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 44757 篇文献，本页显示第 1641 - 1660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1641 | 2026-10-03 |
SELF-Former: multi-scale gene filtration transformer for single-cell spatial reconstruction
2024-09-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae523
PMID:39413798
|
研究论文 | 提出了一种基于Transformer的多尺度基因过滤框架SELF-Former，用于将单细胞RNA测序数据重建到空间转录组数据中 | 引入了基因过滤模块，通过选择对空间定位和重建至关重要的基因来增强空间重建任务，并设计了空间相关性约束来缓解批次效应 | 未明确提及 | 解决单细胞RNA测序数据空间重建中的批次效应和基因表达特征精确表征问题 | 单细胞RNA测序数据和空间转录组数据 | 机器学习 | NA | 单细胞RNA测序，空间转录组学 | Transformer | 基因表达数据 | 四个基准数据集 | NA | 单细胞RNA测序，空间转录组学 | NA | NA |
| 1642 | 2026-10-03 |
scMGATGRN: a multiview graph attention network-based method for inferring gene regulatory networks from single-cell transcriptomic data
2024-09-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae526
PMID:39417321
|
研究论文 | 该文提出了一种基于多视图图注意力网络的模型scMGATGRN，用于从单细胞转录组数据推断基因调控网络 | 结合GAT、多视图模型和视图级注意力机制，充分利用图拓扑信息及多感受野的高阶邻居信息，动态调整节点嵌入表示的相对重要性 | 摘要中未明确提及 | 从单细胞转录组数据中推断基因调控网络，以理解细胞系统的结构和动态、揭示调控关系及探索疾病机制 | 七个基准scRNA-seq数据集，来自五种细胞系（两种人类、三种小鼠），涉及四种不同的真实网络 | 机器学习 | NA | 单细胞RNA测序 | GAT、多视图图注意力网络 | 单细胞转录组数据 | 来自五种细胞系的七个scRNA-seq数据集 | NA | 单细胞RNA测序 | NA | NA |
| 1643 | 2026-10-03 |
Structure-preserved integration of scRNA-seq data using heterogeneous graph neural network
2024-09-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae538
PMID:39446194
|
研究论文 | 本文提出了一种基于异构图神经网络的结构保持型单细胞RNA测序数据整合方法scHetG，用于消除批次效应并保留细胞和基因的结构信息 | 建立了表示多批次细胞与基因之间相互作用的异构图，结合异构图神经网络与对比学习，同时获得带有结构信息的细胞和基因嵌入，在消除批次效应的同时保留了细胞和基因的结构信息，包括批次特异性细胞类型和细胞类型特异性基因共表达模式 | NA | 解决现有单细胞RNA测序数据整合方法忽视细胞与基因之间结构信息的问题，实现多批次数据的有效整合 | 多实验批次的单细胞RNA测序数据，涵盖不同物种、组织和规模 | 机器学习 | NA | 单细胞RNA测序 | 异构图神经网络 | 文本 | NA | NA | 单细胞RNA测序 | NA | NA |
| 1644 | 2026-10-03 |
A robust statistical approach for finding informative spatially associated pathways
2024-09-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae543
PMID:39451157
|
研究论文 | 提出了一种基于布朗距离协方差检验的统计框架，用于直接识别与空间变异相关的功能通路，无需基因选择和参数选择 | 创新性地调整布朗距离协方差检验以探索生物功能在空间上的异质性，无需基因选择和参数选择，允许非线性和复杂依赖关系 | 未明确提及 | 直接识别与空间变异相关的功能通路，以理解细胞在不同空间域中如何通过生物通路协调活动，并分析空间转录组数据 | 人类和小鼠的空间转录组数据集 | 空间转录组学 | 癌症 | 空间转录组学 | 布朗距离协方差检验 | 空间基因表达数据 | NA | NA | 空间转录组学 | NA | NA |
| 1645 | 2026-10-03 |
Graph contrastive learning as a versatile foundation for advanced scRNA-seq data analysis
