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 929 篇文献，本页显示第 321 - 340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 321 | 2025-12-12 |
scDVAE:Single-Cell Data Clustering Based on Variational Autoencoder With Disentangled Latent Representations
2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3599194
PMID:40811173
|
研究论文 | 本文提出了一种基于解耦潜在表示变分自编码器的新型深度生成模型scDVAE，用于单细胞RNA测序数据的聚类分析 | 提出了一种将潜在表示解耦为聚类特征和生成特征的新方法，并采用学生t混合模型作为聚类特征的先验分布以增强对dropout事件的鲁棒性，同时引入混合数据增强策略以提高数据集多样性并减少噪声 | NA | 提高单细胞RNA测序数据聚类的准确性和鲁棒性 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | 变分自编码器 | 基因表达数据 | 10个真实世界数据集 | NA | 单细胞RNA-seq | NA | NA |
| 322 | 2025-12-12 |
DIC: Deep Imputing and Clustering Single Cell RNA Sequencing Data
2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3548094
PMID:40811249
|
研究论文 | 本文提出了一种名为DIC的深度神经网络，用于协同处理单细胞RNA测序数据中的缺失值插补和细胞聚类 | DIC采用Y型结构，通过自编码器与额外分支结合，实现缺失值插补和细胞聚类的协同优化，充分利用生物学有意义的聚类结构 | 未在摘要中明确提及 | 解决单细胞RNA测序数据中缺失值对细胞聚类分析的挑战 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | 深度神经网络，自编码器 | 基因表达数据 | NA | NA | 单细胞RNA测序 | NA | NA |
| 323 | 2025-12-12 |
Integrating Graph Convolutional Networks for Missing Gene Expression Imputation
2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3605719
PMID:40892650
|
研究论文 | 本文提出了一种名为GCNgene的新方法，通过整合空间转录组学和单细胞RNA测序数据，预测未检测RNA转录本的空间分布 | 利用图卷积网络嵌入空间转录组学数据，并结合参考单细胞数据与计算出的细胞类型比例来重建基因表达，实现基因表达水平的准确预测 | NA | 预测基因的空间分布，以解决空间转录组技术中基因通量不足的问题 | 空间转录组学和单细胞RNA测序数据集 | 生物信息学 | NA | 单细胞RNA测序，空间转录组学 | 图卷积网络 | 基因表达数据，空间信息数据 | NA | NA | 单细胞RNA-seq，空间转录组学 | NA | NA |
| 324 | 2025-12-12 |
Knowledge-Guided Gene Panel Selection for Label-Free Single-Cell RNA-Seq Data: A Reinforcement Learning Perspective
2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3609721
PMID:40953430
|
研究论文 | 本文提出了一种结合集成知识与强化学习的基因面板选择方法，用于无标记单细胞RNA测序数据 | 通过集成现有基因选择算法建立先验知识引导初始搜索空间，并引入基于专家行为的强化学习奖励函数进行动态优化，减少了传统方法的偏差 | 未明确说明方法在特定疾病类型或大规模数据集上的泛化能力 | 提高无标记单细胞RNA测序数据中基因面板选择的准确性和效率 | 单细胞RNA测序数据中的基因表达特征 | 机器学习 | NA | 单细胞RNA测序 | 强化学习 | 基因表达数据 | NA | NA | 单细胞RNA-seq | NA | NA |
| 325 | 2025-12-12 |
scTECTA: Asymmetric Deep Transfer Learning for Cross-Patient Tumor Microenvironment Single-Cell Annotation
2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3618727
PMID:41056164
|
