on terrestrial plants: A comprehensive review of omics approaches
2025-01, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2025.109257
PMID:39818003
|
综述 | 本文综述了利用多组学方法揭示微纳米塑料对陆生植物毒理机制的研究进展 | 系统整合了蛋白质组学、代谢组学、转录组学和微生物组学以及4D组学、表型组学、空间转录组学和单细胞组学等新兴技术在微纳米塑料植物毒性研究中的应用前景 | 目前对微纳米塑料植物毒性机制的理解仍不充分，缺乏整合性组学研究，存在关键知识空白 | 阐明微纳米塑料对陆生植物的毒性机制并探讨组学方法在其中的应用潜力 | 陆生植物 | 机器学习 | NA | 蛋白质组学, 代谢组学, 转录组学, 微生物组学, 4D组学, 表型组学, 空间转录组学, 单细胞组学 | NA | 文本 | NA | NA | NA | NA | NA |
| 49 | 2026-09-16 |
Single cell RNA sequencing improves the next generation of approaches to AML treatment: challenges and perspectives
2025-01-30, Molecular medicine (Cambridge, Mass.)
DOI:10.1186/s10020-025-01085-w
PMID:39885388
|
综述 | 该综述探讨了单细胞RNA测序（scRNA-seq）在急性髓系白血病（AML）治疗中的应用，包括分类、风险分层、识别治疗靶点、耐药机制及移植优化，并讨论了技术挑战与人工智能结合的改进方向 | 系统总结了scRNA-seq在AML精准医疗中的多方面应用前景，包括指导治疗选择、优化造血干细胞移植、开发癌症疫苗和CAR T细胞疗法，并提出了结合人工智能模型来应对数据分析挑战的新视角 | 面临高维数据分析、技术噪声、批次效应以及小生物模式识别等挑战，目前仍需改进，且可能需结合人工智能模型才能有效解决 | 探讨单细胞RNA测序技术如何改进AML的治疗策略并分析其面临的挑战与前景 | 急性髓系白血病（AML）患者及其白血病干细胞、骨髓微环境等 | 数字病理学 | 白血病 | 单细胞RNA测序 | NA | 文本 | NA | NA | 单细胞RNA测序 | NA | NA |
| 50 | 2026-09-16 |
Bayesian Phylogenetic Lineage Reconstruction with Loss of Heterozygosity Mutations Derived from Single-Cell RNA Sequencing
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4310-5_1
PMID:39745633
|
研究方法章节 | 本章介绍了一种基于单细胞RNA测序数据，利用贝叶斯方法从推断的杂合性缺失事件重建细胞谱系，并注释细胞表型和发育时间点的方法 | 利用杂合性缺失突变作为谱系追踪标记，结合贝叶斯系统发育推断，从单细胞RNA测序数据中重建细胞谱系，并利用X染色体失活标记发育时间点 | 摘要中未明确提及 | 开发一种从单细胞RNA测序数据中重建细胞谱系的方法，并应用于研究大脑皮层发育 | Emx1+皮层投射神经元和胶质细胞谱系，来自C57Bl/6J和CAST/EiJ杂交F1小鼠 | 单细胞转录组学 | NA | 单细胞RNA测序 | 贝叶斯系统发育模型 | 单细胞RNA测序数据 | NA | NA | 单细胞RNA测序 | NA | NA |
| 51 | 2026-09-16 |
Lineage Recording in Human Brain Organoids with iTracer
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4310-5_5
PMID:39745637
|
研究方法 | 本文提供了一种详细的iTracer实验方案，用于结合报告基因条形码与诱导型CRISPR-Cas9疤痕技术，在人类脑类器官中进行谱系追踪，兼容单细胞和空间转录组学 | iTracer将报告基因条形码与诱导型CRISPR-Cas9疤痕技术相结合，可同时兼容单细胞转录组学和空间转录组学，实现直接确定细胞间谱系关系 | 本文主要提供实验方案，未涉及大规模数据验证或与其他谱系追踪方法的系统比较 | 提供iTracer在人类脑类器官中应用的详细实验方案，用于探索脑类器官发育过程中的克隆性和谱系动态 | iPSC衍生的人类脑类器官 | 单细胞组学, 空间转录组学, 发育生物学 | NA | 单细胞转录组学, 空间转录组学, CRISPR-Cas9谱系追踪, 报告基因条形码 | NA | 转录组数据, 空间转录组数据 | NA | NA | 单细胞RNA测序, 空间转录组学 | NA | NA |
| 52 | 2026-09-16 |
Clonal Tracking in the Mouse Brain with Single-Cell RNA-Seq
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4310-5_6
PMID:39745638
|