2024-09-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae558
PMID:39487083
|
研究论文 | 提出了一种基于图对比学习的自监督预训练框架scSimGCL，用于scRNA-seq数据的细胞聚类 | 结合细胞-细胞图结构和对比学习，生成高质量的细胞表示，提升细胞聚类性能 | 未明确提及 | 开发一个简单有效的框架，学习高质量表示以实现稳健的细胞聚类 | scRNA-seq数据中的细胞 | 机器学习 | NA | scRNA-seq | 图神经网络, 对比学习 | 基因表达数据 | NA | NA | NA | NA | NA |
| 1646 | 2026-10-03 |
Multi-level multi-view network based on structural contrastive learning for scRNA-seq data clustering
2024-09-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae562
PMID:39494609
|
研究论文 | 提出了一种基于结构一致性对比学习的多层次多视图网络（scMMN），用于单细胞RNA测序数据的聚类分析 | 通过k近邻和扩散映射算法构建浅层视图，利用图拉普拉斯滤波器生成深层视图，并引入组对比损失和结构一致性对比损失来增强网络的判别能力 | 未明确说明 | 解决单细胞RNA测序数据高维度和高复杂性导致的聚类准确性挑战 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | 多层次多视图网络、对比学习 | 基因表达数据 | 8个真实的单细胞RNA测序数据集 | NA | 单细胞RNA测序 | NA | NA |
| 1647 | 2026-10-03 |
Multimodal contrastive learning for spatial gene expression prediction using histology images
2024-09-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae551
PMID:39471412
|
研究论文 | 本文提出了一种名为mclSTExp的多模态对比学习方法，结合Transformer和DenseNet-121编码器，利用H&E染色组织学图像预测空间基因表达 | 将每个空间点视为一个“词”，通过Transformer自注意力机制整合其内在特征与空间上下文，并通过对比学习融入图像特征，从而增强预测能力 | 未明确说明 | 利用易于获取的H&E染色全切片图像，通过人工智能预测空间基因表达水平，以克服空间转录组技术成本高昂的问题 | 两个乳腺癌数据集和一个皮肤鳞状细胞癌数据集中的高变基因 | 计算机视觉, 机器学习, 数字病理学 | 乳腺癌, 皮肤鳞状细胞癌 | 空间转录组学, H&E染色 | Transformer, DenseNet-121, 对比学习 | 图像, 基因表达数据 | 两个乳腺癌数据集和一个皮肤鳞状细胞癌数据集（具体样本量未说明） | NA | 空间转录组学 | NA | NA |
| 1648 | 2026-10-03 |
Characteristics and transcriptional regulators of spontaneous epithelial-mesenchymal transition in genetically unperturbed patient-derived non-spindled breast carcinoma
2024-09-10, Breast cancer research : BCR
IF:6.1Q1
DOI:10.1186/s13058-024-01888-5
PMID:39256881
|
研究论文 | 该研究通过原代培养结合RNA测序、单细胞RNA测序和原位RNA测序，探索了基因未受干扰的非梭形乳腺癌中自发上皮-间质转化的特征和转录调控因子 | 揭示了非梭形乳腺癌细胞可发生自发EMT而不呈现梭形形态，发现ZEB1是EMT的关键启动子和维持因子，ZEB2紧随其后上调并协同作用，而SNAI1、SNAI2和TWIST1与间质表型无关，表明EMT-TFs具有情境依赖性作用 | 摘要中未明确提及研究的局限性 | 探索基因未受干扰的非梭形乳腺癌中自发EMT的特征和转录调控因子 | 基因未受干扰的患者来源非梭形乳腺癌细胞 | 数字病理学, 机器学习 | 乳腺癌 | RNA-seq, 单细胞RNA-seq, 原位RNA-seq | NA | 图像, 文本 | 未明确说明具体样本数量，涉及三阴性乳腺癌和化生性乳腺癌肿瘤队列 | NA | bulk RNA-seq, single-cell RNA-seq, spatial transcriptomics | NA | NA |
| 1649 | 2026-10-03 |
RBMS1 reflects a distinct microenvironment and promotes tumor progression in ocular melanoma
2024-09, Experimental eye research
IF:3.0Q1
DOI:10.1016/j.exer.2024.109990
PMID:38969283
