单细胞数据降维可视化最新工具UMAP的介绍
高通量单细胞组学数据的一个显著性特点就是数据量大，一次能反映的细胞数量多。因此，通过降维和可视化去展示细胞数据特征是一个非常重要的工作。翻开各类发表的单细胞组学文章，不管是CNS的还是其他，几乎所有的结果中，映入眼帘的第一张图片通常是数据结果的降维图形化展示。图1 PBMC细胞单细胞转录组数据展示图实现高维数据可视化的理论基础是基于降维算法。降维算法一般分为两类：那些寻求在数据中保存距离结构的，以及倾向于保存局部距离而不是全局距离的。PCA[1]、MDS[2]等算法属于前者，t-SNE[3,4]、diffusion maps[5]等算法都属于后者。对高维单细胞数据的可视化展示，以t-SNE为代表的非线性降维技术，由于其能够避免集群表示的过度拥挤，在重叠区域上能表示出不同的集群而被广泛运用。然而，任何技术方法都不是完美的，t-SNE也一样，它的局限性体现在丢失大规模信息(集群间关系)、计算时间较慢以及无法有效地表示非常......阅读全文
三维重建数据二次可视化方法获新突破
近日，中国科学院古脊椎动物与古人类研究所研究员卢静带领团队发表了一种基于开源三维可视化软件Drishti的新方法。这种方法打破了不同三维软件之间三维重建结果无法互通和交叉验证的壁垒，实现不同三维可视化软件文件的二次分割与可视化。该成果发表于《皇家学会开放科学》。CT等三维成像技术在生物学和古生物学中
三维重建数据二次可视化方法获新突破
近日，中国科学院古脊椎动物与古人类研究所研究员卢静带领团队发表了一种基于开源三维可视化软件Drishti的新方法。这种方法打破了不同三维软件之间三维重建结果无法互通和交叉验证的壁垒，实现不同三维可视化软件文件的二次分割与可视化。该成果发表于《皇家学会开放科学》。CT等三维成像技术在生物学和古生物学中
基于单细胞数据理解细胞变化过程—拟时间序列分..（一）
单细胞检测技术的发展为我们理解复杂生命体中细胞的组成与各自功能及变化过程提供了强有力的工具。基于单细胞基因表达谱数据，我们可以窥探发育过程中细胞内的调控变化，发现肿瘤微环境中的各类细胞及它们的细胞间交流，理解器官组织中复杂多样的细胞类型。现有单细胞研究是一个从整体到个体，再由个体特征重建整体的过程。
生物物理所开发单细胞空间转录组数据分析可视化平台
单细胞测序技术是一种在单细胞水平上对基因组、转录组、表观组等进行高通量测序分析的技术。单细胞测序技术能够在组学水平揭示细胞间的异质性。单细胞水平细胞谱系追踪技术位居2018年Science 杂志评选的十大科学突破之首。常规单细胞转录组测序技术丢失了细胞在原组织中至关重要的空间位置信息，而单细胞空
单细胞测序数据分析常用软件的比较
以下是对一些单细胞测序数据分析常用软件的比较：软件编程语言主要功能优势劣势SeuratR数据质控、标准化、降维、聚类、差异表达分析、细胞类型注释等功能全面，在R语言生态中资源丰富，可视化效果好运行速度相对较慢，对大规模数据处理可能较吃力ScanpyPython数据预处理、降维、聚类、差异表达分析等与
单细胞测序数据分析的常用软件的特点和优势是什么？
以下是上述提到的一些单细胞测序数据分析常用软件的特点和优势：Seurat：特点：功能全面，提供了一系列数据处理和分析步骤的函数，包括数据质控、标准化、降维、聚类、差异表达分析等。优势：在 R 语言生态中广泛使用，有大量的用户和丰富的在线资源，便于交流和学习；对数据的预处理和可视化功能较为强大。Sca
空间转录组技术用于免疫治疗的研究与展望
肿瘤免疫治疗现状近年来，免疫疗法，这种通过激活患者的免疫系统来杀死癌细胞的策略，已成为对抗癌症的新希望。目前的免疫疗法主要基于癌症疫苗，细胞因子（例如白介素2），继细胞转移（ACT）和免疫检查点抑制。基于他们的特点，特别针对程序性细胞死亡-1 /程序性细胞死亡配体1（PD-1 / PD-L1）途
推荐一些－Immune－Cell－Atlas－数据集的分析软件
以下是一些常用于分析 Immune Cell Atlas 数据集等单细胞测序数据的软件： 1. **Seurat**：这是一个广泛使用的 R 包，提供了一系列用于单细胞数据质量控制、标准化、降维、聚类和差异表达分析等功能。 2. **Scanpy**：基于 Python 的单细胞分析库，支持多种
多种单细胞数据结合在一起的新工具，确定细胞类型