研究方法 | 本文描述了使用慢病毒条形码、小鼠胚胎期9.5天前脑微注射、2周龄小鼠脑组织解离、单细胞RNA-seq文库制备及定制软件分析，实现小鼠大脑中单细胞谱系追踪的完整流程 | 与传统基于稀疏荧光标记祖细胞的方法相比，使用遗传条形码和单细胞RNA-seq进行谱系追踪的通量提高了100倍以上，同时使用的小鼠数量减少了10倍以上 | 未明确说明 | 实现哺乳动物大脑中高通量的单细胞谱系追踪，鉴定单个祖细胞产生的所有后代及其细胞类型 | 胚胎期9.5天小鼠前脑祖细胞及其在2周龄小鼠大脑中的后代细胞 | 单细胞转录组学 | NA | 单细胞RNA-seq、遗传条形码谱系追踪、慢病毒标记 | NA | 单细胞RNA-seq数据、遗传条形码序列 | 2周龄小鼠脑组织，涉及数千个祖细胞 | NA | 单细胞RNA-seq | NA | NA |
| 53 | 2026-09-16 |
LINNAEUS: Simultaneous Single-Cell Lineage Tracing and Cell Type Identification
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4310-5_12
PMID:39745644
|
研究方法 | LINNAEUS 通过核酸酶激活编辑广泛序列，结合单细胞 RNA 测序与谱系条形码分析，实现单细胞谱系追踪与细胞类型鉴定 | 利用基因组编辑转基因报告基因产生谱系条形码，结合 scRNA-seq 实现数千个单细胞的谱系追踪与转录组分析，可重建生物体范围单细胞谱系树 | 需要转基因报告基因和基因组编辑，可能受编辑效率、条形码多样性和计算分析复杂度限制 | 同时进行单细胞谱系追踪和细胞类型鉴定，理解发育、再生和疾病过程中细胞类型的起源 | 单细胞、细胞类型、组织或器官中的细胞谱系 | 单细胞组学 | NA | 单细胞 RNA 测序、基因组编辑、谱系条形码测序 | NA | 基因表达数据、谱系条形码序列 | 数千个单细胞 | NA | single-cell RNA-seq | NA | NA |
| 54 | 2026-09-16 |
Paired Single-Cell Transcriptome and DNA Barcode Detection in Zebrafish Using ScarTrace
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4310-5_11
PMID:39745643
|
研究方法 | 本文介绍了一种基于CRISPR/Cas9的遗传谱系追踪方法ScarTrace，通过配对单细胞转录组和DNA条形码检测，在斑马鱼胚胎发育过程中对单细胞进行独特条形码标记，实现组织克隆追踪和谱系树重建 | 利用CRISPR/Cas9在目标GFP序列处对单细胞DNA进行独特条形码标记，结合单细胞转录组和DNA条形码检测，实现成年斑马鱼多种组织的克隆追踪和谱系树重建 | 摘要中未提及明确的局限性 | 开发一种基于CRISPR/Cas9的遗传谱系追踪方法，用于追踪斑马鱼胚胎发育过程中细胞的命运决定 | 斑马鱼胚胎及其成年后的多种组织（骨髓、大脑、眼睛、鳍等）中的单细胞 | 单细胞组学、发育生物学 | NA | CRISPR/Cas9基因编辑、单细胞cDNA扩增、基因组DNA嵌套PCR | NA | 单细胞转录组数据、DNA条形码序列 | NA | NA | 单细胞转录组测序 | NA | NA |
| 55 | 2026-09-16 |
Single-Cell Profiling of Lineages and Cell Types in the Vertebrate Brain
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4310-5_15
PMID:39745647
|
研究论文 | 将CRISPR-Cas9谱系条形码阵列累积编辑与基于液滴的单细胞RNA测序（scRNA-seq）结合，用于斑马鱼发育中大脑的谱系和细胞类型分析 | scGESTALTv2方法将CRISPR-Cas9累积编辑谱系条形码与基于液滴的scRNA-seq结合，实现单细胞分辨率的谱系追踪，并应用于斑马鱼发育大脑，生成突变以记录谱系。 | 仅在斑马鱼中验证，未在其他脊椎动物中测试；基于CRISPR的谱系记录可能存在编辑效率或分辨率限制。 | 开发并应用scGESTALTv2方法，通过结合CRISPR-Cas9谱系追踪和scRNA-seq，解析脊椎动物大脑发育中的细胞谱系和细胞类型关系。 | 发育中的斑马鱼大脑细胞 | 单细胞组学 | NA | CRISPR-Cas9谱系追踪, 单细胞RNA测序 | NA | 单细胞转录组数据 | 数千个已分析的斑马鱼大脑细胞（包括数十种细胞类型） | 10x Genomics | 单细胞RNA测序（基于液滴） | 10x Chromium | 10x Chromium单细胞RNA测序平台（基于液滴的scRNA-seq） |
| 56 | 2026-09-16 |
GEMLI: Gene Expression Memory-Based Lineage Inference from Single-Cell RNA-Sequencing Datasets
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4310-5_19
PMID:39745651
|