|
研究论文 | 该研究通过多机器学习算法综合分析眼部黑色素瘤的DNA甲基化与转录组数据，发现甲基化驱动基因RBMS1与不良临床预后相关，并反映不同的肿瘤微环境，促进肿瘤进展 | 首次发现甲基化驱动基因RBMS1在眼部黑色素瘤中反映独特的肿瘤微环境，高表达标记免疫活跃的TME，且肿瘤细胞在RBMS1状态下具有更高的通讯概率 | 未提及 | 探究眼部黑色素瘤中DNA甲基化驱动的基因表达变化及其与肿瘤微环境和临床预后的关系 | 眼部黑色素瘤患者，包括葡萄膜黑色素瘤（UM）和结膜黑色素瘤（CM） | 机器学习 | 眼部黑色素瘤 | DNA甲基化测序, RNA-seq, 单细胞RNA-seq | 机器学习算法 | DNA甲基化数据, 转录组数据, 单细胞转录组数据, 临床信息 | 未提及 | NA | DNA甲基化测序, 单细胞RNA-seq, bulk RNA-seq | NA | NA |
| 1650 | 2026-10-03 |
Reversal of injury-associated retinal ganglion cell gene expression by a phosphodiesterase anchoring disruptor peptide
2024-09, Experimental eye research
IF:3.0Q1
DOI:10.1016/j.exer.2024.110017
PMID:39097072
|
研究论文 | 本研究通过单细胞RNA测序分析了表达PDE4D3锚定干扰肽4D3(E)的小鼠视网膜神经节细胞在视神经挤压损伤后的基因表达变化 | 首次利用单细胞RNA测序技术揭示PDE4D3锚定干扰肽4D3(E)通过增强核周PKA信号来逆转损伤诱导的视网膜神经节细胞基因表达变化 | 摘要中未提及研究局限性 | 探索PDE4D3位移促进神经保护作用的机制 | 视神经挤压损伤模型小鼠的视网膜神经节细胞 | 单细胞测序 | 青光眼 | 单细胞RNA测序 | NA | 文本 | NA | NA | 单细胞RNA测序 | NA | NA |
| 1651 | 2026-10-03 |
Irradiated tumor cell-released microparticles enhance the therapeutic efficacy of PD-1 inhibitors by promoting M1-TAMs polarization in NSCLC brain metastases
2024-08-28, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2024.217133
PMID:39079563
|
研究论文 | 该研究探讨了辐照肿瘤细胞释放的微粒（RT-MPs）通过促进M1型肿瘤相关巨噬细胞极化，增强PD-1抑制剂对非小细胞肺癌脑转移的治疗效果 | 首次发现RT-MPs能够穿越血脑屏障并被TAMs吞噬，将TAMs从M2表型转变为M1表型，通过激活趋化因子信号通路分泌CCL5、CXCL2、CXCL1、CCL3、CCL4和CCL22等趋化因子，招募CD4和CD8 T细胞，增强免疫介导的杀伤作用，为免疫耐药的NSCLC脑转移提供新的治疗策略 | 研究仅基于动物模型，尚未进行临床试验验证；未明确RT-MPs的具体分子机制和最佳给药方案 | 探索RT-MPs对NSCLC脑转移免疫微环境的调控作用及其增强PD-1抑制剂疗效的机制 | NSCLC脑转移动物模型及肿瘤相关巨噬细胞 | digital pathology | lung cancer | 单细胞测序 | NA | text, image | NA | NA | single-cell RNA-seq | NA | NA |
| 1652 | 2026-10-03 |
Galectin-3 induces pathogenic immunosuppressive macrophages through interaction with TREM2 in lung cancer
2024-Aug-13, Journal of experimental & clinical cancer research : CR
IF:11.4Q1
DOI:10.1186/s13046-024-03124-6
PMID:39135069
|
研究论文 | 该研究揭示Galectin-3通过与TREM2相互作用诱导致病性免疫抑制巨噬细胞，促进肺癌进展 | 首次发现Galectin-3是TREM2的潜在配体，并阐明Galectin-3-TREM2轴在肺癌肿瘤相关巨噬细胞免疫抑制中的关键作用 | 摘要中未明确说明研究的局限性 | 探究TREM2阳性肿瘤相关巨噬细胞的招募机制及TREM2相互作用的配体在免疫抑制中的作用 | 肺癌肿瘤相关巨噬细胞、TREM2信号通路、Galectin-3蛋白 | 肿瘤免疫学、单细胞组学 | 肺癌 | 流式细胞术、单细胞RNA测序、质谱分析、免疫共沉淀 | NA | 单细胞转录组数据、蛋白质互作数据 | NA | NA | 单细胞RNA测序 | NA | NA |
| 1653 | 2026-10-03 |
Blood Lipoproteins Shape the Phenotype and Lipid Content of Early Atherosclerotic Lesion Macrophages: A Dual-Structured Mathematical Model
