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 23918 篇文献，本页显示第 23641 - 23660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 23641 | 2024-08-09 |
Single-Cell Sequencing Technology in Oncology: Applications for Clinical Therapies and Research
2016, Analytical cellular pathology (Amsterdam)
DOI:10.1155/2016/9369240
PMID:27313981
|
review | 本文综述了单细胞测序技术在肿瘤学中的应用，特别是其在临床治疗和研究中的潜力 | 单细胞测序技术能够分析单个细胞的基因多态性，有助于揭示肿瘤细胞的异质性 | NA | 探讨单细胞测序技术在肿瘤治疗和研究中的应用 | 肿瘤细胞的异质性和遗传多态性 | digital pathology | NA | 单细胞测序（SCS） | NA | 基因组、转录组和表观基因组数据 | NA |
| 23642 | 2024-08-09 |
Single-Cell RNA-Seq Steps Up to the Growth Plate
2016-07, Trends in biotechnology
IF:14.3Q1
DOI:10.1016/j.tibtech.2016.05.007
PMID:27260936
|
研究论文 | 本文介绍了单细胞RNA测序技术的发展及其在数据分析方面的挑战，并提出了一个名为Sinova的单细胞分析平台 | 提出了Sinova平台，该平台能够对发育过程进行时间、空间和调控重建 | NA | 探讨单细胞RNA测序技术在数据分析方面的应用 | 单细胞RNA测序技术及其分析平台 | 生物信息学 | NA | 单细胞RNA测序 | NA | RNA测序数据 | NA |
| 23643 | 2024-08-09 |
Dissecting direct reprogramming from fibroblast to neuron using single-cell RNA-seq
2016-06-16, Nature
IF:50.5Q1
DOI:10.1038/nature18323
PMID:27281220
|
研究论文 | 本研究利用单细胞RNA测序技术，分析了从胚胎成纤维细胞直接重编程为诱导神经细胞的过程 | 本研究首次通过单细胞RNA测序技术，详细揭示了细胞在直接重编程过程中的分子路径和中间阶段 | 研究主要集中在重编程的后期阶段，对于早期阶段的详细机制仍有待进一步研究 | 旨在深入理解细胞直接重编程过程中的转录组状态 | 胚胎成纤维细胞到诱导神经细胞的重编程过程 | NA | NA | 单细胞RNA测序 | NA | 转录组数据 | 多个时间点的单细胞样本 |
| 23644 | 2024-08-09 |
The contribution of cell cycle to heterogeneity in single-cell RNA-seq data
2016-06-09, Nature biotechnology
IF:33.1Q1
DOI:10.1038/nbt.3498
PMID:27281413
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 23645 | 2024-08-09 |
SCOUP: a probabilistic model based on the Ornstein-Uhlenbeck process to analyze single-cell expression data during differentiation
2016-Jun-08, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-016-1109-3
PMID:27277014
|
研究论文 | 本文提出了一种基于Ornstein-Uhlenbeck过程的概率模型SCOUP，用于分析细胞分化过程中的单细胞表达数据 | SCOUP直接描述了整个分化过程中基因表达的动态变化，包括细胞的分化程度和细胞命运，相较于以往基于降维的方法有所改进 | NA | 开发一种新的方法来更准确地分析细胞分化过程中的单细胞表达数据 | 单细胞表达数据 | 生物信息学 | NA | 单细胞RNA测序 | 概率模型 | 表达数据 | 具体样本数量未在摘要中提及 |
| 23646 | 2024-08-09 |
Visualizing Clonal Evolution in Cancer
2016-06-02, Molecular cell
IF:14.5Q1
DOI:10.1016/j.molcel.2016.05.025
PMID:27259197
|
research paper | 本文讨论了如何通过单细胞测序技术快速且经济地展示癌症不稳定性和进化过程 | 提出了一种新的方法来在一个静态图像中展示肿瘤的时间、谱系和空间方面 | NA | 探索如何通过可视化技术展示癌症克隆进化 | 癌症克隆进化 | digital pathology | NA | single-cell sequencing | NA | image | NA |
| 23647 | 2024-08-09 |
Reply to The contribution of cell cycle to heterogeneity in single-cell RNA-seq data
2016-05-06, Nature biotechnology
IF:33.1Q1
DOI:10.1038/nbt.3607
PMID:27281414
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 23648 | 2024-08-09 |
Tracing haematopoietic stem cell formation at single-cell resolution
