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 43167 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2026-09-09 |
CCR7-PERK-CREB3L1 signaling mediates tumor-associated macrophages-derived SPP1 promotion of oral squamous cell carcinoma
2026-Jul-20, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-026-10658-2
PMID:42477036
|
研究论文 | 本研究通过构建CCR7缺陷的小鼠口腔鳞状细胞癌模型，结合单细胞RNA测序等技术，揭示了CCR7-PERK-CREB3L1信号通路调控肿瘤相关巨噬细胞分泌SPP1进而促进口腔鳞状细胞癌进展的机制 | 首次揭示了CCR7在肿瘤相关巨噬细胞中的免疫调节作用及其通过PERK-CREB3L1信号通路调控SPP1表达促进口腔鳞状细胞癌进展的新机制 | 该研究主要基于小鼠模型，其发现需在人类样本中进一步验证 | 探究CCR7在肿瘤相关巨噬细胞中的功能及其在口腔鳞状细胞癌进展中的作用机制 | CCR7缺陷小鼠口腔鳞状细胞癌模型中的肿瘤相关巨噬细胞及口腔鳞状细胞癌细胞 | 肿瘤免疫学 | 口腔鳞状细胞癌 | 单细胞RNA测序 | NA | 基因表达数据 | 小鼠模型（具体数量未提供） | NA | 单细胞RNA测序 | NA | NA |
| 182 | 2026-09-09 |
Glycosylation-related gene risk model and functional validation of OSTC and TUBA1C in lung adenocarcinoma
2026-Jul-16, Respiratory research
IF:4.7Q1
DOI:10.1186/s12931-026-03817-w
PMID:42464299
|
研究论文 | 本研究整合TCGA和GEO多组学数据，基于糖基化基因集通过10种机器学习算法构建了肺腺癌风险模型（GPRS），并通过体外实验验证了OSTC和TUBA1C通过PI3K/AKT通路驱动肿瘤进展的功能。 | 创新点在于首次利用多组学数据和多种机器学习算法构建糖基化相关基因风险模型（GPRS），并鉴定了OSTC和TUBA1C作为肺腺癌的新型候选靶点，结合单细胞和空间转录组学及体外实验阐明了其通过N-糖基化和PI3K/AKT通路驱动肿瘤进展的机制。 | 局限性在于研究主要依赖公共数据库和体外实验，缺乏体内动物模型及临床患者样本的验证，且风险模型的临床应用价值需在更大规模的前瞻性队列中进一步评估。 | 构建肺腺癌糖基化相关基因风险模型，并验证OSTC和TUBA1C的功能及机制，为LUAD的预后预测和精准治疗提供候选靶点。 | 肺腺癌肿瘤细胞及TCGA/GEO数据库中的LUAD多组学数据。 | 机器学习和数字病理学 | 肺腺癌 | 多组学分析、单细胞转录组学、空间转录组学、体外实验 | 机器学习模型（包含Cox回归和10种机器学习算法） | 基因组学、转录组学、单细胞和空间转录组数据 | TCGA-LUAD数据集（样本数未明确）及GEO数据集，具体样本量未提供。 | NA | 单细胞转录组学、空间转录组学 | NA | NA |
| 183 | 2026-09-09 |
T-cell miR-155 regulates the response to tumor-specific mRNA vaccines in a murine model of acute myeloid leukemia
2026-Jul-10, Journal of immunology (Baltimore, Md. : 1950)
DOI:10.1093/jimmun/vkag184
PMID:42464564
|
研究论文 | 本研究探讨了T细胞中miR-155在急性髓系白血病小鼠模型中调节肿瘤特异性mRNA疫苗反应的作用 | 首次发现miR-155在T细胞中作为mRNA疫苗反应的关键调节因子，并揭示其在CD8+ T细胞中对转录组的特异调控，表明miR-155在mRNA-脂质纳米颗粒治疗中具有新颖且情境特定的作用 | 研究基于小鼠模型，其发现可能不完全适用于人类；未在人类样本中验证；且仅关注miR-155在T细胞中的作用，其他细胞类型中的作用未深入探讨 | 评估T细胞中miR-155在基线及mRNA疫苗诱导的抗AML免疫反应中的作用，并阐明其机制 | T细胞中miR-155条件敲除小鼠（miR-155 fl/fl CD4+Cre）及其同系C1498-OVA小鼠AML模型 | 免疫学 | 急性髓系白血病 | 单细胞RNA测序 | 条件基因敲除小鼠模型 | 基因表达数据 | 未明确样本数量 | 10x Genomics | 单细胞RNA测序 | 10x Chromium | 10x Chromium单细胞3'测序 |
| 184 | 2026-09-09 |
