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 45594 篇文献，本页显示第 101 - 120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 101 | 2026-11-10 |
Integrated single-cell and bulk transcriptomic analyses reveal UTF1-associated spermatogenic dysfunction and identify ACTRT2 and AKAP4 as biomarkers in non-obstructive azoospermia
2026, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2026.1975399
PMID:43001231
|
研究论文 | 整合单细胞与bulk转录组数据，揭示UTF1相关精子发生功能障碍，并将ACTRT2和AKAP4鉴定为非梗阻性无精子症的生物标志物 | 结合NOA转录组数据集与Utf1条件敲除小鼠睾丸单细胞RNA测序数据，通过机器学习筛选出ACTRT2和AKAP4作为NOA诊断生物标志物并构建列线图 | 摘要中未明确说明研究局限性 | 探索UTF1相关精子发生功能障碍在NOA中的作用并鉴定潜在的诊断生物标志物 | 非梗阻性无精子症（NOA）患者转录组数据及Utf1条件敲除与正常小鼠睾丸 | 数字病理学、机器学习 | 男性不育（非梗阻性无精子症） | 单细胞RNA测序、bulk转录组测序、生物信息学分析、机器学习、功能富集分析、免疫浸润分析、细胞间通讯分析、拟时序轨迹分析、组织学验证 | 机器学习模型、列线图 | 转录组数据、图像（组织学） | NA | NA | 单细胞RNA测序、bulk RNA-seq | NA | NA |
| 102 | 2026-11-10 |
Integrated multi-omics of mitophagy-related molecular subtype characterization and biomarker identification in sepsis
2025-12-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-30153-8
PMID:41326582
|
研究论文 | 该研究整合批量转录组和单细胞RNA-seq数据，结合机器学习识别脓毒症中线粒体自噬相关诊断生物标志物并进行分子分型，同时通过体外实验验证NUP93的功能 | 首次系统性地识别并验证了四个线粒体自噬相关基因（RPL18、PRPF8、NUP93、CUL1）作为脓毒症的诊断生物标志物，揭示了基于这些基因的分子亚型具有不同的免疫微环境，并提供了NUP93促进线粒体自噬的功能证据 | 体外功能验证仅在LPS刺激的RAW264.7细胞中进行，缺乏体内动物模型或临床样本的进一步验证；分子分型和诊断模型的临床转化仍需前瞻性队列研究 | 系统识别和验证脓毒症中线粒体自噬相关关键基因，用于脓毒症的诊断、分层和免疫调节研究 | 脓毒症患者（批量转录组数据和单细胞RNA-seq数据）以及LPS刺激的RAW264.7细胞 | 机器学习 | 脓毒症 | 批量转录组测序, 单细胞RNA-seq | NA | 基因表达数据（转录组）, 单细胞转录组数据 | NA | NA | bulk RNA-seq, single-cell RNA-seq | NA | NA |
| 103 | 2026-11-10 |
[Research progress on tumor microenvironment of prostate cancer]
2025-Dec, Zhonghua nan ke xue = National journal of andrology
PMID:43001719
|
综述 | 本文综述了前列腺癌肿瘤微环境的组成、各细胞与非细胞成分的相互作用机制及其在前列腺癌发生发展转移中的作用，并探讨了靶向微环境的治疗策略 | 结合单细胞测序和空间转录组学技术的最新进展，系统阐述了前列腺癌肿瘤微环境中肿瘤细胞异质性及不同细胞群体间的相互关系 | 关于肿瘤微环境中各细胞成分的具体功能及其与前列腺癌细胞动态相互作用的研究仍然有限 | 深入概述前列腺癌肿瘤微环境，阐明前列腺癌细胞与肿瘤微环境之间的相互作用机制，为前列腺癌新型治疗策略提供理论基础 | 前列腺癌肿瘤微环境 | 肿瘤生物学 | 前列腺癌 | 单细胞测序, 空间转录组学 | NA | 文本 | NA | NA | 单细胞RNA测序, 空间转录组学 | NA | NA |