2016-05-26, Nature
IF:50.5Q1
DOI:10.1038/nature17997
PMID:27225119
|
研究论文 | 本文通过使用强效表面标记物捕获高纯度的早期造血干细胞前体细胞，并应用单细胞RNA测序分析其分子特征，揭示了造血干细胞形成的分子机制 | 首次在单细胞分辨率下追踪造血干细胞的形成过程，并揭示了其独特的转录机制、动脉特征、代谢状态、信号通路和转录因子网络 | NA | 解析体内造血干细胞逐步生成的复杂分子机制，为临床应用中工程化造血干细胞提供信息 | 造血干细胞及其前体细胞的分子特征 | NA | NA | 单细胞RNA测序 | NA | RNA | 涉及主动脉-性腺-中肾区域的血管内皮细胞、CD45(-)和CD45(+)造血干细胞前体细胞以及胎肝中的造血干细胞 |
| 23649 | 2024-08-09 |
Fast and accurate single-cell RNA-seq analysis by clustering of transcript-compatibility counts
2016-05-26, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-016-0970-8
PMID:27230763
|
research paper | 本文提出了一种基于转录兼容性读取计数的新方法，用于单细胞转录组分析中的细胞比较和聚类 | 该方法通过比较和聚类细胞的转录兼容性读取计数，而非标准分析流程中使用的转录本或基因定量，提高了分析速度和适用性 | NA | 旨在提高单细胞转录组分析的计算效率和通用性 | 单细胞RNA测序数据 | digital pathology | NA | RNA-seq | NA | text | 涉及两个不同但具有里程碑意义的单细胞RNA-seq数据集 |
| 23650 | 2024-08-09 |
Brain trauma elicits non-canonical macrophage activation states
2016-05-24, Journal of neuroinflammation
IF:9.3Q1
DOI:10.1186/s12974-016-0581-z
PMID:27220367
|
研究论文 | 本文通过单细胞RNA测序分析了创伤性脑损伤（TBI）后单核细胞衍生的脑巨噬细胞的基因表达谱，揭示了巨噬细胞激活状态的多样性和复杂性 | 发现TBI中的巨噬细胞激活状态不具有排他性，且单个巨噬细胞可以同时表达多个激活状态的标志基因，这与传统的巨噬细胞极化模型不符 | NA | 研究TBI中巨噬细胞的激活状态及其对病理过程的影响 | 创伤性脑损伤（TBI）中的单核细胞衍生的脑巨噬细胞 | NA | 创伤性脑损伤 | 单细胞RNA测序 | NA | 基因表达数据 | NA |
| 23651 | 2024-08-09 |
Efficient Synergistic Single-Cell Genome Assembly
2016, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2016.00042
PMID:27243002
|
研究论文 | 本文介绍了一种新的算法Hybrid De novo Assembler (HyDA)，用于提高单细胞基因组组装的质量 | HyDA通过协同组装多个单细胞基因组数据集，显著提高了组装质量，包括预测的功能元素和长度统计 | NA | 提高单细胞基因组组装的质量和可靠性 | 单细胞基因组数据集 | 基因组学 | NA | 单细胞测序 | HyDA | 基因组数据 | 三个未培养的甲烷生成社区成员 |
| 23652 | 2024-08-09 |
Quality control of single-cell RNA-seq by SinQC
2016-08-15, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btw176
PMID:27153613
|
research paper | 本文介绍了一种名为SinQC的方法和软件工具，用于检测单细胞RNA测序（scRNA-seq）样本中的技术伪影 | SinQC通过整合基因表达模式和数据质量信息来检测技术伪影，提高了scRNA-seq数据质量控制的效率 | NA | 开发和验证一种用于检测scRNA-seq样本中技术伪影的方法和软件工具 | scRNA-seq样本中的技术伪影 | RNA-seq | NA | 单细胞RNA测序（scRNA-seq） | NA | 基因表达数据 | 九个不同的scRNA-seq数据集 |
| 23653 | 2024-08-09 |
TSCAN: Pseudo-time reconstruction and evaluation in single-cell RNA-seq analysis
2016-07-27, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkw430
PMID:27179027
|
研究论文 | TSCAN 是一种用于单细胞 RNA-seq 分析中伪时间重建和评估的软件工具，通过基于聚类的最小生成树 (MST) 方法对细胞进行排序 | TSCAN 提供了一种新的基于聚类的 MST 方法来排序细胞，并开发了图形用户界面 (GUI) 和定量评估方法来比较不同的伪时间重建方法 | NA | 开发和评估用于单细胞 RNA-seq 数据中伪时间重建的计算工具 | 单细胞 RNA-seq 数据中的细胞排序和基因表达动态变化 | 生物信息学 | NA | 单细胞 RNA-seq | 最小生成树 (MST) | RNA-seq 数据 | NA |
| 23654 | 2024-08-09 |
SCell: integrated analysis of single-cell RNA-seq data
2016-07-15, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btw201