研究论文 | 本文提出了一种名为scTECTA的基于图神经网络的方法，用于跨患者肿瘤微环境单细胞注释，通过迁移学习解决数据稀疏性和批次效应问题 | scTECTA采用非对称神经网络架构和领域对抗学习框架，结合图卷积网络进行分布偏移校正，显著提升了细胞类型分类的精度和鲁棒性 | NA | 开发一种高效的跨患者肿瘤微环境单细胞注释方法，以克服现有方法在数据稀疏性、生物异质性和批次效应方面的限制 | 肿瘤微环境中的单细胞RNA测序数据，涉及六种癌症类型和34名患者 | 机器学习 | 肺癌, 前列腺癌, 心血管疾病, 老年病 | 单细胞RNA测序 | 图神经网络, 图卷积网络 | 单细胞RNA测序数据 | 34名患者的多个数据集，涵盖六种癌症类型 | NA | 单细胞RNA-seq | NA | NA |
| 326 | 2025-12-12 |
scMID: A Deep Multi-Omics Integration Framework for Comprehensive Single-Cell Data Analysis
2025 Nov-Dec, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3624040
PMID:41124064
|
研究论文 | 本文提出了一种基于单细胞多组学数据整合和dropout模式的深度多组学集成框架（scMID），用于全面的单细胞数据分析 | 利用组学独立的深度自编码器进行多组学数据对齐，采用GCN算法进行数据整合，并结合二值化dropout模式获得的基因相似性计算基因重要性，提出双策略特征基因筛选方法 | 未在摘要中明确说明 | 提高单细胞聚类分析的准确性，突破传统特征选择方法的限制，为解码复杂生物信息提供更优的分析框架 | 单细胞多组学数据 | 机器学习 | NA | 单细胞多组学测序 | 深度自编码器, GCN | 多组学数据（转录组学、表观基因组学、蛋白质组学） | NA | NA | 单细胞多组学 | NA | NA |
| 327 | 2025-12-11 |
Periductal Fibroblast Density Defines Lymphocyte Exclusion via a CD44-Dependent Stromal Checkpoint in Pancreatic Cancer
2025-Nov-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.23.593868
PMID:38853982
|
研究论文 | 本研究揭示了胰腺导管腺癌中，导管周围成纤维细胞密度通过CD44依赖性基质检查点调控淋巴细胞排斥的机制 | 首次将癌症相关成纤维细胞分层的导管空间结构确立为PDAC中免疫排斥的基本决定因素，并识别出可靶向的“基质检查点” | 研究主要基于治疗初治患者样本，未涉及治疗后或晚期疾病阶段的动态变化 | 探究胰腺导管腺癌中纤维化对基质-导管结构和免疫细胞定位的影响 | 胰腺导管腺癌患者样本，包括恶性PDAC上皮导管区域 | 数字病理学 | 胰腺癌 | 成像质谱流式技术、多重免疫组化、单细胞RNA测序 | NA | 图像、测序数据 | 来自三个独立队列的治疗初治患者样本 | NA | 单细胞RNA测序 | NA | NA |
| 328 | 2025-12-11 |
Circulating Cathepsin D Exacerbates Injury-Induced Brain Damage by Promoting Neutrophil Infiltration Into the Brain
2025-Nov-04, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.125.043416
PMID:41147378
|
研究论文 | 本研究探讨了循环中的组织蛋白酶D（CTSD）如何通过上调脑内皮VCAM-1表达促进中性粒细胞浸润，从而加剧创伤性和缺血性脑损伤 | 首次揭示了循环中的非酶原型CTSD（pro-CTSD）通过激活脑内皮细胞上调VCAM-1表达，促进中性粒细胞向脑部迁移的新机制 | 研究主要基于转基因小鼠模型，尚未在人类临床样本中验证；单细胞RNA测序样本量有限，可能未完全捕捉所有细胞类型的变化 | 探究循环CTSD对脑损伤后炎症反应的影响及其分子机制 | 转基因hCTSDhi小鼠（高循环CTSD水平）、CTSDMono敲除小鼠（低血浆CTSD水平）、创伤性和缺血性脑损伤模型 | 神经科学 | 脑损伤（创伤性脑损伤、缺血性脑损伤） | 单细胞RNA测序、转基因动物模型、行为学测试 | 转基因小鼠模型 | 基因表达数据、行为学数据 | 两组转基因小鼠群体，具体数量未明确说明 | NA | 单细胞RNA测序 | NA | NA |
| 329 | 2025-12-10 |
GPC3-based circular RNA vaccine suppresses hepatocellular carcinoma progression by activating adaptive immune responses
2025-Nov-07, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001605