| 104 | 2026-11-10 |
uPAR expression in M-MDSCs under high LDHA activity in pancreatic ductal adenocarcinoma
2025-11-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29823-4
PMID:41320682
|
研究论文 | 该研究利用单细胞RNA测序和多重免疫荧光染色，揭示高LDHA活性的胰腺导管腺癌肿瘤微环境通过乳酸代谢促进M-MDSCs中uPAR表达及免疫抑制 | 首次揭示高LDHA肿瘤微环境中乳酸代谢通过胆固醇代谢通路调控MDSCs中PLAUR/uPAR表达，尤其是M-MDSCs亚群，并发现uPAR阳性M-MDSCs与LDHA高表达相关 | 主要基于小鼠Ldha敲低模型和人类样本的相关性分析，uPAR在M-MDSCs中的具体功能机制及靶向干预效果尚未充分验证 | 探究高LDHA肿瘤微环境中乳酸代谢如何影响免疫细胞群体并在代谢约束下促进胰腺导管腺癌的免疫抑制 | 胰腺导管腺癌小鼠模型中的髓源性抑制细胞（MDSCs）及人类PDAC样本中的M-MDSCs | 肿瘤免疫学 | 胰腺癌 | 单细胞RNA测序，多重免疫荧光染色 | NA | 基因表达数据，图像 | NA | NA | 单细胞RNA测序 | NA | NA |
| 105 | 2026-11-10 |
Human heart-macrophage assembloids mimic immune-cardiac interactions and enable arrhythmia disease modeling
2025-11-06, Cell stem cell
IF:19.8Q1
DOI:10.1016/j.stem.2025.09.011
PMID:41151577
|
研究论文 | 该研究构建了人心-巨噬细胞组装体（hHMA）模型，将hPSC来源的胚胎单核细胞整合到心脏类器官中，用于模拟免疫-心脏相互作用及心律失常疾病建模 | 首次通过将自源hPSC来源胚胎单核细胞整合入心脏类器官，生成长期存留且具有生理相关性的心脏组织驻留巨噬细胞（TRMPs），并构建了可模拟慢性炎症驱动心律失常的成熟hHMA模型 | 摘要中未明确提及研究局限性 | 建立人心-巨噬细胞组装体模型，研究免疫-心脏相互作用机制，并用于模拟心脏发育和炎症驱动的心律失常 | 人 pluripotent stem cell（hPSC）来源的心脏类器官与胚胎单核细胞共组装形成的hHMA模型 | 数字病理学, 发育生物学, 心脏疾病建模 | 心律失常, 心房颤动 | 单细胞转录组学, 活细胞成像, 蛋白质组学 | 类器官组装体模型 | 单细胞转录组数据, 图像, 蛋白质组数据 | NA | NA | 单细胞RNA测序 | NA | NA |
| 106 | 2026-11-10 |
Charting the cardiac landscape: Advances in spatial transcriptomics for heart biology
2025 Nov-Dec, Seminars in cell & developmental biology
IF:6.2Q1
DOI:10.1016/j.semcdb.2025.103648
PMID:40882280
|
综述 | 综述空间转录组技术在心脏生物学中的应用进展，涵盖技术平台、技术考量及其在心脏发育、疾病和再生研究中的成果与未来方向 | 系统梳理空间转录组技术从早期空间图谱到当代高分辨率多模态方法的演进，并整合表观遗传、蛋白质组和功能数据以解析心脏损伤响应和纤维化的分子机制 | 作为综述文章，不涉及原始实验数据，未对现有空间转录组技术的局限性和标准化挑战进行深入量化评估 | 总结空间转录组技术在心脏生物学研究中的最新进展，讨论技术选择与实验设计考量，并展望其在心血管生物学和治疗中的应用前景 | 发育中的人类心脏、心肌梗死后成体心脏、先天性心脏病相关心脏组织 | 空间转录组学 | 心血管疾病, 先天性心脏病 | 空间转录组学, 表观遗传学, 蛋白质组学 | NA | 图像, 文本 | NA | NA | 空间转录组学 | NA | NA |
| 107 | 2026-11-10 |
How to get the most out of your cancer spatial transcriptomics data