单细胞研究揭示了可能在其他分析中被忽略的细胞细节。生物学家当前使用一系列方法来收集不同组织和物种的单细胞数据。一些科学家可能使用基于组织的原位方法来研究小鼠神经元中的DNA甲基化，而另一些科学家可能使用液滴方法来探究人神经元中的RNA表达。 这些研究创建了许多独特的不易结合在一起的数据集。但是
分析－Immune－Cell－Atlas－数据集时，如何确定细胞聚类的数量？
在分析 Immune Cell Atlas 数据集确定细胞聚类的数量时，可以考虑以下几种方法： 1. 手肘法（Elbow Method） - 计算不同聚类数量下的聚类指标，如簇内平方和（within-cluster sum of squares）。随着聚类数量的增加，该指标通常会下降。当
数据降维和特征筛选的区别
数据降维，一般说的是维数约简（Dimensionality reduction）。它的思路是：将原始高维特征空间里的点向一个低维空间投影，新的空间维度低于原特征空间，所以维数减少了。在这个过程中，特征发生了根本性的变化，原始的特征消失了（虽然新的特征也保持了原特征的一些性质）。而特征选择，是从 n
癌症单细胞测序数据分析常用的方法有哪些？
癌症单细胞测序数据分析常用的方法包括以下几种： 1. 数据预处理 - 质量控制：去除低质量的细胞和测序数据，例如根据基因检测数量、线粒体基因比例等指标筛选。 - 数据标准化：校正测序深度和细胞间的差异，使数据具有可比性。 2. 细胞聚类分析 - 使用算法（如 K-M
单细胞测序数据分析中的应用案例
以下是一些深度学习方法在单细胞测序数据分析中的应用案例： 1. 细胞类型分类 - 研究人员使用深度学习算法，如卷积神经网络（CNN），对单细胞测序数据进行分析，以准确地识别和分类不同的细胞类型。例如，通过训练模型学习不同细胞类型的基因表达特征，从而能够对新的单细胞数据进行快速准确的分类。
新型可视化工具动态示踪细菌微结构
华东理工大学化学与分子工程学院、费林加诺贝尔奖科学家联合研究中心教授贺晓鹏，中国医药工业研究总院研究员奕栋，中国科学院外籍院士、得克萨斯大学奥斯汀分校教授Jonathan Sessler合作，发展了一种新型糖靶向的超高分辨可视化工具，实现了对细菌微结构、抗生素处理后结构形变的动态原位超高分辨示踪，为
新型可视化工具动态示踪细菌微结构
华东理工大学化学与分子工程学院、费林加诺贝尔奖科学家联合研究中心教授贺晓鹏，中国医药工业研究总院研究员奕栋，中国科学院外籍院士、得克萨斯大学奥斯汀分校教授Jonathan Sessler合作，发展了一种新型糖靶向的超高分辨可视化工具，实现了对细菌微结构、抗生素处理后结构形变的动态原位超高分辨示踪，为
单细胞分离仪最新应用
随着人们对环境研究的不断深入，研究人员逐渐将目光转向藻类的单细胞层面：有些需要对藻类进行单细胞级别的分析（如藻类单细胞测序等），也有需要对单细胞藻类进行培养。这样就面临一个棘手的问题，那就是如何获取藻类的单个细胞。通常实验室里的方式，是在显微镜下用毛细管吸取。这种方式比较直观，对哪个细胞感兴趣就挑哪
Nat－Comm|－张强锋组利用人工智能算法分析单细胞ATACseq数据
近年来，深度学习等人工智能技术在图像识别，自然语言处理等领域取得了令人瞩目的成就。人工智能技术应用于生命科学，对生物信息多个领域产生了重大的影响。深度学习算法借助于生命科学大数据的飞速发展，从海量大数据中自动高效地提取特征进行学习，极大超越了依赖人工提取特征的传统人工智能算法，在医疗图像处理、结
Cell发布最新激酶研究工具
激酶家族对于细胞的正常功能非常重要，人们开发的许多药物，都是旨在促进或抑制激酶的活性。正确的激酶活性关系着机体的健康，如果它们出现异常就会引起癌症和其他疾病。 斯坦福大学的科学家们开发了一个全新技术，利用生物感应器在单细胞中实现激酶活性的多重分析，这一成果发表在六月十九日的Cell杂志上。
单细胞基因表达分析解密血液早期发育调控网络
近日，著名国际期刊nature biotechnology发表了英国科学家的一项最新研究成果，他们应用单细胞基因表达分析与计算方法描述了血液发育的转录调控网络。这项研究为分析器官发育的调控网络提供了一种可行的方法。 研究人员指出，重建调控器官发育的分子途经受限于缺少对胚胎祖细胞进行研究的方法，