CSCN: inference of cell-specific causal networks using single-cell RNA-seq data
2026-07-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag480
PMID:42378449
|
研究论文 | 提出CSCN框架，利用单细胞RNA-seq数据推断具有方向性的细胞特异性因果调控网络，以提高网络准确性并应用于细胞状态识别和发育轨迹分析 | CSCN首次在单细胞水平引入因果发现技术，结合kd-tree和位图索引进行条件独立性检验，生成稀疏且具有因果可解释性的有向网络，有效抑制间接关联和假阳性 | 文中未明确提及局限性，但可能受限于单细胞数据稀疏性和计算复杂度，且因果推断基于观测数据，需依赖假设 | 开发一种能够推断细胞特异性因果基因调控网络的方法，以解析单细胞水平的调控异质性并提高细胞状态区分的准确性 | 单细胞基因调控网络及细胞状态、发育轨迹 | 机器学习 | NA | 单细胞RNA测序、多组学测序、空间转录组学 | 因果发现模型 | 基因表达数据、多组学数据、空间转录组数据 | 九个单细胞RNA-seq数据集、配对PBMC多组学、CITE-seq和空间转录组数据集 | NA | 单细胞RNA-seq、单细胞多组学、CITE-seq、空间转录组学 | NA | NA |
| 185 | 2026-09-09 |
PLNFGL: joint estimation of multi-condition gene networks from single-cell RNA-seq data
2026-07-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag485
PMID:42398025
|
研究论文 | 提出PLNFGL框架，用于从单细胞RNA测序数据中联合估计多条件下的基因调控网络 | 结合泊松对数正态模型和融合图套索方法，处理dropout事件并估计多条件特异性网络 | 未在论文中明确提及限制 | 开发一种能适应单细胞RNA测序数据特性的多条件基因网络联合估计方法 | 单细胞RNA测序数据（阿尔茨海默病）和空间转录组数据（肺癌） | 机器学习和生物信息学 | 阿尔茨海默病和肺癌 | 单细胞RNA测序和空间转录组学 | 泊松对数正态模型和图套索 | 基因表达数据 | 未指定样本数量 | NA | NA | NA | NA |
| 186 | 2026-09-09 |
SpatialPEFT: a parameter-efficient fine-tuning framework for spatial transcriptomics foundation models
2026-07-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag503
PMID:42421217
|
研究论文 | 提出一个名为SpatialPEFT的参数高效微调框架，用于空间转录组学基础模型，能在单张16 GB消费级GPU上适应高达14亿参数的大型模型，同时大幅提升下游空间注释准确性 | 整合了低秩适应、梯度检查点与空间感知适配器，将峰值VRAM降低超过87%，并实现在普通GPU上微调大规模空间转录组学基础模型 | 未知 | 提升空间转录组学基础模型的适应性和下游空间注释准确性，同时降低计算资源需求 | 空间转录组学基础模型（最高达14亿参数） | 机器学习和空间组学 | 未知 | LoRA、梯度检查点、空间感知适配器 | 空间转录组学基础模型 | 空间转录组数据 | 未知 | 未知 | 空间转录组学 | 未知 | 未知 |
| 187 | 2026-09-09 |
Structural-information guided fusion for spatial domain identification from spatial transcriptomics
2026-07-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag508
PMID:42423290
|
研究论文 | 提出了一种名为SGFST的新框架，用于空间转录组学中的空间区域识别，通过整合空间图和信号图并采用双分支图卷积网络及注意力融合机制，同时优化多个损失函数以保留局部邻域连续性和全局拓扑结构 | 首次在空间区域识别中联合利用空间图和信号图，通过双分支图卷积网络与注意力融合捕捉互补信息，并结合贝叶斯个性化排序损失、零膨胀负二项损失和距离结构信息约束来同时保持局部邻域连续性和全局拓扑一致性 | 文中未提及局限性 | 提高空间转录组学中空间区域识别的准确性，通过考虑细胞间相互作用和保留多尺度结构信息来突破现有方法的局限 | 空间转录组数据中的组织区域和细胞群体 | 机器学习 | NA | 空间转录组学 | 图卷积网络（GCN） | 空间转录组数据（基因表达与空间坐标） | 多个数据集（具体数量未给出） | NA | 空间转录组学 | NA | NA |
| 188 | 2026-09-09 |
SpaBiT: enhancing spatial transcriptomics resolution via bidirectional attention transformers
