单细胞与空转测序相关文章

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
8501	2024-09-14	ScType enables fast and accurate cell type identification from spatial transcriptomics data 2024-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae426 PMID:38936341	研究论文	本文介绍了一种名为scType的无解卷积标记细胞注释方法，用于从空间转录组数据中快速准确地识别细胞类型	scType无需进行计算密集型的解卷积，也不需要大型单细胞参考图谱，从而实现了超快速且准确的细胞类型识别	NA	开发一种无需解卷积的细胞类型注释方法，以应对空间转录组技术分辨率的提高	空间转录组数据中的细胞类型	生物信息学	NA	空间转录组学	NA	转录组数据	NA
8502	2024-09-14	DeepGSEA: explainable deep gene set enrichment analysis for single-cell transcriptomic data 2024-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae434 PMID:38950178	研究论文	本文介绍了一种名为DeepGSEA的可解释深度基因集富集分析方法，用于单细胞转录组数据	DeepGSEA利用可解释的原型神经网络，能够在单细胞基因表达数据中进行深入的基因集富集分析，并提供可视化的基因集分布	NA	开发一种新的深度学习方法，用于单细胞转录组数据的基因集富集分析，并提高分析的可解释性	单细胞转录组数据中的基因集富集分析	机器学习	NA	单细胞RNA测序 (scRNA-seq)	原型神经网络	基因表达数据	NA
8503	2024-09-14	Adaptive digital tissue deconvolution 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae263 PMID:38940181	研究论文	本文提出了一种名为自适应数字组织解卷积（ADTD）的新方法，用于从批量和空间转录组数据中估计预选细胞类型的比例，并识别可能的未知和隐藏背景贡献	ADTD方法通过适应细胞的分子环境来调整原型参考配置文件，从而进一步解析从批量转录组数据中细胞类型特异性基因调控	ADTD方法依赖于训练数据，这些数据可能无法捕捉到转录组分析中遇到的所有生物多样性	开发一种新的计算方法，以改进从批量和空间转录组数据中推断细胞组成的过程	从批量转录组数据中估计细胞类型的比例，并识别可能的未知和隐藏背景贡献	机器学习	乳腺癌	NA	NA	转录组数据	涉及乳腺癌患者的批量转录组数据
8504	2024-09-14	A count-based model for delineating cell-cell interactions in spatial transcriptomics data 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae219 PMID:38940134	研究论文	本文介绍了一种基于计数的模型Copulacci，用于从空间转录组数据中推断细胞间相互作用	Copulacci使用高斯copula模型来处理低转录本计数的问题，并能有效推断出低表达的生物学上有意义的配体-受体相互作用	NA	开发一种新的方法来推断空间转录组数据中的细胞间相互作用	空间转录组数据中的细胞间相互作用	生物信息学	NA	空间转录组学	高斯copula模型	转录组数据	NA
8505	2024-09-14	Accurate assembly of multiple RNA-seq samples with Aletsch 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae215 PMID:38940157	研究论文	本文介绍了一种名为Aletsch的新型RNA-seq样本组装工具，能够有效整合多个样本以恢复单个样本中缺失的连接	Aletsch引入了多种算法创新，包括一个“桥接”系统，能够有效整合多个样本以恢复单个样本中缺失的连接，并利用多个样本的“支持”信息来指导复杂顶点的分解	NA	开发一种能够准确组装多个RNA-seq样本的新方法	RNA-seq数据中的全长度转录本	生物信息学	NA	RNA-seq	随机森林模型	RNA-seq数据	多个RNA-seq样本，包括bulk和单细胞RNA-seq数据
8506	2024-09-14	Joint inference of cell lineage and mitochondrial evolution from single-cell sequencing data 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae231 PMID:38940122	研究论文	本文提出了一种从单细胞测序数据中联合推断细胞谱系和线粒体进化的方法	本文首次将线粒体异质性纳入细胞谱系树的推断中，并提出了Nested Perfect Phylogeny Mixture (NPPM)问题及其解决方案MERLIN算法	本文仅在模拟数据和胃癌细胞系数据上验证了方法的有效性，尚未在其他类型的细胞或疾病中进行广泛验证	开发一种能够从单细胞测序数据中同时推断细胞谱系和线粒体进化的方法	胃癌细胞系的单细胞测序数据	生物信息学	胃癌	单细胞测序	混合整数线性规划	基因组数据	5220个细胞
8507	2024-09-14	SPRITE: improving spatial gene expression imputation with gene and cell networks 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae253 PMID:38940132	研究论文	本文介绍了一种名为SPRITE的元算法，通过在基因相关网络和空间邻域图中传播信息，改进现有方法的空间基因表达预测	SPRITE算法利用了空间转录组学中的丰富空间和基因关系信息，通过在基因相关网络和空间邻域图中传播信息，提高了基因表达预测的准确性	NA	改进空间基因表达预测算法，以解决当前技术在单细胞分辨率下测量基因数量有限的局限性	空间转录组学数据中的基因表达预测	生物信息学	NA	空间转录组学	元算法	基因表达数据	多个空间转录组学数据集