2025 Nov-Dec, Seminars in cell & developmental biology
IF:6.2Q1
DOI:10.1016/j.semcdb.2025.103657
PMID:41108891
|
综述 | 本文综述了癌症空间转录组学数据分析的主要方法、常用工具及新兴技术，并为研究者设计空间转录组项目和组建团队提供建议 | 系统梳理了癌症空间转录组数据分析的完整路径，从常见研究问题出发整合分析策略与工具，并讨论了实验设计、团队组建和技术快速迭代下的项目管理等非技术性考量 | 作为综述文章未提出新的分析方法或实验验证，且未针对具体癌症类型或数据集进行定量比较 | 为希望利用空间转录组数据的癌症研究者提供数据分析入门指南和策略参考 | 癌症空间转录组学数据及其分析方法和工具 | 空间转录组学 | 癌症 | 空间转录组学 | NA | 空间转录组数据 | NA | NA | 空间转录组学 | NA | NA |
| 108 | 2026-11-10 |
[Multi-omics identification of microvascular endothelium-related genes in patients with diabetic organic erectile dysfunction]
2025-Nov, Zhonghua nan ke xue = National journal of andrology
PMID:43001697
|
研究论文 | 该研究整合单细胞RNA测序与孟德尔随机化分析，识别并验证糖尿病器质性勃起功能障碍中微血管内皮相关关键基因 | 将单细胞转录组差异表达分析与eQTL孟德尔随机化相结合，从微血管内皮细胞角度识别糖尿病性ED的潜在因果基因 | 样本量小（仅5例患者），单细胞数据来自公共数据集，因果基因仍需实验验证 | 识别糖尿病器质性勃起功能障碍中微血管内皮相关的关键基因并验证其因果关系 | 糖尿病患者（含糖尿病性ED患者与无ED/糖尿病对照）的微血管内皮细胞 | 数字病理学 | 糖尿病性勃起功能障碍 | 单细胞RNA测序、eQTL分析、孟德尔随机化分析 | Seurat聚类分析、孟德尔随机化模型 | 单细胞转录组数据、GWAS数据、eQTL数据 | 5例患者样本（3例无ED或糖尿病，2例糖尿病性ED） | NA | 单细胞RNA测序 | NA | GSE206528数据集 |
| 109 | 2026-11-10 |
The greater splanchnic nerve preferentially regulates neutrophils over macrophages in a rat model of septic peritonitis
2025-10, Brain, behavior, and immunity
DOI:10.1016/j.bbi.2025.05.015
PMID:40389038
|
研究论文 | 本研究通过大鼠盲肠结扎穿刺（CLP）诱导的大肠杆菌脓毒症腹膜炎模型，评估双侧内脏大神经切除（SplancX）对细菌负荷和免疫功能的影响，并利用单细胞RNA测序分析白细胞亚群的激活程序 | 首次揭示内脏大神经在感染急性期优先调控中性粒细胞的活化状态而非巨噬细胞，并发现SplancX通过改变中性粒细胞亚群（活化型与静息型）的平衡来增强细菌清除能力 | 研究仅在大鼠模型中进行，未在人类样本中验证；单细胞RNA测序仅分析了腹膜白细胞，未涉及其他组织；未深入探讨神经调控中性粒细胞亚群平衡的具体分子机制 | 探究内脏大神经在感染期间对细菌清除和免疫细胞功能的特异性调控作用 | 大肠杆菌诱导的脓毒症腹膜炎大鼠模型中的腹膜和脾脏免疫细胞 | 免疫学、神经免疫学 | 脓毒症、腹膜炎 | 单细胞RNA测序、流式细胞术 | NA | 单细胞转录组数据、流式细胞术数据 | NA | NA | 单细胞RNA测序 | NA | NA |
| 110 | 2026-11-10 |
Protocol for predicting single- and multiple-dose-dependent gene expression using deep generative learning
2025-Sep-19, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2025.103932
PMID:40650899
|