2026-07-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag443
PMID:42391614
|
研究论文 | 提出了一种名为SpaBiT的多模态框架，通过双向注意力机制提高空间转录组学的分辨率。 | 采用双向交叉注意力模块，结合图像特征和基于图注意力网络的邻域感知表示，显式建模了局部形态与空间拓扑结构之间的协同约束关系。 | 原文未明确讨论局限性，因此不提供详细信息。 | 提高空间转录组学的空间分辨率和数据密度，生成高保真的基因表达图谱。 | 空间转录组学数据及其对应的组织学图像。 | 深度学习 | 不适用 | 空间转录组学 | 图注意力网络、双向跨注意力、变换器 | 图像、基因表达数据 | 未在标题和摘要中提供样本数量或类型信息。 | 不适用 | 空间转录组学 | 不适用 | 不适用 |
| 189 | 2026-09-09 |
MCFST: spatial domain identification method based on multi-view graph convolutional network and graph fusion network
2026-07-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag469
PMID:42397221
|
研究论文 | 提出MCFST方法，一种基于多视图图卷积网络和图融合网络的空间域识别方法，用于整合空间转录组数据中的多种信息 | 通过最大化互信息引导的融合模块，对齐多视图表示并整合异构信息，提升空间域识别精度和鲁棒性 | 在标题和摘要中未明确说明局限性 | 提高空间转录组数据中空间域识别的准确性和鲁棒性 | 空间转录组数据集，包括两个模拟数据集和三个真实空间转录组数据集 | 机器学习 | NA | 空间转录组学 | 图神经网络（多视图图卷积网络和图融合网络） | 空间转录组数据（含基因表达和空间坐标） | 两个模拟数据集和三个真实空间转录组数据集 | NA | 空间转录组学 | NA | NA |
| 190 | 2026-09-09 |
Odon: an ultra-fast viewer for spatial proteomics
2026-07-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag514
PMID:42435412
|
研究论文 | 介绍Odon，一个超快空间蛋白质组学查看器。 | 首次采用Rust和GPU优化实现大规模空间可视化。 | 文中未指明局限性。 | 开发高性能空间蛋白质组学可视化平台。 | 空间蛋白质组学数据集及分割细胞。 | 计算生物学，空间蛋白质组学 | 不适用 | 空间蛋白质组学成像（多重成像） | 不适用 | 图像（空间蛋白质组学成像数据） | 合成数据集及超过100万分割细胞的测试 | 不适用 | 空间蛋白质组学，空间转录组学（数据兼容性） | OME-Zarr，Xenium容器（支持格式） | 支持GeoJSON、GeoParquet、SpatialData、Xenium容器和TIFF格式，数据可本地或通过HTTP/S3流式传输 |
| 191 | 2026-09-09 |
FIERCE: reconstructing dynamic trajectories from the differentiation potency of single cells
2026-07-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag516
PMID:42440340
|
研究论文 | 介绍FIERCE，一种基于单细胞分化潜能推断动态轨迹的计算流程，通过无监督方式重建细胞谱系 | 提出无监督且不依赖先验知识的细胞轨迹重建方法，利用熵速度预测分化潜能变化 | 依赖模拟数据和已知小鼠系统的验证，可能对复杂或未知发育路径的系统适用性有限 | 开发计算工具FIERCE，以无监督方式从单细胞转录组推断动态细胞过程 | 小鼠分化系统和模拟单细胞数据 | 机器学习 | NA | 单细胞RNA测序 | 计算流程 | 基因表达数据 | 模拟数据和三个小鼠分化系统 | NA | 单细胞RNA测序 | NA | NA |
| 192 | 2026-09-09 |
Riemannian metric learning for alignment of spatial multiomics
2026-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag220
PMID:42412825
|