2024-08-02, Bulletin of mathematical biology
IF:2.0Q3
DOI:10.1007/s11538-024-01342-9
PMID:39093509
|
研究论文 | 本文建立了一个双结构数学模型，用于研究早期动脉粥样硬化病变中巨噬细胞的表型和脂质含量如何受血液脂蛋白密度影响 | 将单核细胞来源巨噬细胞群体按表型和脂质含量双重结构化建模，并通过渐近分析推导表型与脂质含量之间的幂律关系 | 模型尚未通过单细胞RNA测序等实验数据进行验证 | 理解血液中低密度脂蛋白与高密度脂蛋白的平衡如何影响早期动脉粥样硬化病变中巨噬细胞的表型分布和脂质含量 | 早期动脉粥样硬化病变中的单核细胞来源巨噬细胞 | 机器学习 | 心血管疾病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 1654 | 2026-10-03 |
Dysregulated energy and protein homeostasis and the loss of GABAergic amacrine cells in aging retina
2024-08, Experimental eye research
IF:3.0Q1
DOI:10.1016/j.exer.2024.109985
PMID:38945518
|
研究论文 | 该研究利用单细胞RNA测序技术，分析了年轻和年老C57BL/6小鼠视网膜中主要神经元和Müller胶质细胞的转录组变化，揭示了衰老过程中能量和蛋白质稳态失调以及GABA能无长突细胞丢失的现象 | 在单细胞水平上系统描绘了视网膜主要神经元在衰老过程中的转录组变化，发现了各细胞类型独特的衰老相关变化，特别是Müller胶质细胞中代谢、应激反应、抗原呈递和免疫反应的上调，以及GABA能无长突细胞的特异性丢失 | 研究仅基于C57BL/6小鼠模型，未在人类视网膜中验证；样本量相对有限（1.5-2月和24-30月龄小鼠），可能未完全覆盖衰老的连续性变化 | 阐明视网膜主要神经元在衰老过程中的转录组变化，为研究衰老相关视网膜退化的分子和细胞调控机制提供资源 | C57BL/6小鼠视网膜中的光感受器细胞、双极细胞、无长突细胞和Müller胶质细胞 | 数字病理学 | 年龄相关性视网膜退化 | 单细胞RNA测序 | NA | 文本 | 1.5-2月龄和24-30月龄C57BL/6小鼠的视网膜细胞 | NA | 单细胞RNA测序 | NA | NA |
| 1655 | 2026-10-03 |
Acute Lymphoblastic Leukemia with Myeloid Mutations Is a High-Risk Disease Associated with Clonal Hematopoiesis
2024-05-01, Blood cancer discovery
IF:11.5Q1
DOI:10.1158/2643-3230.BCD-23-0106
PMID:38150184
|
研究论文 | 该研究发现18%的成人急性淋巴细胞白血病（ALL）病例携带TP53突变，16%具有髓系克隆性造血相关基因突变，这类伴髓系突变的ALL（MyM）具有独特的遗传和临床特征，与较差生存相关，且可通过单细胞蛋白基因组学和单细胞RNA测序揭示其起源于先前存在的克隆性造血，并表现出对凋亡的抵抗。 | 首次揭示克隆性造血在急性淋巴细胞白血病发病中的作用，证明髓系突变可在ALL诊断前数年出现，并随时间扩展成为ALL中的优势克隆；通过单细胞技术定义了伴髓系突变的ALL为一种高风险疾病，并发现其对新型免疫治疗反应更好。 | 摘要中未提及具体研究限制，如样本量、随访时间、验证队列等细节未完全说明。 | 探究克隆性造血在急性淋巴细胞白血病发病机制中的作用，并定义伴髓系突变的ALL的临床和遗传特征。 | 成人急性淋巴细胞白血病（ALL）患者。 | 数字病理学、机器学习 | 急性淋巴细胞白血病、肺癌、前列腺癌、心血管疾病、老年疾病 | 单细胞蛋白基因组学分析、单细胞RNA测序 | NA | 基因突变数据、单细胞蛋白基因组数据、单细胞RNA测序数据 | 成人ALL病例（具体数量未在摘要中说明） | NA | 单细胞RNA测序 | NA | NA |
| 1656 | 2026-10-03 |
Integrative single-cell analysis of longitudinal t(8;21) AML reveals heterogeneous immune cell infiltration and prognostic signatures
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1424933
PMID:39086485
|
研究论文 | 该论文通过纵向t(8;21)急性髓系白血病（AML）样本的单细胞多组学研究，揭示了肿瘤微环境中异质性免疫细胞浸润及其与预后和耐药的关系。 | 发现了与疾病进展和耐药相关的特定T细胞亚群（cluster_2，高表达GZMB、NKG7、PRF1和GNLY），并基于该T细胞特征对患者进行生存分层，为AML免疫微环境分类提供了新系统。 | 摘要中未明确提及研究的局限性 | 表征t(8;21) AML患者的免疫微环境，确定免疫细胞浸润状态如何影响预后，并探索与耐药相关的免疫细胞动态变化。 | t(8;21)急性髓系白血病（AML）患者的原发和纵向样本，以及外部验证队列 | 单细胞多组学 | 急性髓系白血病 | 单细胞RNA测序（scRNA-seq） | NA | 单细胞转录组数据 | NA | NA | 单细胞RNA-seq | NA | NA |
