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，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10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 28751 篇文献，本页显示第 21001 - 21020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21001 | 2024-08-08 |
Single Cell Sequencing Reveals Mechanisms of Persistent Truncus Arteriosus Formation after PDGFRα and PDGFRβ Double Knockout in Cardiac Neural Crest Cells
2022-Sep-23, Genes
IF:2.8Q2
DOI:10.3390/genes13101708
PMID:36292593
|
研究论文 | 本文通过构建持久性动脉干（PTA）小鼠模型，研究了心脏神经嵴细胞中PDGFRα和PDGFRβ双敲除后导致PTA的机制 | 利用单细胞RNA测序技术，揭示了双敲除组中心脏神经嵴细胞衍生细胞在心脏流出道的分隔和重塑过程中的异常 | NA | 探讨心脏神经嵴细胞中PDGFRα和PDGFRβ双敲除后导致持久性动脉干形成的机制 | 心脏神经嵴细胞及其在心脏流出道的分隔和重塑过程中的作用 | 数字病理学 | 先天性心脏病 | 单细胞RNA测序 | NA | RNA | 小鼠模型 |
| 21002 | 2024-08-08 |
FTH1- and SAT1-Induced Astrocytic Ferroptosis Is Involved in Alzheimer's Disease: Evidence from Single-Cell Transcriptomic Analysis
2022-Sep-22, Pharmaceuticals (Basel, Switzerland)
DOI:10.3390/ph15101177
PMID:36297287
|
研究论文 | 本研究通过单细胞转录组分析探讨了阿尔茨海默病中星形胶质细胞铁死亡的作用及其分子机制 | 首次揭示了FTH1和SAT1在星形胶质细胞中诱导的铁死亡与阿尔茨海默病病理过程的关系 | 研究主要基于数据库中的单细胞RNA测序数据，未来需通过实验进一步验证 | 探索阿尔茨海默病中星形胶质细胞的铁死亡机制及其对疾病进程的影响 | 阿尔茨海默病患者和健康对照者的脑组织细胞 | 神经科学 | 阿尔茨海默病 | 单细胞RNA测序 | NA | 转录组数据 | 来自Gene Expression Omnibus (GEO)数据库的阿尔茨海默病患者和健康对照者的样本 |
| 21003 | 2024-08-08 |
The Tumor Immune Profile of Murine Ovarian Cancer Models: An Essential Tool For Ovarian Cancer Immunotherapy Research
2022-06, Cancer research communications
IF:2.0Q3
DOI:10.1158/2767-9764.crc-22-0017
PMID:36311166
|
研究论文 | 本文通过单细胞RNA测序、流式细胞术和免疫组化技术，对六种卵巢肿瘤模型进行了免疫原性分析，以全面表征和比较这些模型系统，反映卵巢癌的多样性。 | 本文首次详细分析了六种卵巢肿瘤模型的免疫特征，包括T细胞和骨髓细胞的浸润情况，以及免疫成分和细胞因子的分布，为卵巢癌免疫治疗研究提供了新的工具。 | 研究仅限于小鼠模型，可能与人类疾病的实际情况存在差异。 | 旨在为卵巢癌免疫治疗研究提供一个全面的模型系统，以测试免疫疗法的效果，探索免疫反应机制，并指导患者治疗方案的选择。 | 六种卵巢肿瘤模型，包括ID8-p53-/-, ID8-C3, STOSE, MOE-PTEN/KRAS等。 | 数字病理学 | 卵巢癌 | 单细胞RNA测序, 流式细胞术, 免疫组化 | NA | 细胞 | 六种卵巢肿瘤模型 |
| 21004 | 2024-08-08 |
Integrated analysis of bulk and single-cell RNA-seq reveals the role of MYC signaling in lung adenocarcinoma
2022, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2022.1021978
PMID:36299592
|
研究论文 | 本文通过综合分析大量和单细胞RNA测序数据，揭示了MYC信号在肺腺癌中的作用 | 首次将大量和单细胞RNA测序数据结合，通过GSVA评分和Spearman相关性分析，将基因分为与MYC信号高度相关的两个基因集，并验证了MYC信号与细胞分化的关联 | NA | 揭示MYC信号在肺腺癌中的作用及其对疾病进展的影响 | 肺腺癌的多组学数据，包括基因组、转录组和单细胞测序数据 | 数字病理学 | 肺腺癌 | RNA测序 | NA | 基因组数据、转录组数据、单细胞测序数据 | 多个队列的肺腺癌样本 |
| 21005 | 2024-08-08 |
Combining single-cell sequencing data to construct a prognostic signature to predict survival, immune microenvironment, and immunotherapy response in gastric cancer patients
