基于单细胞数据理解细胞变化过程—拟时间序列分..（三）
此外，根据细胞类型分类，我们也可以将差异基因沿着拟时间轨迹绘制不同类型细胞基因表达散点图：图8差异基因拟时间表达轨迹图最后，根据拟时间序列轨迹，我们把特征差异基因表达变化进行聚类，以热图形式展示基因的变化过程： 图9 差异基因聚类热图因此，通过拟时间序列分析，我们可实现构建细胞变化轨迹途径，并能找到特征差异基因的轨迹变化过程，这将为我们深入理解不同基因在某个细胞变化过程中的重要调控作用提供依据。......阅读全文
3月单细胞转录组重要研究文献汇总
1.单细胞测序用于生殖领域研究持续火热 精子生成过程是一个复杂又具有严格分化过程的生理过程，继18年10月份《Cell Research》上的成年人睾丸转录组图谱研究[1]和19年2月份《Cell Reports》上新生与成年人睾丸细胞单细胞水平鉴定分类[2]的步伐，本月在《Nature
单细胞转录组重要研究文献汇总（二）
4.单细胞转录组测序在植物领域崭露头角相比动物的单细胞研究，由于植物具有细胞壁的特点，使得植物的单细胞研究相比较难，但是继2月份的拟南芥根组织单细胞转录组学研究[8]，本月在《Developmental Cell》上又发表了一篇基于拟南芥根组织的单细胞转录组学研究报道[9]。来自德国图宾根大学植
单细胞分离用于单细胞基因扩增
单细胞分离连接不同管径大小的毛细玻璃针，可分离捕获各种非贴壁状态的单细胞和微粒等，如细菌、酵母、藻类细胞、植物花粉、原生动物单细胞、悬浮细胞、血液细胞、免疫细胞、卵细胞、各种悬液中单细胞及特殊标记的单细胞等。 单细胞分离用于各种类型的细胞分离培养、纯化、检测；获得单克隆细胞；用于单细胞基因扩增，
一种基于随机序列数据库的密码系统的建立方法获ZL
3月1日获悉，由中国科学院华南植物园曾纪晴、张明永等科研人员完成的“一种基于随机序列数据库的密码系统的建立方法”获国家发明ZL授权（ZL号：ZL201110364005.9）。此前，该课题组已获两项信息安全领域国家发明ZL。 植物学领域与信息安全领域似乎风马牛不相及，然而该课题组从对基因芯片和
单细胞测序技术未来的发展方向
单细胞测序技术未来可能的发展方向包括：多模态单细胞分析整合多种类型的信息，如同时测量基因表达、染色质可及性、蛋白质水平、代谢物含量等，以更全面地描绘单细胞的状态。更高通量和更低成本能够在更短的时间内处理更多的单细胞，同时降低技术成本，使其更广泛地应用于基础研究和临床实践。时空分辨率提升不仅了解细胞的
从时空尺度揭示DNA－内部隐藏世界
在近日一项发表于《自然》的研究中，科学家绘制出迄今最详尽的人类活细胞内DNA折叠、环状缠绕和移动的图谱，展示了基因组结构随时间推移的变化情况，揭示了隐藏的基因调控机制，是了解DNA结构如何塑造人类生物学方面迈出的重要一步。该研究为了解基因在细胞生长、功能发挥和分裂过程中如何相互作用、折叠及改变位置提
单细胞数据细胞分类与功能挖掘的基因分析法介绍
接触过单细胞转录组数据的小伙伴们都知道，数据的核心结果在于根据每个细胞的基因表达数据，来对细胞进行分群分类。现有通用的分析思路如下：首先根据转录组稀疏矩阵，通过计算和分析，找到不同的细胞Cluster，并找到每一类集群的Marker基因。根据已有对细胞特定Marker基因的认识，来对细胞可能的集
单细胞数据细胞分类与功能挖掘的基因分析法介绍
接触过单细胞转录组数据的小伙伴们都知道，数据的核心结果在于根据每个细胞的基因表达数据，来对细胞进行分群分类。现有通用的分析思路如下：首先根据转录组稀疏矩阵，通过计算和分析，找到不同的细胞Cluster，并找到每一类集群的Marker基因。根据已有对细胞特定Marker基因的认识，来对细胞可能的集群进
单细胞数据细胞分类与功能挖掘的基因分析法介绍
接触过单细胞转录组数据的小伙伴们都知道，数据的核心结果在于根据每个细胞的基因表达数据，来对细胞进行分群分类。现有通用的分析思路如下：首先根据转录组稀疏矩阵，通过计算和分析，找到不同的细胞Cluster，并找到每一类集群的Marker基因。根据已有对细胞特定Marker基因的认识，来对细胞可能的集