PMID:27153637
|
研究论文 | 本文介绍了SCell，一个集成软件工具，用于单细胞RNA-seq数据的质量过滤、归一化、特征选择、迭代降维、聚类和基因表达梯度估计 | SCell提供了一个直观的图形界面，并支持高吞吐量的单细胞RNA-seq数据预处理 | NA | 开发一个集成工具，用于处理和分析大规模的单细胞RNA-seq数据集 | 单细胞RNA-seq数据 | 生物信息学 | NA | 单细胞RNA测序 | NA | RNA-seq数据 | 大规模的单细胞RNA-seq数据集 |
| 23655 | 2024-08-09 |
Beta-Poisson model for single-cell RNA-seq data analyses
2016-07-15, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btw202
PMID:27153638
|
研究论文 | 本文介绍了一种用于单细胞RNA测序数据分析的Beta-Poisson混合模型，并将其集成到广义线性模型框架中进行差异表达分析 | 提出的Beta-Poisson模型能够捕捉单细胞基因表达分布的双峰性，这是传统gamma-Poisson模型无法做到的 | NA | 开发新的统计模型以更好地分析单细胞RNA测序数据 | 单细胞RNA测序数据 | 生物信息学 | NA | RNA测序 | Beta-Poisson混合模型 | 基因表达数据 | 多个真实单细胞RNA测序数据集，约90%的转录本被Beta-Poisson模型良好表征 |
| 23656 | 2024-08-09 |
Single-cell gene expression profiling and cell state dynamics: collecting data, correlating data points and connecting the dots
2016-06, Current opinion in biotechnology
IF:7.1Q1
DOI:10.1016/j.copbio.2016.04.015
PMID:27152696
|
研究论文 | 本文综述了单细胞基因表达分析技术及其在细胞状态动态研究中的应用 | 介绍了将单细胞分辨率测量与动力系统理论相联系的原则 | NA | 探讨单细胞分析技术如何帮助理解细胞状态动态及其背后的分子调控网络 | 单细胞基因表达和蛋白质表达的分子谱 | 生物信息学 | NA | 单细胞qPCR, 单细胞RNA-Seq, CyTOF | NA | 分子谱数据 | NA |
| 23657 | 2024-08-09 |
Systematic Reconstruction of Molecular Cascades Regulating GP Development Using Single-Cell RNA-Seq
2016-05-17, Cell reports
IF:7.5Q1
DOI:10.1016/j.celrep.2016.04.043
PMID:27160914
|
research paper | 本研究利用单细胞RNA测序技术，重建了生长板发育的分子级联反应 | 开发了一种名为Sinova的生物信息学管道，能够以时间和空间的高分辨率从头重建生理性的生长板发育过程 | NA | 系统地理解生长板发育的分子机制 | 生长板中的单细胞基因表达模式 | digital pathology | NA | 单细胞RNA测序 | 无监督模型 | 基因表达数据 | 217个单细胞 |
| 23658 | 2024-08-09 |
The leak channel NALCN controls tonic firing and glycolytic sensitivity of substantia nigra pars reticulata neurons
2016-05-13, eLife
IF:6.4Q1
DOI:10.7554/eLife.15271
PMID:27177420
|
研究论文 | 研究探讨了泄漏通道NALCN在维持黑质网状部神经元静息放电和糖酵解敏感性中的作用 | 首次揭示了NALCN在黑质网状部神经元中的表达及其对自发放电的影响，并阐明了其在通过糖酵解变化和毒蕈碱型乙酰胆碱受体激活调节兴奋性中的作用 | NA | 理解黑质网状部神经元如何维持静息活动 | 小鼠黑质网状部神经元的转录组 | 神经科学 | NA | 单细胞RNA测序 | NA | 转录组数据 | NA |
| 23659 | 2024-08-09 |
Erratum to: 'Reference-free inference of tumor phylogenies from single-cell sequencing data'
2016-May-10, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-016-2609-2
PMID:27164840
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 23660 | 2024-08-09 |
Exploiting single-cell expression to characterize co-expression replicability
2016-May-06, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-016-0964-6
PMID:27165153
|
研究论文 | 本文利用单细胞表达数据来研究共表达网络的可重复性及其基因间连接的基本驱动因素 | 首次对单细胞共表达进行了大规模分析，并识别了影响共表达的技术因素 | 共表达分析常被视为黑箱，结果难以追溯到数据基础 | 理解共表达网络中基因间连接和可重复性的基本驱动因素 | 单细胞RNA测序数据中的共表达网络 | 功能基因组学 | NA | 单细胞RNA测序（RNA-seq） | NA | 基因表达数据 | 31项研究的样本，以及126个皮质中间神经元的单细胞RNA-seq实验 |