8508	2024-09-14	scGrapHiC: deep learning-based graph deconvolution for Hi-C using single cell gene expression 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae223 PMID:38940151	研究论文	本文介绍了一种基于深度学习的图解卷积框架scGrapHiC，用于利用单细胞基因表达数据预测伪批量scHi-C接触图	scGrapHiC通过图解卷积从批量Hi-C接触图中提取全基因组单细胞相互作用，并使用scRNA-seq作为指导信号，显著提高了细胞类型特异性拓扑关联域的恢复率	NA	开发一种新的方法，利用广泛可用的基因组信号生成细胞类型特异性的scHi-C接触图，以研究细胞类型特异性的染色质相互作用	单细胞Hi-C数据和单细胞RNA测序数据	机器学习	NA	深度学习	图解卷积	基因组数据	七个细胞类型共检测数据集
8509	2024-09-14	Forseti: a mechanistic and predictive model of the splicing status of scRNA-seq reads 2024-06-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae207 PMID:38940130	研究论文	本文开发了一种名为Forseti的机械性和预测性模型，用于确定单细胞RNA测序读取的剪接状态	Forseti模型通过结合绑定亲和力模型和稳健的片段长度分布模型，能够概率性地分配剪接状态，从而提高下游分析的准确性和置信度	NA	开发一种能够准确预测单细胞RNA测序读取剪接状态的模型	单细胞RNA测序数据中的剪接状态	生物信息学	NA	单细胞RNA测序	预测模型	RNA测序数据	NA
8510	2024-09-14	Impeller: a path-based heterogeneous graph learning method for spatial transcriptomic data imputation 2024-06-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae339 PMID:38806165	研究论文	本文介绍了一种基于路径的异构图学习方法Impeller，用于空间转录组数据的基因插补	Impeller通过构建包含空间接近和表达相似性两种边的异构图，同时建模空间维度的平滑基因表达变化和远距离相同类型细胞的相似基因表达特征，并引入可学习的路径操作符避免传统拉普拉斯矩阵的过度平滑问题	NA	解决现有空间转录组数据插补方法需要额外匹配的单细胞RNA测序数据或忽略空间接近或表达相似性信息的问题	空间转录组数据的基因插补	机器学习	NA	异构图学习	图神经网络	空间转录组数据	来自三个流行平台和两种物种的多样化数据集
8511	2024-09-14	HE2Gene: image-to-RNA translation via multi-task learning for spatial transcriptomics data 2024-06-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae343 PMID:38837395	研究论文	本文提出了一种基于多任务学习的图像到RNA翻译方法HE2Gene，用于空间转录组数据	HE2Gene是首个能够预测数万个点级基因表达并结合病理注释的多任务学习方法	现有计算工具仅限于预测少数基因，且大多数方法设计用于批量RNA-seq	探索组织形态与基因表达之间的定量联系	H&E染色图像和空间转录组数据	数字病理学	NA	多任务学习	NA	图像	NA
8512	2024-09-14	scCross: efficient search for rare subpopulations across multiple single-cell samples 2024-06-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae371 PMID:38889273	研究论文	本文介绍了一种名为scCross的双聚类方法，用于在多个单细胞样本中高效搜索稀有亚群	scCross通过全局求和准则而非个体细胞间的成对比较，联合识别具有特定标记基因的细胞群，从而在处理scRNA-seq数据的高变异性和批次效应时表现出鲁棒性	NA	旨在解决在聚合多个单细胞样本时，由于批次效应导致的稀有细胞类型识别困难的问题	单细胞RNA测序数据中的稀有细胞亚群	生物信息学	NA	单细胞RNA测序	双聚类方法	单细胞RNA测序数据	多个单细胞样本，包括肺癌细胞和人类胰腺样本
8513	2024-09-14	Spatial Transcriptomics in a Case of Follicular Thyroid Carcinoma Reveals Clone-Specific Dysregulation of Genes Regulating Extracellular Matrix in the Invading Front 2024-Jun, Endocrine pathology IF:11.3Q1 DOI:10.1007/s12022-024-09798-0 PMID:38280140	研究论文	本研究通过空间转录组学技术详细分析了滤泡性甲状腺癌（FTC）的侵袭前沿和中央惰性核心区域的转录组图谱	首次使用Visium空间基因表达平台对FTC进行2D全局转录组映射，揭示了侵袭性克隆在ECM重塑和上皮间质转化（EMT）相关基因表达上的显著失调	研究仅限于单个FTC病例，结果的普适性有待进一步验证	揭示滤泡性甲状腺癌侵袭前沿的分子信号机制	滤泡性甲状腺癌的侵袭前沿和中央惰性核心区域	数字病理学	甲状腺癌	空间转录组学	NA	转录组数据	四个6 × 6 mm的FTC区域，包括侵袭前沿和中央核心区域