研究论文 | 本文提出了一种使用深度生成学习预测单剂量和多剂量依赖性基因表达的协议 | 使用变分自编码器（VAE）建模单细胞RNA测序数据的基因表达空间，并开发了scVIDR模型来预测剂量依赖性化学扰动下的单细胞基因表达 | 未明确提及 | 提供使用scVIDR模型预测单剂量和多剂量依赖性基因表达的详细步骤和协议 | 单细胞RNA测序数据和剂量依赖性化学扰动 | 机器学习 | NA | 单细胞RNA测序 | VAE | 文本 | NA | NA | 单细胞RNA测序 | NA | NA |
| 111 | 2026-11-10 |
Learning antibody sequence constraints from allelic inclusion
2025-09-17, Cell systems
IF:9.0Q1
DOI:10.1016/j.cels.2025.101368
PMID:40812311
|
研究论文 | 本文提出一个机器学习框架，利用人类单细胞测序数据中的等位基因包含现象来学习抗体序列约束，并预测抗体特性 | 首次利用等位基因包含这一先前未被充分利用的数据来源来训练机器学习模型，以识别异常抗体序列并预测多反应性、表面表达和突变使用等特性 | 研究主要基于人类单细胞测序数据，小鼠重链分析仅为初步观察，模型预测能力可能受限于等位基因包含事件的稀有性和数据规模 | 描述违反抗体表达和脱靶反应性约束的序列，并利用等位基因包含数据预测抗体特性 | 人类B细胞单细胞测序数据中的等位基因包含事件，以及小鼠重链序列 | 机器学习 | NA | 单细胞测序 | 机器学习模型 | 序列数据 | NA | NA | 单细胞RNA测序 | NA | NA |
| 112 | 2026-11-10 |
Integrative Multi-Omics Features Stratify Metabolic and Immune Subtypes in Glioma
2025-09, JCO precision oncology
IF:5.3Q1
DOI:10.1200/PO-24-00928
PMID:41004701
|
研究论文 | 该研究整合转录组、基因组及MRI影像组学数据，将胶质瘤分为代谢与免疫相关的四种亚型，并利用机器学习模型实现无创预测 | 首次将代谢-免疫分型与多队列MRI影像组学相结合，构建可无创预测胶质瘤亚型的机器学习框架，并用单细胞RNA测序和空间转录组验证亚型的代谢与免疫特征 | 摘要未明确说明模型的外部验证效果、样本来源的种族与地域偏倚、以及影像组学特征的可重复性和临床落地可行性 | 通过整合多组学数据（基因组学与MRI影像组学）改进胶质瘤分类，聚焦代谢与免疫亚型，以支持更精准的个体化治疗 | 1720例胶质瘤患者的转录组数据及相关多队列MRI影像数据 | 数字病理, 医学影像组学, 多组学整合 | 胶质瘤, 中枢神经系统肿瘤 | 转录组测序, 单细胞RNA测序, 空间转录组测序, MRI影像组学, 机器学习 | 机器学习分类模型（具体算法未在摘要中明确） | 文本（转录组数据）, 图像（MRI影像） | 1720例胶质瘤患者的转录组数据，另含多队列MRI影像数据及单细胞与空间转录组验证样本 | NA | bulk RNA-seq, 单细胞RNA-seq, 空间转录组学 | NA | NA |
| 113 | 2026-11-10 |
The current landscape and emerging challenges of benchmarking single-cell methods
2025-08-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf380
PMID:41045508
|
综述 | 本文系统评估了282篇单细胞测序计算方法的基准测试研究，总结了当前基准测试领域的现状和新兴挑战 | 提供了迄今为止最全面的单细胞基准测试研究定量总结，涵盖九个广泛类别，包括常被忽视的数据集作用、方法稳健性和下游评估等方面，并首次提出基准测试疲劳的风险和社区主导的研究范式 | 文章为综述性分析，未提出新的计算方法或进行新的实验验证；分析基于已有文献，可能受限于检索策略和纳入标准 | 评估单细胞测序计算方法基准测试的现状，识别挑战并推动建立最佳实践标准 | 282篇论文，包括130篇纯基准测试论文和152篇包含基准测试的方法开发论文 | 单细胞测序计算方法 | NA | NA | NA | 文本 | 282篇论文 | NA | NA | NA | NA |
| 114 | 2026-11-10 |
Numbat-multiome: inferring copy number variations by combining RNA and chromatin accessibility information from single-cell data