2022, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2022.1018413
PMID:36300104
|
研究论文 | 本研究利用单细胞测序数据构建了一个预测胃癌患者生存、免疫微环境和免疫治疗反应的预后标志物 | 首次结合单细胞RNA测序和批量RNA测序数据，构建了一个免疫相关的遗传标志物，用于分类胃癌病例并预测患者的预后、免疫状态和治疗反应 | NA | 开发一个免疫相关的遗传标志物，用于分类胃癌病例并预测患者的预后、免疫状态和治疗反应 | 胃癌患者的单细胞RNA测序数据和批量RNA测序数据 | 数字病理学 | 胃癌 | 单细胞RNA测序（scRNA-seq） | NA | RNA序列数据 | 多个胃癌患者的样本 |
| 21006 | 2024-08-08 |
Advances in single-cell sequencing technology in the field of hepatocellular carcinoma
2022, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2022.996890
PMID:36303541
|
综述 | 本文综述了单细胞测序技术在肝细胞癌研究中的应用及其基本流程和发展 | 单细胞测序技术能够以单细胞分辨率解析人类肿瘤，精细描绘不同细胞类型，揭示肿瘤细胞的异质性 | NA | 探讨单细胞测序技术在肝细胞癌研究中的应用，以改善其临床诊断、治疗和预后判断 | 肝细胞癌的肿瘤细胞异质性、肿瘤免疫微环境及肿瘤细胞的克隆进化 | 数字病理学 | 肝细胞癌 | 单细胞测序（SCS） | NA | 基因组、转录组、表观基因组、蛋白质组或代谢组数据 | NA |
| 21007 | 2024-08-08 |
TransCluster: A Cell-Type Identification Method for single-cell RNA-Seq data using deep learning based on transformer
2022, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2022.1038919
PMID:36303549
|
研究论文 | 本文提出了一种名为TransCluster的混合网络结构，用于单细胞RNA测序数据的细胞类型识别，该方法结合线性判别分析和改进的Transformer模型，提高了细胞类型识别的准确性和鲁棒性 | TransCluster是首个使用Transformer模型进行单细胞RNA测序数据细胞类型注释的方法，显著提高了细胞类型识别的准确性 | NA | 开发一种新的细胞类型识别方法，以提高单细胞RNA测序数据分析的准确性和鲁棒性 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | Transformer | 转录组数据 | 多个不同人体组织的数据集 |
| 21008 | 2024-08-08 |
Comprehensive analysis of potential cellular communication networks in advanced osteosarcoma using single-cell RNA sequencing data
2022, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2022.1013737
PMID:36303551
|
研究论文 | 本文利用单细胞RNA测序数据对高级骨肉瘤中的潜在细胞通信网络进行了综合分析 | 揭示了11种细胞类型和17种潜在的细胞通信网络，为骨肉瘤的分子机制提供了新的见解 | NA | 深入理解肿瘤微环境，以开发有效的骨肉瘤治疗方法 | 骨肉瘤中的细胞类型和细胞通信网络 | 数字病理学 | 骨癌 | 单细胞RNA测序 | NA | RNA测序数据 | 11个骨肉瘤组织，包含25个细胞集群 |
| 21009 | 2024-08-08 |
SingleCAnalyzer: Interactive Analysis of Single Cell RNA-Seq Data on the Cloud
2022, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2022.793309
PMID:36304292
|
研究论文 | 本文介绍了SingleCAnalyzer，一个云平台，用于通过易于使用的自探索网页界面进行单细胞RNA测序（scRNA-Seq）数据的完整分析 | 开发了SingleCAnalyzer平台，提供了一个完整的scRNA-Seq分析流程，并通过交互式图形界面增强了探索和分析功能 | 需要生物信息学专业知识以正确应用这些计算方法，否则难以获得可靠和可重复的结果 | 开发一个用户友好的云平台，用于单细胞RNA测序数据的交互式分析 | 单细胞RNA测序数据 | 生物信息学 | NA | scRNA-Seq | NA | 文本 | NA |
| 21010 | 2024-08-08 |
Single-cell sequencing reveals the cell map and transcriptional network of sporadic vestibular schwannoma
2022, Frontiers in molecular neuroscience
IF:3.5Q2
DOI:10.3389/fnmol.2022.984529
