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
8841	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
8842	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
8843	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
8844	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
8845	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
8846	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
8847	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
8848	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
8849	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
8850	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
8851	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
8852	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
8853	2024-09-14	Stimulator of Interferon Genes Pathway Activation through the Controlled Release of STINGel Mediates Analgesia and Anti-Cancer Effects in Oral Squamous Cell Carcinoma 2024-Apr-21, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12040920 PMID:38672274	研究论文	研究通过控制释放STINGel激活干扰素基因刺激物途径，在口腔鳞状细胞癌中实现镇痛和抗癌效果	开发了STINGel，一种延长释放的制剂，延长了STING激动剂的可用性，并在口腔鳞状细胞癌中显示出比STING激动剂注射更强的抗肿瘤效果	NA	研究STINGel在口腔鳞状细胞癌引起的疼痛中的影响及其抗癌效果	口腔鳞状细胞癌模型和疼痛行为测试	NA	口腔鳞状细胞癌	单细胞RNA测序	NA	RNA	两个口腔鳞状细胞癌模型和疼痛行为测试
8854	2024-09-14	ICARUS v3, a massively scalable web server for single-cell RNA-seq analysis of millions of cells 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae167 PMID:38539041	研究论文	本文介绍了ICARUS v3，一个用于大规模单细胞RNA测序数据分析的网络服务器应用	ICARUS v3采用几何细胞草图方法对细胞进行子采样，以进行降维和聚类，并将其投影到大数据集上，支持多种下游数据分析应用	NA	开发一个能够有效分析大规模单细胞RNA测序数据的计算工作流程	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序	NA	基因表达数据	130万细胞
8855	2024-09-14	CTEC: a cross-tabulation ensemble clustering approach for single-cell RNA sequencing data analysis 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae130 PMID:38552307	研究论文	提出了一种名为CTEC的交叉表集成聚类方法，用于单细胞RNA测序数据分析	CTEC方法通过交叉表制定了两种重聚类策略（基于分布和基于异常值），显著改进了现有的单细胞数据聚类方法	NA	改进单细胞RNA测序数据的细胞类型聚类方法	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序	集成聚类	基因表达数据	五个单细胞RNA测序数据集
8856	2024-09-14	scDAC: deep adaptive clustering of single-cell transcriptomic data with coupled autoencoder and Dirichlet process mixture model 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae198 PMID:38603616	研究论文	本文提出了一种名为scDAC的单细胞深度自适应聚类模型，结合了自编码器和狄利克雷过程混合模型，用于单细胞转录组数据的聚类分析	scDAC通过联合优化自编码器和狄利克雷过程混合模型的参数，实现了对单细胞转录组数据的自适应聚类，能够准确识别细胞类型或亚型的数量	NA	开发一种能够从大规模单细胞转录组数据中准确识别细胞类型或亚型数量的自适应聚类方法	单细胞RNA测序数据	机器学习	NA	自编码器和狄利克雷过程混合模型	自编码器和狄利克雷过程混合模型	转录组数据	五个不同细胞类型数量的子采样数据集，以及九个单细胞RNA测序数据集
8857	2024-09-14	Clustering single-cell multi-omics data via graph regularized multi-view ensemble learning 2024-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae169 PMID:38547401	研究论文	本文提出了一种基于图正则化的多视图集成学习模型，用于单细胞多组学数据的聚类	该模型能够自适应地整合多种组学数据，并利用多个基础聚类结果的洞察力	NA	提出一种新的聚类方法，以有效整合单细胞多组学数据，提高聚类性能	单细胞多组学数据	机器学习	NA	单细胞多组学测序技术	图正则化多视图集成聚类模型	多组学数据	五个多组学数据集
8858	2024-09-14	Flexiplex: a versatile demultiplexer and search tool for omics data 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae102 PMID:38379414	研究论文	本文介绍了一种名为Flexiplex的多功能解复用和搜索工具，用于组学数据分析	Flexiplex基于Levenshtein距离，允许不完美的匹配，适用于多种实验类型，并能处理噪声数据	NA	开发一种多功能且高效的序列搜索和解复用工具，以克服现有工具的局限性	单细胞数据中的细胞条形码和UMI，以及特定遗传变异	生物信息学	NA	Levenshtein距离	NA	序列数据	NA
8859	2024-09-14	SST-editing: in silico spatial transcriptomic editing at single-cell resolution 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae077 PMID:38341653	研究论文	本文提出了一种基于生成对抗网络（GAN）的基因表达引导的免疫荧光图像编辑方法，用于空间转录组学数据	首次将生成对抗网络应用于空间转录组学数据的基因表达引导图像编辑	尚未在其他类型的生物医学图像数据上进行广泛验证	开发一种新的方法，能够在空间转录组学数据中实现基因表达引导的图像编辑	正常和肿瘤组织切片中的细胞级空间转录组数据	计算机视觉	NA	生成对抗网络（GAN）	GAN	图像	正常和肿瘤组织切片中的细胞级空间转录组数据
8860	2024-09-14	BERMAD: batch effect removal for single-cell RNA-seq data using a multi-layer adaptation autoencoder with dual-channel framework 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae127 PMID:38439545	研究论文	本文提出了一种名为BERMAD的多层适应自编码器双通道框架，用于去除单细胞RNA测序数据中的批次效应	创新点在于设计了多层适应架构和双通道框架，以解决批次效应去除中的欠校正和过校正问题	NA	解决单细胞RNA测序数据中批次效应的去除问题	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序	自编码器	基因表达数据	多个单细胞RNA测序数据集