2025-08-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf516
PMID:41104806
|
研究论文 | 该文章介绍了Numbat-multiome工具，它扩展了Numbat算法，能够从单细胞RNA测序和scATAC-seq数据中单独或联合推断拷贝数变异（CNV） | 通过基于跨模态共同基因组坐标系统的分箱策略，统一了不同模态的数据；支持四种运行模式（RNA基因、RNA分箱、ATAC分箱和联合分箱）；能够在亚克隆水平整合表观基因组图谱，追踪克隆演化并识别罕见亚克隆 | 未明确提及 | 从单细胞RNA和染色质可及性数据中推断拷贝数变异，并整合表观基因组信息以研究癌症的遗传和表观遗传变化 | 肿瘤样本，包括早期多发性骨髓瘤和由慢性淋巴细胞白血病转化而来的里氏综合征 | 单细胞多组学 | 多发性骨髓瘤, 里氏综合征, 慢性淋巴细胞白血病 | 单细胞RNA测序, 单细胞ATAC测序 (scATAC-seq) | Numbat-multiome (基于Numbat的扩展算法) | 单细胞RNA表达数据, 染色质可及性数据 | NA | NA | 单细胞RNA测序, 单细胞ATAC测序 | NA | NA |
| 115 | 2026-11-10 |
Denoising spatially resolved transcriptomics with consistency of heterogeneous spatial coordinates, transcription, and morphology
2025-08-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf528
PMID:41045512
|
研究论文 | 该文提出了一种多视图去噪框架MvDST，整合深度自编码器和自监督学习，联合重建表达谱、去噪特征并强制执行跨视图一致性，以降低空间转录组数据的技术噪声和异质性 | 提出MvDST框架，利用空间坐标、转录本和形态学多视图一致性进行去噪，结合深度自编码器与自监督学习 | 摘要中未明确提及研究局限性 | 解决空间转录组数据中的技术噪声问题，提高下游分析的可靠性 | 空间转录组数据（模拟数据集和真实癌症数据集） | 空间转录组学 | 癌症 | 空间转录组学 | 深度自编码器, 自监督学习 | 空间坐标, 转录本表达, 形态学图像 | 未在摘要中明确说明 | 10x Genomics | 空间转录组学 | 10x Visium, STARmap, osmFISH | 10x Visium, STARmap, osmFISH |
| 116 | 2026-11-10 |
scHDeepInsight: a hierarchical deep learning framework for precise immune cell annotation in single-cell RNA-seq data
2025-08-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf523
PMID:41065243
|
研究论文 | 提出了一种层次化深度学习框架scHDeepInsight，用于单细胞RNA测序数据中免疫细胞的精准分类 | 在原有scDeepInsight模型基础上，整合了生物学驱动的分类架构和自适应层次焦点损失（AHFL），利用免疫细胞类型间的层次关系提升分类能力，并动态调整损失贡献以平衡各层次性能 | 未明确提及 | 解决单细胞RNA测序数据中免疫细胞类型因复杂层次关系而难以准确分类的问题 | 单细胞RNA测序数据中的免疫细胞 | 机器学习, 生物信息学 | NA | 单细胞RNA测序 | CNN, 层次化深度学习框架 | 基因表达数据（转换为二维结构化图像） | 七个不同组织数据集，50种免疫细胞亚型 | NA | 单细胞RNA测序 | NA | NA |
| 117 | 2026-11-10 |
Network based simultaneous embedding of cells and marker genes from scRNA-seq studies
2025-08-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf537
PMID:41052280
|