研究论文 | 提出一种名为流形格罗莫夫-瓦瑟斯坦（MGW）的度量学习框架，用于对齐空间多组学数据 | 首次利用神经场学习模态特定的黎曼回拉度量，并通过格罗莫夫-瓦瑟斯坦最优传输对齐空间多组学数据，实现任意模态间的无超参数对齐，且具有理论不变性 | 信息未在标题和摘要中提供 | 开发一种空间对齐方法，融合空间与特征信息，以对齐来自异构特征空间的空间多组学数据 | 多个空间多组学数据集，包括小鼠胚胎的Stereo-Seq时空转录组、结直肠癌的Xenium和Visium空间转录组，以及人纹状体和肾癌的空间代谢组-转录组 | 机器学习和空间组学 | 结直肠癌、肾癌 | 空间转录组学、空间代谢组学、最优传输 | 神经场、格罗莫夫-瓦瑟斯坦最优传输 | 空间转录组数据、空间代谢组数据 | 多个空间组学数据集（具体样本数量未在摘要中说明） | 10x Genomics, 华大智造 (估计) | 空间转录组学、空间代谢组学 | 10x Visium, 10x Xenium, Stereo-Seq | Xenium和Visium用于结直肠癌，Stereo-Seq用于小鼠胚胎 |
| 193 | 2026-09-09 |
Amaranth: enhanced single-cell transcript assembly via discriminative modelling of UMI reads and internal reads
2026-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag292
PMID:42412805
|
研究论文 | 开发了名为Amaranth的单细胞转录本组装工具，通过区分建模UMI读段和内部读段，提高了单细胞RNA测序中全长转录本的组装准确性。 | 首次区分并建模UMI读段和内部读段的不同统计特性，为此设计了针对性的启发式算法，包括链特异性分配、剪接图优化和转录起始位点精确确定。 | 未提及明显的局限性。 | 提高单细胞RNA测序中单个细胞全长转录本的组装准确性，支持异构体水平的表达分析。 | 人类HEK293T细胞和小鼠成纤维细胞的Smart-seq3数据集 | 生物信息学 | NA | RNA-seq | NA | 测序读段 | 人类HEK293T细胞和小鼠成纤维细胞样本（具体数量未提及） | NA | 单细胞RNA测序 | NA | Smart-seq3 |
| 194 | 2026-09-09 |
Diffusion-based representation integration for foundation models improves spatial transcriptomics analysis
2026-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag259
PMID:42412816
|
研究论文 | 提出DRIFT框架，通过扩散集成空间上下文到基础模型的输入表示中，提升空间转录组学分析性能 | 利用热核扩散在空间图中传播嵌入，结合单细胞基础模型与空间上下文，实现多任务泛化 | 未明确提及 | 提升现有基础模型在空间转录组数据上的分析性能，弥合通用模型在空间转录组学建模中的差距 | 空间转录组数据及五种子基础模型 | 机器学习 | NA | 空间转录组学 | 基础模型 | 基因表达数据 | 未明确提及 | NA | 空间转录组学 | NA | NA |
| 195 | 2026-09-09 |
PertAdapt: unlocking single-cell foundation models for genetic perturbation prediction via condition-sensitive adaptation
2026-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag307
PMID:42412811
|
研究论文 | 提出PertAdapt框架，通过结合插件式扰动适配器和自适应损失，解锁单细胞基础模型以准确预测遗传扰动效应。 | 引入基因相似性掩码注意力机制的扰动适配器，以及动态重新加权扰动敏感基因的自适应损失，有效转移预训练知识并处理基因不平衡问题。 | 摘要中未明确提及局限性，可能包括对大规模数据或特定扰动类型的依赖。 | 提升单细胞基础模型在遗传扰动预测任务中的性能，特别是在敲除、变异等未见扰动场景下的转录响应预测。 | 遗传扰动（如单基因敲除、双基因敲除、变异）下的单细胞转录组数据。 | 机器学习 | NA | 单细胞RNA测序数据分析 | 单细胞基础模型（如Transformer等预训练模型） | 单细胞RNA测序数据 | 七个扰动数据集，涵盖单基因和双基因敲除设置。 | NA | 单细胞RNA测序 | NA | NA |
| 196 | 2026-09-09 |
Striping artifact removal in VisiumHD data through nuclear counts modeling
2026-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag306
PMID:42412812
|
研究论文 | 提出一种基于核计数的统计去条纹方法，用于去除VisiumHD数据中的条带伪影 | 利用核分割和负二项分布建模，以核特异性浓度与行列条纹因子的乘积作为均值，结合交叉验证正则化，相比bin2cell方法更对称且能更好保留生物信号 | 未提及 | 去除VisiumHD空间转录组数据中的条带伪影，提高数据质量 | 10x Genomics VisiumHD空间转录组数据及共配准的H&E图像 | 空间转录组学 | 不适用 | 空间转录组学 | 广义线性模型（GLM） | 空间转录组数据、H&E图像 | 四个公开的VisiumHD切片 | 10x Genomics | 空间转录组学 | 10x VisiumHD | 10x VisiumHD，2 µm × 2 µm分辨率 |