PMID:36304995
|
研究论文 | 本研究基于来自散发性前庭神经鞘瘤患者的三个肿瘤样本，通过单细胞转录组测序获得32,011个细胞，质量控制和双细胞去除后得到22,309个高质量细胞。随后，通过聚类分析得到18个细胞簇，并将其注释为六种类型的细胞。基于这六种细胞簇进行了深入分析，包括描述每个细胞亚型的功能特征、细胞发育和分化途径、细胞间相互作用以及簇内的转录调控网络。 | 首次详细描述了散发性前庭神经鞘瘤肿瘤组织中各种类型细胞的单细胞图谱，揭示了不同细胞类型的功能状态和发展轨迹，并探索了Schwann细胞在周围神经系统中的功能状态，这在以往研究中未被报道。 | NA | 描述散发性前庭神经鞘瘤的单细胞图谱，揭示不同细胞类型的功能状态和发展轨迹。 | 散发性前庭神经鞘瘤患者的肿瘤样本中的细胞。 | 数字病理学 | 神经鞘瘤 | 单细胞转录组测序 | NA | 转录组数据 | 3个肿瘤样本，32,011个细胞，质量控制后22,309个高质量细胞 |
| 21011 | 2024-08-08 |
Single-cell RNA sequencing reveals distinct transcriptional features of the purinergic signaling in mouse trigeminal ganglion
2022, Frontiers in molecular neuroscience
IF:3.5Q2
DOI:10.3389/fnmol.2022.1038539
PMID:36311028
|
研究论文 | 本研究通过单细胞RNA测序技术，揭示了小鼠三叉神经节中嘌呤能信号传导的转录特征 | 首次通过单细胞RNA测序技术，详细分析了三叉神经节中不同细胞类型的嘌呤能信号相关基因的表达模式 | NA | 深入理解嘌呤能信号在三叉神经节中的细胞特异性作用 | 小鼠三叉神经节中的细胞类型及其嘌呤能信号相关基因的转录特征 | 数字病理学 | NA | 单细胞RNA测序 | NA | 基因表达数据 | 22,969个细胞 |
| 21012 | 2024-08-08 |
Dysregulation of B7 family and its association with tumor microenvironment in uveal melanoma
2022, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2022.1026076
PMID:36311731
|
研究论文 | 本文研究了B7家族在葡萄膜黑色素瘤中的失调及其与肿瘤微环境的关系 | 首次揭示了B7家族在葡萄膜黑色素瘤中的失调及其对肿瘤微环境的影响，并发现了CABP4和RORB作为潜在的治疗靶点 | NA | 探讨B7家族在葡萄膜黑色素瘤中的失调及其与肿瘤微环境的关系 | 葡萄膜黑色素瘤中的B7家族及其与肿瘤微环境的关系 | 数字病理学 | 葡萄膜黑色素瘤 | 单细胞RNA测序 | NA | 基因表达数据 | 数据来自TCGA和GEO数据库，具体样本数量未明确提及 |
| 21013 | 2024-08-08 |
Immune-infiltrating signature-based classification reveals CD103+CD39+ T cells associate with colorectal cancer prognosis and response to immunotherapy
2022, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2022.1011590
PMID:36311750
|
研究论文 | 本文开发了一种基于免疫相关特征的评分系统，用于结直肠癌患者的预后预测和免疫治疗效果评估 | 构建了基于54个无复发生存期相关免疫特征的免疫相关特征评分（IRScore），并发现CD103+CD39+ T细胞在CRC患者中的富集与良好的预后和免疫检查点阻断治疗反应相关 | NA | 构建一个基于详细免疫特征的评分系统，以对结直肠癌患者进行分层 | 结直肠癌患者的预后和免疫治疗反应 | 数字病理学 | 结直肠癌 | 质谱流式细胞术，单细胞RNA测序 | NA | 细胞 | CRC患者的CD45+细胞 |
| 21014 | 2024-08-08 |
Integrated analysis of single-cell and bulk RNA-sequencing identifies a signature based on T-cell marker genes to predict prognosis and therapeutic response in lung squamous cell carcinoma
2022, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2022.992990
PMID:36311764
|
研究论文 | 本研究通过综合分析单细胞和批量RNA测序数据，识别出基于T细胞标记基因的签名，用于预测肺鳞状细胞癌的预后和治疗反应 | 首次在肺鳞状细胞癌中利用T细胞标记基因构建预后签名，并验证其在不同队列中的有效性 | NA | 探索肺鳞状细胞癌中T细胞标记基因的预后价值和治疗反应 | 肺鳞状细胞癌患者的预后和治疗反应 | 数字病理学 | 肺鳞状细胞癌 | 单细胞RNA测序 | NA | 基因表达数据 | 训练队列、测试队列和GEO队列中的多个样本 |
| 21015 | 2024-08-08 |
Significance of macrophage infiltration in the prognosis of lung adenocarcinoma patients evaluated by scRNA and bulkRNA analysis