推荐一些单细胞测序数据处理的开源代码
以下是一些用于单细胞测序数据处理的开源代码和工具：Seurat：这是一个在 R 语言中广泛使用的单细胞分析包。代码可在 GitHub 上获取：https://github.com/satijalab/seuratScanpy：一个用于 Python 的单细胞分析库。GitHub 地址：https:/
解读时空分辨单细胞测序技术的数据介绍
解读时空分辨单细胞测序技术的数据是一个复杂但关键的过程，通常可以遵循以下步骤：数据预处理质量控制：检查测序数据的质量，去除低质量的细胞和测序读段。数据标准化：校正不同细胞之间由于测序深度等因素导致的偏差。细胞聚类根据基因表达模式将细胞分组，识别不同的细胞类型或状态。空间定位分析将细胞的基因表达数据与
基于单细胞数据理解细胞变化过程——拟时间序列分析详解
单细胞检测技术的发展为我们理解复杂生命体中细胞的组成与各自功能及变化过程提供了强有力的工具。基于单细胞基因表达谱数据，我们可以窥探发育过程中细胞内的调控变化，发现肿瘤微环境中的各类细胞及它们的细胞间交流，理解器官组织中复杂多样的细胞类型。现有单细胞研究是一个从整体到个体，再由个体特征重建整体的过
实用技巧二——单细胞转录组高级分析之细胞谱系分析
基于单细胞转录组数据的细胞轨迹分析常见形式有细胞变化轨迹分析和细胞谱系分析，在上一篇中，我们详细介绍了常规拟时间序列分析的相关内容（具体内容查看链接）。在这里，我们主要就细胞谱系分析进行介绍和解读。 细胞谱系分析，最简明的理解就是细胞领域的进化树，通常指的是某类祖源细胞，在特定条件下，有多
单细胞转录组高级分析之细胞谱系分析
基于单细胞转录组数据的细胞轨迹分析常见形式有细胞变化轨迹分析和细胞谱系分析，在上一篇中，我们详细介绍了常规拟时间序列分析的相关内容（具体内容查看链接）。在这里，我们主要就细胞谱系分析进行介绍和解读。细胞谱系分析，最简明的理解就是细胞领域的进化树，通常指的是某类祖源细胞，在特定条件下，有多个发育轨迹和
基于单细胞数据理解细胞变化过程拟时间序列分析详解
单细胞检测技术的发展为我们理解复杂生命体中细胞的组成与各自功能及变化过程提供了强有力的工具。基于单细胞基因表达谱数据，我们可以窥探发育过程中细胞内的调控变化，发现肿瘤微环境中的各类细胞及它们的细胞间交流，理解器官组织中复杂多样的细胞类型。现有单细胞研究是一个从整体到个体，再由个体特征重建整体的过
单细胞测序基准数据的特点
单细胞测序基准数据集是用于评估和比较不同单细胞测序数据分析方法和工具的标准化数据集。这些数据集通常具有以下特点：高质量和准确性：经过严格的质量控制和验证，以确保数据的可靠性。多样性：涵盖不同的细胞类型、组织、物种和实验条件，以全面测试分析方法的通用性。详细的注释：包括细胞类型、状态、疾病信息等，以便
新工具实现贴壁细胞的单细胞分析
美国麻省理工学院的研究人员开发出一种微流体装置，一次能吸取一个细胞内的东西，而不干扰周围的细胞，这为研究人员测定单细胞的生化性质带来了一种新方法。它有助于研究不同干细胞之间的差异，或为什么同一肿瘤的不同细胞有着不同的治疗响应。 MIT电气工程与计算机科学系的Jongyoon
实用技巧二——单细胞转录组高级分析之细胞谱系分析
基于单细胞转录组数据的细胞轨迹分析常见形式有细胞变化轨迹分析和细胞谱系分析，在上一篇中，我们详细介绍了常规拟时间序列分析的相关内容（具体内容查看链接）。在这里，我们主要就细胞谱系分析进行介绍和解读。 细胞谱系分析，最简明的理解就是细胞领域的进化树，通常指的是某类祖源细胞，在特定条件下，有多
中科院团队研发出化石三维建模可视化专用软件
如何让古生物学领域对古老化石的研究更具活力？如何让化石与现代生物的形态和解剖学可视化效果更形象逼真？三维表面模型可视化软件的开发应用不可或缺且至为关键。 记者21日从中国科学院古脊椎动物与古人类研究所(中科院古脊椎所)获悉，为提升化石和现代生物成像数据的可视化效果，该所卢静研究员团队最近自主研发
三维表面模型可视化软件Vayu－1.0发布
Vayu 主界面与部分案例展示。（中科院古脊椎动物与古人类所供图） 包括古生物学在内，众多科研领域已经在前所未有的精度和广度上大规模应用X射线计算机断层扫描以及三维重建技术，随之对生成的三维表面模型的可视化效果方面也提出了更高的需求。 目前大部分三维重建处理软件在在处理三维表面