| 197 | 2026-09-09 |
R4ST: a reference-guided graph-generative model for robust reconstruction of spatial transcriptomic profiles
2026-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag228
PMID:42412818
|
研究论文 | 提出R4ST，一种基于参考引导的图生成模型，用于稳健重建空间转录组图谱中的缺失表达数据 | R4ST利用图归纳和转导建模的双重学习通道，结合scRNA-seq参考数据，捕捉空间数据中的互补时空拓扑信息，实现高精度缺失基因表达重建 | 摘要未提及 | 提升空间转录组数据完整性，增强其生物学可解释性 | 来自不同平台的空间转录组数据集 | 机器学习 | NA | 空间转录组测序 | 图生成模型 | 基因表达数据 | 多个数据集 | NA | 空间转录组学 | NA | NA |
| 198 | 2026-09-09 |
A dependency-aware deep generative model for inferring RNA velocity from spatial transcriptomics
2026-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag270
PMID:42412830
|
研究论文 | 提出spaVelo，一种依赖感知的深度生成模型，用于从空间转录组数据推断RNA速度。 | 将空间信息整合到转录动力学中，采用空间感知的变分自编码器和空间调制的转录比例因子，能够对斑点特异性和异质性动态进行建模。 | 未在摘要中明确说明。 | 开发用于空间转录组数据RNA速度推断的依赖感知模型，以研究组织中的细胞状态转变。 | 模拟和真实的空间转录组数据。 | 机器学习和空间转录组学 | NA | 空间转录组学 | 空间感知变分自编码器 | 基因表达数据（空间转录组） | NA | NA | 空间转录组学 | NA | NA |
| 199 | 2026-09-09 |
CPS: mapping physical coordinates to high-fidelity spatial transcriptomics via privileged multi-scale context distillation
2026-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag218
PMID:42412832
|
研究论文 | 提出了一种名为CPS的框架，通过特权多尺度上下文蒸馏将物理坐标映射到高保真空间转录组，用于空间和基因表达插补及去噪。 | 引入基于特权的多尺度上下文蒸馏策略，并带有教师网络与多尺度生态位注意力机制，以克服现有方法在图像配准依赖和隐式神经表征上下文盲区上的局限。 | 未提供明确的局限性分析，可能对图像配准或其他特定平台有依赖。 | 开发CPS框架以高保真方式恢复空间转录组数据，提高插补、去噪和超分辨率性能，并支持可扩展性。 | DLPFC数据集、小鼠大脑组织、人乳腺癌组织。 | 机器学习 | 乳腺癌 | 空间转录组 | 隐式神经表示、教师-学生网络 | 空间转录组数据、图像 | 涉及DLPFC数据集、小鼠脑样本和人类乳腺癌样本，具体数量未说明。 | NA | 空间转录组 | NA | NA |
| 200 | 2026-09-09 |
A disentangled transformer-based transfer learning framework to predict patient drug response from tumor single-cell transcriptomics
2026-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btag269
PMID:42412833
|
研究论文 | 提出scTAPE，一种基于解耦Transformer的迁移学习框架，用于从肿瘤单细胞转录组数据预测患者药物反应 | 首次在单细胞水平上利用解耦学习策略提取受混杂因素掩盖的药理学信号，并通过预训练和微调范式实现跨域泛化，超越现有基于单细胞的预测方法 | 未在论文中明确说明限制，可能包括对临床数据集的依赖性及模型泛化性的进一步验证需求 | 利用单细胞转录组学预测患者药物反应，克服肿瘤内细胞异质性对治疗效果的影响 | 肿瘤单细胞转录组数据、细胞系数据及两个独立临床队列 | 机器学习 | 癌症 | 单细胞转录组测序 | Transformer | 单细胞转录组表达数据 | 细胞系数据集及两个临床队列，具体样本数未详述 | NA | 单细胞RNA-seq | NA | NA |