PMID:41201153
|
研究论文 | 本研究开发了一种基于环状RNA（circRNA）的靶向GPC3的肝癌疫苗，并通过结合TLR4激动剂佐剂，在小鼠模型中验证了其抑制肿瘤进展、激活适应性免疫应答的疗效和机制 | 首次开发了靶向GPC3的circRNA癌症疫苗，克服了传统mRNA疫苗的不稳定性和递送效率问题，并通过结合TLR4佐剂增强了抗肿瘤免疫应答 | 研究主要基于小鼠模型，其疗效和安全性在人体中尚未验证；机制研究虽深入，但临床转化路径仍需探索 | 开发一种更稳定、高效的circRNA癌症疫苗，用于治疗肝细胞癌（HCC） | 肝细胞癌（HCC）及其肿瘤微环境（TME） | 免疫治疗，癌症疫苗 | 肝细胞癌 | 环状RNA疫苗设计，TLR4激动剂佐剂，多重免疫荧光，单细胞测序，空间转录组学，质谱流式细胞术 | NA | 测序数据，成像数据，流式细胞数据 | 小鼠模型（具体数量未在摘要中说明） | NA | 单细胞测序，空间转录组学 | NA | NA |
| 330 | 2025-12-10 |
Atomistic TCR-ligand interactions instruct memory T-cell differentiation
2025-Nov-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.05.686789
PMID:41279151
|
研究论文 | 本研究通过整合单细胞转录组测序、TCR-pMHC相互作用的生物物理测量和结构分析，揭示了T细胞受体（TCR）与配体之间的原子水平相互作用如何指导记忆T细胞的分化命运 | 首次在分子水平上系统地将TCR的机械转导特性（如力依赖性结合）与记忆T细胞亚群（TCM与TEM）的分化联系起来，并提出了“双极性”克隆型的概念 | 研究基于小鼠模型和单一的流感病毒表位（NP），其在人类其他病原体或癌症抗原中的普适性仍需验证 | 阐明初始CD8 T细胞在抗原刺激后分化为不同记忆T细胞亚群（中央记忆TCM与效应记忆TEM）的分子机制 | 242个小鼠CD8 TCRαβ克隆型，这些克隆特异性识别由H-2D呈递的流感A病毒（IAV）免疫显性表位NP | 免疫学 | 传染病（流感病毒感染） | 单细胞转录组测序、TCR测序、生物物理测量（力依赖性相互作用）、结构分析 | NA | 转录组数据、序列数据、生物物理测量数据、结构数据 | 242个小鼠CD8 TCRαβ克隆型 | NA | 单细胞RNA-seq | NA | NA |
| 331 | 2025-12-10 |
scFPC-DE: Robust Differential Expression Analysis Along Single Cell Trajectories via Functional Principal Component Analysis
2025-Nov-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.03.686374
PMID:41279951
|
研究论文 | 本文提出了一种基于功能数据分析的单细胞轨迹差异表达分析方法scFPC-DE，用于识别沿伪时间轨迹的时间差异表达基因 | 通过功能主成分分析建模基因表达作为伪时间函数，有效捕捉共享的基因表达变异和伪时间结构，同时缓解零膨胀问题 | 未明确说明方法在复杂轨迹或多分支轨迹中的适用性，以及计算效率方面的潜在限制 | 开发一种稳健的单细胞轨迹差异表达分析方法，以更准确地识别时间差异表达基因 | 单细胞RNA测序数据中的基因表达沿伪时间轨迹的变化 | 生物信息学 | NA | 单细胞RNA测序 | 功能主成分分析 | 单细胞RNA测序数据 | NA | NA | 单细胞RNA-seq | NA | NA |
| 332 | 2025-12-10 |
Atacformer: A transformer-based foundation model for analysis and interpretation of ATAC-seq data
2025-Nov-04, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.03.685753
PMID:41279458
|
研究论文 | 本文介绍了Atacformer，一种基于Transformer的基础模型，用于分析和解释ATAC-seq数据 | Atacformer是首个为scATAC-seq数据设计的基于Transformer的基础模型，能够生成单个顺式调控元件的嵌入表示，并支持跨模态对齐和RNA数据推算 | 模型在scATAC-seq数据上的迁移学习潜力尚未充分探索，且现有工具在处理大规模复杂数据集时存在限制 | 开发一个基础模型以解决scATAC-seq数据统一分析和下游任务（如聚类、细胞类型注释和参考映射）的挑战 | scATAC-seq实验数据，包括公共存储库中的近10,000个实验 | 机器学习 | NA | ATAC-seq, scATAC-seq, RNA-seq | Transformer | 基因组数据（原始片段文件、BED文件） | 近10,000个scATAC-seq实验 | NA | single-cell ATAC-seq, bulk RNA-seq | NA | NA |