研究方法 | GEMLI是一个基于基因表达记忆的计算工具，能够仅从单细胞RNA测序数据集中预测细胞谱系，并以R包形式在GitHub上公开 | 基于基因表达记忆（即基因特异性表达水平通过细胞分裂的维持）来预测细胞谱系，摆脱了传统的基于遗传标记或物理细胞谱系分离的实验谱系追踪技术，极大简化并扩展了谱系注释，尤其能够识别人类样本中的小谱系 | 该工具依赖基因表达记忆的存在，其预测准确性可能受基因表达噪声和测序深度的影响，且目前仅以R包形式提供，需要一定的编程基础 | 提供GEMLI R包使用的详细方案，包括从标准scRNA-seq数据预测细胞谱系、调整参数、提取和可视化谱系信息，以及进行基因表达记忆、细胞类型组成和谱系转变点等详细分析 | 来自各种平台的标准scRNA-seq基因表达矩阵 | 机器学习 | NA | 单细胞RNA测序 | NA | 基因表达矩阵 | NA | NA | 单细胞RNA测序 | NA | NA |
| 57 | 2026-09-16 |
Integration of unpaired single cell omics data by deep transfer graph convolutional network
2025-01, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012625
PMID:39821189
|
研究论文 | 提出了一种基于图卷积网络的深度迁移学习模型scTGCN，用于整合未配对的单细胞组学数据，实现从scRNA-seq到scATAC-seq的标签迁移 | 开发了深度迁移图卷积网络模型scTGCN，能够高效整合数十万细胞，在保持生物学变异的同时实现跨模态知识迁移，克服了现有标签迁移方法在保留精细细胞群体和数据集间异质性方面的不足 | 摘要中未明确提及研究局限性 | 整合未配对的单细胞组学数据，实现从scRNA-seq到scATAC-seq的标签迁移和知识迁移 | 单细胞RNA测序数据和单细胞染色质可及性数据 | 机器学习, 生物信息学 | NA | 单细胞RNA测序, 单细胞ATAC测序, APSA-seq, CITE-seq | 图卷积网络, 深度迁移学习 | 单细胞组学数据 | 数十万个细胞，包括小鼠图谱数据和APSA-seq、CITE-seq生成的多模态数据 | NA | 单细胞RNA测序, 单细胞ATAC测序 | NA | NA |
| 58 | 2026-09-16 |
BuDDI: Bulk Deconvolution with Domain Invariance to predict cell-type-specific perturbations from bulk
2025-01, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012742
PMID:39823522
|
研究论文 | 该论文提出了BuDDI方法，利用域适应技术整合bulk和scRNA-seq数据，通过变分自编码器学习独立潜在空间来预测细胞类型特异性的扰动效应 | BuDDI是首个利用域不变性进行bulk解卷积以预测细胞类型特异性扰动效应的方法，能够在没有单细胞扰动数据的情况下仅用bulk扰动数据进行训练，并通过独立潜在空间模拟扰动响应 | BuDDI的预测准确性依赖于参考scRNA-seq数据的质量和覆盖度，且在某些复杂实验设计中可能受限于参考图谱的可用性 | 旨在弥合单细胞实验与bulk实验之间的差距，通过整合两者的数据来推断细胞类型特异性的扰动效应 | bulk RNA-seq数据和scRNA-seq数据，包括模拟数据和真实数据 | 机器学习 | NA | bulk RNA-seq, single-cell RNA-seq | VAE | 文本 | 模拟和真实数据集，具体样本量未明确说明 | NA | bulk RNA-seq, single-cell RNA-seq | NA | NA |
| 59 | 2026-09-16 |
Data-driven model discovery and model selection for noisy biological systems
2025-01, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012762
PMID:39836686
|
研究论文 | 提出一种结合混合动力系统和神经网络的模型发现与选择框架，用于从噪声稀疏的生物数据中学习微分方程模型 | 使用混合动力系统（部分模型含缺失项）和神经网络近似未知动力学，同时去噪和学习潜在动力学，通过稀疏回归推断模型，优于SINDy等方法 | 未明确说明具体限制，可能涉及方法在更复杂系统或极端噪声下的泛化能力 | 开发数据驱动框架用于生物系统模型发现和选择，处理噪声和稀疏数据 | 生物系统动力学，包括细胞状态转换，使用单细胞转录组学数据 | 机器学习 | NA | 单细胞转录组学 | 神经网络 | 数值数据 | NA | NA | scRNA-seq | NA | NA |
| 60 | 2026-09-16 |
Trajectory inference from single-cell genomics data with a process time model
2025-01, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012752
PMID:39836699
|
研究论文 | 该文章提出了一种名为Chronocell的生物物理建模方法，通过过程时间模型从单细胞基因组数据中推断轨迹 | 提出了过程时间而非伪时间，基于生物物理框架构建可识别的轨迹模型，并能插值轨迹推断与聚类 | 基于模拟的性能表征发现过程时间推断具有挑战性，强调数据集质量和谨慎模型评估的重要性 | 从单细胞转录组数据中推断细胞轨迹和动态信息 | 单细胞转录组学数据，异质性细胞群体 | 机器学习 | NA | 单细胞RNA测序 | Chronocell | 文本 | 多种数据集，从聚类样到连续样 | NA | 单细胞RNA测序 | NA | NA |