2022, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2022.1028440
PMID:36311801
|
研究论文 | 本研究通过单细胞和批量RNA分析技术，探讨巨噬细胞浸润对肺腺癌患者预后的影响 | 本研究首次通过单细胞测序技术识别肺腺癌组织中巨噬细胞亚型的标记基因，并构建了基于这些基因的风险评分模型 | NA | 探讨巨噬细胞浸润对肺腺癌患者预后的影响 | 肺腺癌患者的巨噬细胞浸润及其对预后的影响 | 数字病理学 | 肺癌 | 单细胞测序, WGCNA (加权基因共表达网络分析) | 风险评分模型 | RNA | 多个数据队列（TCGA-LUAD, GSE11969, GSE31210, GSE50081, GSE72094, GSE8894, GSE19188, GSE26939, GSE42127）和临床样本 |
| 21016 | 2024-08-08 |
Insights into the roles and driving forces of CCT3 in human tumors
2022, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2022.1005855
PMID:36313331
|
研究论文 | 本研究从泛癌角度探讨CCT3的特征及其在肿瘤中的驱动作用 | 首次构建了lncRNA/circRNA-miRNA-CCT3调控网络，并预测了CCT3的敏感药物 | NA | 探索CCT3在多种肿瘤中的作用及其驱动因素 | CCT3在肿瘤中的表达及其对肿瘤微环境的影响 | 数字病理学 | 多种肿瘤类型 | 生物信息学分析，单细胞测序 | NA | mRNA，蛋白质，单细胞测序数据 | 多种肿瘤类型的样本 |
| 21017 | 2024-08-08 |
Corrigendum: Single-cell RNA sequencing reveals the difference in human normal and degenerative nucleus pulposus tissue profiles and cellular interactions
2022, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2022.1051707
PMID:36313561
|
correction | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21018 | 2024-08-08 |
Single-nuclei analysis reveals depot-specific transcriptional heterogeneity and depot-specific cell types in adipose tissue of dairy cows
2022, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2022.1025240
PMID:36313560
|
研究论文 | 本研究通过单核RNA测序分析，揭示了奶牛内脏和皮下脂肪组织中细胞类型的差异性和特定亚型 | 首次在奶牛脂肪组织中展示了细胞类型和库特异性异质性，为针对脂肪组织的策略开发提供了新见解 | NA | 阐明奶牛内脏和皮下脂肪组织在单核水平上的细胞多样性差异 | 奶牛的内脏和皮下脂肪组织 | 数字病理学 | 代谢疾病 | 单核RNA测序（snRNA-seq） | NA | 基因表达数据 | 从三头奶牛收集的匹配的皮下和内脏脂肪组织样本 |
| 21019 | 2024-08-08 |
Cellular milieu in clear cell renal cell carcinoma
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.943583
PMID:36313721
|
综述 | 本文综述了最近关于透明细胞肾细胞癌（ccRCC）的单细胞转录组学研究，旨在阐明PTEC在ccRCC发展中的转变以及可能限制靶向免疫治疗反应的免疫细胞类型、状态和相互作用 | 提出基质细胞可能是ccRCC复发和局部侵袭的关键驱动因素 | 对于ccRCC恶性转变和免疫检查点治疗抵抗的机制仍不完全清楚 | 阐明ccRCC微环境中的细胞环境，从而定义ccRCC的临床、治疗和预后特征 | 透明细胞肾细胞癌（ccRCC）及其发展过程中的细胞转变和免疫治疗反应 | 数字病理学 | 肾癌 | 单细胞转录组学 | NA | 转录组数据 | NA |
| 21020 | 2024-08-08 |
Single-cell profiling lights different cell trajectories in plants
2021-Mar, aBIOTECH
IF:4.6Q1
DOI:10.1007/s42994-021-00040-7
PMID:36304478
|
综述 | 本文主要讨论了单细胞RNA测序（scRNA-seq）方法在植物干细胞维持和分化、细胞对环境变化的响应以及scRNA-seq改进策略方面的最新见解 | 介绍了scRNA-seq在植物干细胞维持和分化中的应用，以及空间转录组学、表观基因组学和单细胞多组学等技术的新视角 | NA | 探讨scRNA-seq在植物干细胞维持和分化中的应用及其改进策略 | 植物干细胞的维持和分化 | 基因组学 | NA | 单细胞RNA测序（scRNA-seq） | NA | 转录组数据 | NA |