| 333 | 2025-12-10 |
CeDNe: A multi-scale computational framework for modeling structure-function relationships in the C. elegans nervous system
2025-Nov-04, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.03.683805
PMID:41279576
|
研究论文 | 本文介绍了一个名为CeDNe的开源计算框架，用于整合秀丽隐杆线虫神经系统的多尺度数据并建模其结构-功能关系 | 开发了首个统一的开源计算框架，能够将解剖学、分子和成像数据集整合到基于图的表示中，并在单一计算环境中实现跨组学层的多模态数据分析 | 框架目前主要针对秀丽隐杆线虫开发，在其他生物神经网络中的通用性需要进一步验证 | 建立神经回路结构与功能之间的联系，实现多尺度神经回路分析 | 秀丽隐杆线虫的神经系统 | 计算神经科学 | NA | 计算建模、网络分析、神经动力学模拟 | 图神经网络、动力学网络模型 | 连接组数据、单细胞转录组数据、神经肽-受体分布数据、全脑神经活动成像数据、行为数据 | NA | NA | NA | NA | NA |
| 334 | 2025-12-10 |
The evolving nosology of myeloid neoplasms: the semi-centennial of the 1976 French-American-British classification
2025-Nov, Leukemia
IF:12.8Q1
DOI:10.1038/s41375-025-02746-9
PMID:40858808
|
综述 | 本文回顾了髓系肿瘤分类系统自1976年FAB分类以来的50年演变历程，重点探讨了二代测序技术对分类的影响以及未来单细胞测序和多组学技术的整合前景 | 从历史视角系统分析髓系肿瘤分类学的演变，并首次提出基于克隆造血不确定潜能（CHIP）的细胞水平达尔文主义概念框架 | 作为历史回顾性分析，缺乏原始实验数据支持；未涉及具体临床验证研究 | 追溯髓系肿瘤分类系统的发展历史，探讨新技术对疾病定义和治疗策略的影响 | 髓系肿瘤分类系统（特别是FAB分类及其后续演进） | 血液病理学 | 髓系肿瘤 | 二代测序技术，单细胞测序，多组学技术 | NA | 文献与分类标准文本 | NA | NA | NA | NA | NA |
| 335 | 2025-12-10 |
Decoding heart failure subtypes with neural networks via differential explanation analysis
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf581
PMID:41222558
|
研究论文 | 本文介绍了一种基于神经网络和可解释AI的新方法，用于识别心力衰竭亚型特异性基因，以解码心力衰竭亚型 | 提出了一种基于自定义神经网络重要性评分的新方法，用于识别差异解释基因，优于传统方法，能更有效地揭示心力衰竭亚型特异性通路 | 方法可能依赖于神经网络模型的特定架构和参数，且在实际应用中需验证其泛化能力 | 解码心力衰竭亚型，通过识别差异基因签名来理解分子机制 | 单细胞转录组数据中的细胞，特别是与心力衰竭相关的细胞 | 机器学习 | 心血管疾病 | 单细胞RNA-seq | 深度神经网络 | 单细胞转录组数据 | NA | NA | 单细胞RNA-seq | NA | NA |
| 336 | 2025-12-09 |
Adaptive resampling for improved machine learning in imbalanced single-cell datasets
2025-Nov-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.04.686583
PMID:41279118
|
研究论文 | 本文提出了一种自适应的重采样方法，用于改善不平衡单细胞数据集中的机器学习性能 | 提出了一种通用的自适应重采样方法，能够基于学习到的潜在结构在线、自适应地重采样数据，以增强单细胞表示学习 | 未明确提及具体限制，可能包括方法在特定数据集或任务中的泛化能力需要进一步验证 | 旨在提高单细胞转录组学数据中机器学习模型的表示学习和预测性能 | 单细胞转录组学数据，特别是基因表达重建、细胞类型分类和扰动响应预测任务 | 机器学习 | NA | 单细胞RNA-seq | NA | 基因表达数据 | NA | NA | 单细胞RNA-seq | NA | NA |
| 337 | 2025-12-09 |
ResNet50 and Single-Cell Multi-Omics analysis identify key cellular and molecular features in pediatric acute lymphoblastic leukemia