Nature：科学家构建人类发育细胞图谱
目前，发育生物学的研究主要基于模式生物。由于实践上存在的挑战，人类的胚胎发育（从受精卵到胎儿出生）仍是一个知之甚少的“黑匣子”。近期，来自多国研究机构的一项联合研究阐述了人类发育细胞图谱及妊娠期参考图谱构建的路线图，相关成果发表在《Nature》杂志，标题为“A roadmap for the
Nature：科学家构建人类发育细胞图谱
目前，发育生物学的研究主要基于模式生物。由于实践上存在的挑战，人类的胚胎发育（从受精卵到胎儿出生）仍是一个知之甚少的“黑匣子”。近期，来自多国研究机构的一项联合研究阐述了人类发育细胞图谱及妊娠期参考图谱构建的路线图，相关成果发表在《Nature》杂志，标题为“A roadmap for the
基于拉曼组的单细胞快检技术可同时定量检测
通过光合作用固定的二氧化碳与太阳能在生物体内有三种主要的存储形式：多糖、油脂和蛋白质，共同构成了生物碳存储与生物能源产业的物质基础。目前，对细胞中这三类高含能储碳分子的识别、表征和定量极为繁琐，通常难以在单个细胞精度测量，这限制了光合固碳细胞工厂的筛选与改造效率。中国科学院青岛生物能源与过程研究
简述SD序列的形成过程
在原核生物中,起始密码子的选择取决于核糖体的小亚基与mRNA模板之间的相互作用。30S亚基与处于紧靠正确起始密码子上游的富含嘌呤的mRNA模板结合,这个区称为SD序列（Shine—Dalgarno sequence）,它与16S rRNA 3'端的一个富含嘧啶区互补。在起始复合物形成过程
中科院青岛能源所发明工业微藻高产油新技术
BLIO技术助力微藻服务碳达峰与碳中和 单细胞中心供图微藻是地球上最主要的初级生产者之一，在全球碳循环中扮演重要角色。通过光合作用，微藻把光能和CO2转化为油脂（甘油三酯；TAG）等高能储碳物质，因此可在“碳固定”的同时助力“碳减排”。但是微藻切实服务双碳行动的潜力，一直受限于其油脂生产率、
中科院青岛能源所发明工业微藻高产油新技术
BLIO技术助力微藻服务碳达峰与碳中和 单细胞中心供图微藻是地球上最主要的初级生产者之一，在全球碳循环中扮演重要角色。通过光合作用，微藻把光能和CO2转化为油脂（甘油三酯；TAG）等高能储碳物质，因此可在“碳固定”的同时助力“碳减排”。但是微藻切实服务双碳行动的潜力，一直受限于其油脂生产率、
研究提出新型时间序列预测框架
近期，中国科学院软件研究所研究团队为提升大语言模型时间序列预测性能，提出了向量注入式上下文学习框架。该框架能够稳定提升时间序列预测性能，并可以降低计算开销。 大语言模型进行时间序列预测时面临一项主要挑战——预训练文本与时间序列数据在分布与结构上存在差异。传统方法采用全量微调来减少这种差异，但其
蓝光特异性诱导的工业微藻高产油技术
微藻是地球上主要的初级生产者之一，在全球碳循环中扮演重要角色。通过光合作用，微藻将光能和CO2转化为油脂（甘油三酯，TAG）等高能储碳物质，可在“碳固定”的同时助力“碳减排”。然而，微藻切实服务“双碳”行动的潜力，受限于其油脂生产率、规模培养工艺等影响能源微藻经济性的关键因素。近日，中国科学院青
从3D类器官到单细胞（三）
后续的研究中，作者借助PerkinElmer Xenogen IVIS成像系统，在胃癌NSG小鼠模型中进一步进行验证，同样证明与meso1 CAR T细胞相比，meso3 CAR T细胞介导的抗肿瘤反应更强。我们进一步确定meso3 CAR T细胞可以有效地抑制体内大卵巢肿瘤的生长。
单细胞测序为免疫学带来数据驱动型革新
免疫系统由大量在宿主免疫系统发挥独特作用的特定细胞类型组成。在适应性免疫系统中，T和B淋巴细胞（T和B细胞）表达特定表面受体（T细胞受体[TCR] 和B细胞受体[BCR]），通过主要组织相容性复合体（MHC）识别并结合在抗原呈递细胞表面存在的特定抗原。通常，基于特定的表面分子标记，通过FAC