| 1657 | 2026-10-03 |
An androgen receptor-based signature to predict prognosis and identification of ORC1 as a therapeutical target for prostate adenocarcinoma
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.16850
PMID:38562999
|
研究论文 | 该研究基于单细胞RNA测序数据构建了雄激素受体驱动的基因特征，用于预测前列腺腺癌预后，并鉴定ORC1为潜在治疗靶点 | 构建了基于雄激素受体相关基因的预后特征，首次揭示AR通过直接结合ORC1启动子激活ORC1表达，促进前列腺腺癌进展和恩杂鲁胺耐药 | 摘要未明确说明研究局限性 | 识别能够预测前列腺腺癌预后并揭示新治疗靶点的雄激素受体驱动基因特征 | 前列腺腺癌患者样本及细胞系 | 机器学习 | 前列腺癌 | 单细胞RNA测序，染色质免疫沉淀-qPCR | LASSO回归，多变量Cox回归 | 图像，文本 | NA | NA | 单细胞RNA测序 | NA | NA |
| 1658 | 2026-10-03 |
Data-driven detection of age-related arbitrary monotonic changes in single-cell gene expression distributions
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.16851
PMID:38344300
|
研究论文 | 本文提出了一种数据驱动的工作流程，利用信息论和距离矩阵关联分析检测单细胞基因表达分布中随年龄变化的任意单调变化。 | 提出了一种新颖的工作流程，利用信息论量化概率分布之间的差异，并采用距离矩阵进行关联分析，从而检测单细胞表达谱中任意单调的年龄相关变化。 | 仅在模拟数据和单个公共scRNA-seq数据集上进行了验证，作为筛选方法的普遍适用性仍需更广泛的数据集验证。 | 识别随年龄增加或减少表达的基因，以理解衰老机制。 | 单细胞基因表达分布、衰老相关细胞特征。 | 机器学习 | 老年疾病 | 单细胞RNA测序 | NA | 文本 | NA | NA | 单细胞RNA测序 | NA | NA |
| 1659 | 2026-10-03 |
Single-cell RNA sequencing in endometrial cancer: exploring the epithelial cells and the microenvironment landscape
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1425212
PMID:39229264
|
综述 | 本文综述了单细胞RNA测序技术在子宫内膜癌研究中的应用，重点探讨了肿瘤细胞和微环境细胞群体的异质性 | 系统总结了scRNA-seq在子宫内膜癌肿瘤细胞和微环境研究中的贡献，整合了多种肿瘤和微环境细胞群体的发现，并指出了当前研究的不足和未来方向 | scRNA-seq研究存在技术偏差和样本量限制，且大多数分析集中于原发性子宫内膜样癌，缺乏对其他组织学亚型和侵袭性类型的全面覆盖 | 探讨单细胞RNA测序技术如何揭示子宫内膜癌的肿瘤细胞和细胞微环境景观，以加深对疾病进展的理解 | 子宫内膜癌（EC）的肿瘤细胞及肿瘤微环境细胞群体 | 数字病理学 | 子宫内膜癌 | 单细胞RNA测序 | NA | 文本 | NA | NA | 单细胞RNA测序 | NA | NA |
| 1660 | 2026-10-03 |
Identification of a senescence-related transcriptional signature to uncover molecular subtypes and key genes in hepatocellular carcinoma
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311696
PMID:39383169
|
研究论文 | 该研究整合单细胞RNA测序和bulk RNA-seq数据，识别肝细胞癌中衰老相关的转录特征、分子亚型和关键基因G6PD | 整合单细胞RNA测序和bulk RNA-seq数据识别HCC特异性衰老相关通路，构建HCC特异性细胞衰老风险模型，并发现G6PD作为潜在的衰老相关靶点 | 摘要中未明确提及研究局限性 | 识别肝细胞癌中衰老相关的转录特征，揭示分子亚型和关键基因，以深入理解衰老在HCC中的作用 | 肝细胞癌（HCC）患者样本及HepG2和SK-HEP-1细胞系 | 机器学习 | 肝癌 | 单细胞RNA测序，bulk RNA-seq | NA | 基因表达谱数据（图像、文本） | NA | NA | 单细胞RNA测序，bulk RNA-seq | NA | NA |