2025-Nov, Annals of hematology
IF:3.0Q2
DOI:10.1007/s00277-025-06675-6
PMID:41125957
|
研究论文 | 本研究通过整合基于深度学习的图像分析与单细胞转录组学和T细胞受体测序，揭示了儿童急性淋巴细胞白血病的细胞和分子特征 | 首次将ResNet50深度学习模型用于白血病单细胞图像分类，并与单细胞多组学数据整合，以阐明疾病机制并发现潜在的复发生物标志物 | 未明确说明样本的具体数量或来源，可能限制了结果的普遍适用性 | 解决儿童急性淋巴细胞白血病早期诊断、复发预测和个体化治疗的挑战 | 儿童急性淋巴细胞白血病（ALL） | 数字病理学 | 白血病 | 单细胞转录组测序, T细胞受体测序 | ResNet50, Grad-CAM | 图像, 单细胞RNA测序数据 | NA | NA | 单细胞多组学 | NA | NA |
| 338 | 2025-12-08 |
Identification of marginal zone B cells in head and neck cancer with immunomodulatory characteristics
2025-Nov-29, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.11.070
PMID:41325834
|
研究论文 | 本研究通过流式细胞术和单细胞RNA测序技术，在头颈癌患者中鉴定出具有免疫调节特性的边缘区B细胞，并探讨了其在肿瘤发生和预后中的作用 | 首次将边缘区B细胞与头颈癌肿瘤发展和预后关联，揭示了MZB-2亚群在早期肿瘤中的有益调节作用及MZB-Tfh-GCB轴的存在 | 研究未明确MZBs在晚期头颈癌中失去预后关联的具体机制，且免疫抑制基因特征并非MZBs独有 | 验证头颈癌中边缘区B细胞的存在，并研究其在肿瘤发生和预后中的潜在作用 | 头颈鳞状细胞癌患者和健康捐赠者的肿瘤组织、血液样本及B淋巴细胞 | 单细胞组学 | 头颈癌 | 流式细胞术, 单细胞RNA测序, 空间转录组学 | NA | 单细胞RNA测序数据, 流式细胞术数据, 空间转录组数据 | 118名头颈癌患者和6名健康捐赠者 | NA | 单细胞RNA测序, 空间转录组学 | NA | NA |
| 339 | 2025-12-08 |
Identification of plasma cell infiltration-related gene signatures as a novel prognostic model for clear cell renal cell carcinoma
2025-Nov-11, Clinical and experimental medicine
IF:3.2Q2
DOI:10.1007/s10238-025-01907-5
PMID:41217528
|
研究论文 | 本研究旨在识别调控肾透明细胞癌中浆细胞浸润的关键基因，并构建一个新型预后模型来预测肾透明细胞癌 | 首次基于浆细胞浸润相关基因构建了肾透明细胞癌的预后评分模型，并整合年龄和分期提高了预测价值 | 研究依赖于公开数据库数据，需在独立队列中进一步验证模型的普适性 | 识别肾透明细胞癌中浆细胞浸润相关的关键基因，并构建预后预测模型 | 肾透明细胞癌患者 | 机器学习 | 肾透明细胞癌 | 单细胞测序 | 预后评分模型 | 基因表达数据 | TCGA和ArrayExpress数据库数据，以及外部验证队列 | NA | 单细胞RNA-seq | NA | NA |
| 340 | 2025-12-08 |
Platelet CKB as a potential contributor to serum creatine kinase abnormalities and metastasis in cancer patients
2025-Nov-11, Clinical and experimental medicine
IF:3.2Q2
DOI:10.1007/s10238-025-01912-8
PMID:41217562
|
研究论文 | 本研究通过整合回顾性癌症队列、血清CK同工酶电泳及qRT-PCR分析，探讨了癌症患者血清CK-MB活性异常升高的分子机制及其与肿瘤生物学的关系 | 首次揭示了血小板CKB作为血清CK异常和癌症转移的潜在贡献者，并开发了整合CK-BB和线粒体CK亚型的复合指数CK-Sub，用于评估肿瘤进展 | 研究主要基于回顾性队列和公共数据集，需要前瞻性研究验证；样本量虽大但集中于结直肠癌和肺癌，其他癌症类型代表性有限 | 探究癌症患者血清CK-MB活性异常升高的分子起源及其与肿瘤生物学特性的关联 | 癌症患者（特别是结直肠癌和肺癌患者）的血清、血小板样本及公共RNA测序数据集 | 肿瘤生物学 | 肺癌 | qRT-PCR, RNA测序, 单细胞RNA测序, 血清CK同工酶电泳 | NA | RNA测序数据, 单细胞RNA测序数据, 电泳数据, qRT-PCR数据 | 回顾性癌症队列1,651例患者，配对血清和血小板样本 | NA | RNA测序, 单细胞RNA测序 | NA | NA |