研究论文 | 提出Stardust算法，将细胞和标记基因同时嵌入到同一二维图上进行可视化 | 首次实现细胞和标记基因在单一2D图上的同时可视化，采用迭代式力导向图布局算法，且可与UMAP和t-SNE等先进方法结合使用 | 摘要中未明确说明具体局限性 | 提升scRNA-seq数据的聚类和可视化方法，实现细胞与标记基因的同时嵌入可视化 | scRNA-seq数据和空间转录组学数据中的细胞类型 | 机器学习 | NA | scRNA-seq, 空间转录组学 | 力导向图布局算法 | 基因表达数据，图像 | NA | NA | single-cell RNA-seq, spatial transcriptomics | NA | NA |
| 118 | 2026-11-10 |
Heterogeneous graph contrastive learning for integration and alignment of spatial transcriptomics data
2025-08-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf497
PMID:41066694
|
研究论文 | 该文提出了GRASS框架，基于深度图表示学习实现多切片空间转录组数据的整合与对齐 | 采用异构图架构结合对比学习与多专家协作策略，充分利用共享与独特信息实现多切片整合；并提出双感知相似度度量引导spot级对齐，支持插补与3D重建等下游任务 | 摘要中未明确说明研究局限性 | 解决传统方法独立处理单个切片时忽略多切片共享特征的问题，实现多切片空间转录组数据的整合与对齐 | 多切片空间转录组数据 | 空间转录组学 | NA | 空间转录组学 | 异构图神经网络、对比学习、多专家协作模型 | 基因表达谱与空间信息 | 七个空间转录组数据集（来自五个不同平台） | NA | 空间转录组学 | NA | NA |
| 119 | 2026-11-10 |
Cell-type-specific cis-eQTLs in pancreatic cell types identify novel risk genes for type 2 diabetes
2025-08-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf531
PMID:41066696
|
研究论文 | 该研究通过整合单细胞RNA测序、染色质可及性和全基因组关联研究数据，系统识别了与2型糖尿病相关的328个胰腺细胞类型特异性cis-eQTL，并揭示了关键风险基因 | 首次在单细胞分辨率下系统鉴定胰腺细胞类型特异性cis-eQTL，发现了九个关键基因（如STIL、ZSWIM5、IL1RN等）其SNP与染色质可及性峰重叠，并开发了公共数据库CTPeQTLs | 摘要未明确提及研究局限性，可能包括样本量有限、需要实验验证等 | 识别胰腺细胞类型特异性cis-eQTL，揭示2型糖尿病的细胞特异性遗传机制，并寻找潜在治疗靶点 | 胰腺细胞类型（包括alpha、beta、delta、gamma、ductal等细胞）以及糖尿病和非糖尿病队列 | 机器学习, 数字病理学 | 2型糖尿病 | 单细胞RNA测序, 染色质可及性测序, 全基因组关联研究 | NA | 文本, 图像 | NA | NA | 单细胞RNA-seq, 单细胞ATAC-seq | NA | NA |
| 120 | 2026-11-10 |
OmniDoublet: a method for doublet detection in multimodal single-cell sequencing data
2025-08-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf538
PMID:41081728
|
研究论文 | 本文提出了一种用于多模态单细胞测序数据的双细胞检测方法 OmniDoublet，该方法整合转录组和表观基因组数据进行双细胞识别 | 整合转录组和表观基因组多模态数据，利用 Jaccard 相似系数计算权重以评估跨模态邻居细胞的可靠性，将不同模态的双细胞得分融合为最终综合得分，并采用高斯混合模型（GMM）确定阈值进行单细胞与双细胞的二分类 | 摘要中未明确提及研究局限性 | 解决现有双细胞检测方法主要针对单模态数据且跨数据集鲁棒性有限的问题，实现多模态单细胞测序数据中更准确、稳健的双细胞检测 | 多模态单细胞测序数据中的细胞（单细胞与双细胞） | 单细胞测序数据分析 | NA | 单细胞多模态测序（转录组与表观基因组） | 高斯混合模型（GMM） | 单细胞多模态测序数据（转录组与表观基因组） | NA | NA | 单细胞多模态测序 | NA | NA |