8514	2024-09-14	scRNA+TCR+BCR-seq revealed the proportions and gene expression patterns of dual receptor T and B lymphocytes in NPC and NLH 2024-05-21, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2024.149820 PMID:38547605	研究论文	研究利用单细胞RNA测序结合T细胞受体和B细胞受体测序，分析了鼻咽癌和鼻咽淋巴组织增生症中双受体T和B淋巴细胞的比例和基因表达模式	首次发现鼻咽癌和鼻咽淋巴组织增生症的肿瘤微环境中存在双受体淋巴细胞，并确认其克隆扩增，揭示了其在免疫反应中的潜在作用	研究样本量较小，仅包括7名鼻咽癌患者和3名鼻咽淋巴组织增生症患者	探讨双受体淋巴细胞在鼻咽癌和鼻咽淋巴组织增生症肿瘤微环境中的起源和生物学作用	鼻咽癌和鼻咽淋巴组织增生症中的双受体T和B淋巴细胞	数字病理学	鼻咽癌	单细胞RNA测序结合T细胞受体和B细胞受体测序	NA	基因表达数据	7名鼻咽癌患者和3名鼻咽淋巴组织增生症患者
8515	2024-09-14	Inferring gene regulatory networks from single-cell transcriptomics based on graph embedding 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae291 PMID:38810116	研究论文	本文提出了一种基于图嵌入的监督深度学习框架IGEGRNS，用于从单细胞转录组数据中推断基因调控网络	该方法通过GraphSAGE捕获基因的上下文信息，并使用Top-k池化筛选出最具影响力的节点，最后通过堆叠CNNs预测基因间的潜在调控关系	NA	推断基因调控网络以理解复杂的生物过程	单细胞转录组数据中的基因调控网络	机器学习	NA	图嵌入	CNN	转录组数据	六个时间序列的单细胞转录组数据集
8516	2024-09-14	CASCC: a co-expression-assisted single-cell RNA-seq data clustering method 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae283 PMID:38662553	研究论文	本文介绍了一种名为CASCC的单细胞RNA测序数据聚类方法，通过基因共表达特征提高生物学准确性	CASCC方法利用无监督自适应吸引子算法识别的基因共表达特征，改进了现有聚类方法的局限性	现有聚类方法在处理过渡细胞群时存在不均匀性问题	开发一种新的单细胞RNA测序数据聚类方法，以提高生物学准确性	单细胞RNA测序数据中的细胞群	生物信息学	NA	单细胞RNA测序	无监督自适应吸引子算法	基因表达数据	NA
8517	2024-09-14	scTPC: a novel semisupervised deep clustering model for scRNA-seq data 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae293 PMID:38684178	研究论文	本文提出了一种名为scTPC的新型半监督深度聚类模型，用于单细胞RNA测序（scRNA-seq）数据	scTPC模型结合了三元组约束、成对约束和交叉熵约束，通过深度学习方法在学习的潜在特征空间中进行深度聚类，并引入了加权交叉熵损失来优化模型	NA	研究目的是提高单细胞RNA测序数据聚类的准确性	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	深度学习模型	基因表达数据	10个真实scRNA-seq数据集和5个模拟数据集
8518	2024-09-14	scPRAM accurately predicts single-cell gene expression perturbation response based on attention mechanism 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae265 PMID:38625746	研究论文	本文介绍了一种基于注意力机制的单细胞基因表达扰动响应预测方法scPRAM	scPRAM通过变分自编码器和最优传输对扰动前后的细胞状态进行对齐，并利用注意力机制准确预测未见过的细胞类型的基因表达响应，超越了现有方法	NA	预测单细胞基因表达对各种外部扰动的响应	单细胞基因表达扰动响应	机器学习	NA	单细胞测序	注意力机制	基因表达数据	多个真实扰动数据集，涉及药物治疗和细菌感染
8519	2024-09-14	CopyVAE: a variational autoencoder-based approach for copy number variation inference using single-cell transcriptomics 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae284 PMID:38676578	研究论文	本文介绍了一种基于变分自编码器（VAE）的深度学习框架CopyVAE，用于从单细胞转录组数据中推断拷贝数变异（CNV）	CopyVAE在检测CNV方面比现有方法具有更高的敏感性和特异性	NA	提高从单细胞测序数据中推断CNV的准确性和可靠性	拷贝数变异（CNV）	机器学习	NA	单细胞RNA测序	变分自编码器（VAE）	转录组数据	NA
8520	2024-09-14	Topological benchmarking of algorithms to infer gene regulatory networks from single-cell RNA-seq data 2024-05-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae267 PMID:38627250	研究论文	本文提出了一种名为STREAMLINE的三步基准测试管道，用于评估从单细胞RNA测序数据推断基因调控网络的算法在捕捉网络拓扑结构和识别枢纽基因方面的能力	本文创新性地提出了STREAMLINE基准测试管道，量化了算法捕捉网络拓扑结构的能力，并提供了根据感兴趣的全局网络属性选择算法的指导	NA	评估从单细胞RNA测序数据推断基因调控网络的算法在捕捉网络拓扑结构方面的能力	单细胞RNA测序数据推断的基因调控网络	生物信息学	NA	单细胞RNA测序	NA	基因调控网络	使用了来自三种不同生物体的实验数据以及不同类型网络的模拟数据