单细胞测序基准数据集的应用场景有哪些？
单细胞测序基准数据集具有以下应用场景： 1. 算法和工具开发 - 用于测试和优化新的单细胞数据分析算法和工具，例如细胞聚类算法、差异表达基因检测方法、细胞轨迹推断模型等。 2. 性能比较与评估 - 对不同的单细胞测序分析方法和软件进行全面、客观的性能比较和评估，帮助研究人员选
单细胞测序基准数据集的使用方法有哪些？
以下是一些常见的单细胞测序基准数据集的使用方法： 1. 方法验证和比较 - 将新开发的分析方法应用于基准数据集，并与已有的成熟方法进行比较，以评估新方法的性能优势和局限性。 2. 算法优化和调参 - 通过在数据集上的多次试验，调整和优化分析算法的参数，以获得最佳的分析结果。
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
单细胞测序基准数据集的建立流程是怎样的？
以下是建立单细胞测序基准数据集的一般流程： 1. 研究目标确定 - 明确建立数据集的目的，例如评估特定分析方法、研究特定疾病或细胞类型等。 2. 样本收集 - 从多个来源获取具有代表性的样本，包括不同组织、个体、疾病状态等。遵循伦理和法律规定进行样本采集。 3. 实验设计
癌症单细胞测序数据分析中常用的方法
癌症单细胞测序数据分析中常用的一些方法：数据预处理质量控制：去除低质量的细胞和测序数据，如检测到的基因数量过少、线粒体基因比例过高的细胞。数据标准化：对基因表达数据进行标准化处理，以消除技术偏差和细胞测序深度的差异。细胞聚类使用无监督学习算法，如基于主成分分析（PCA）、t-分布随机邻域嵌入（t-S
常用单细胞测序数据分析软件的功能比较
以下是对一些单细胞测序数据分析常用软件的更详细比较：软件编程语言数据导入格式数据质控降维算法聚类算法差异表达分析细胞类型注释轨迹推断可视化SeuratR多种常见格式有PCA、t-SNE、UMAP 等多种有可利用标记基因部分支持丰富ScanpyPython多种常见格式有PCA、t-SNE、UMAP 等
单细胞鉴定6000+蛋白，多场景实测数据震撼来袭！
过去几年里，单细胞蛋白质组学技术取得了长足发展，单细胞蛋白质组学逐渐走向成熟，后续有望广泛应用于肿瘤异质性分析、免疫学研究、发育生物学、神经科学以及精准医学等领域。然而，从技术发展成熟到实际场景应用分析的过程中，我们仍面临诸多挑战：1.当前单个细胞的蛋白鉴定深度还有待进一步提升以更好回答科学问题；2
单细胞分析技术的发展趋势是什么？
单细胞分析技术的发展呈现出以下几个主要趋势： 1. **更高的分辨率和灵敏度**： - 能够检测到更微量的生物分子，更精确地反映细胞内的细微变化。例如，在单细胞蛋白质组学中，新的检测方法将能够识别更低丰度的蛋白质，从而发现更多与疾病相关的关键分子。 - 对于单细胞 RNA 测序
基于PET成像的技术实时准确监控体内T细胞密度变化
通过PET成像非侵入性以及定量追踪CD8+T细胞是一种潜在的监控免疫治疗疗效的方法。为了检验这种方法是否有效，来自加州大学戴维斯分校等单位的研究人员使用了64Cu标记的抗CD8 cys双特异性抗体评估了PET成像在正常组织和病变组织的灵敏度，相关研究成果于近日发表在《Clin Cancer Re
Namocell单细胞分离仪应用——单细胞测序
2018年11月，Namocell与CZ-Biohub（Chan Zuckerburg Biohub）合作，在单细胞测序领域做出了新的尝试。CZ-Biohub利用Namocell单细胞分离仪分选出目的B细胞，并且将其进行单细胞测序，为抗体新药的发现迈出了重要一步。单细胞RNA测序（scRNA-s
单细胞分离用于单细胞基因扩增介绍
单细胞分离连接不同管径大小的毛细玻璃针，可分离捕获各种非贴壁状态的单细胞和微粒等，如细菌、酵母、藻类细胞、植物花粉、原生动物单细胞、悬浮细胞、血液细胞、免疫细胞、卵细胞、各种悬液中单细胞及特殊标记的单细胞等。 单细胞分离用于各种类型的细胞分离培养、纯化、检测；获得单克隆细胞；用于单细胞基因扩增，用