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程。在这个过程中，有一些非常有意思的问题是我们希望通过单细胞数据加以理解的，比如，某个组织中，某类细胞的发育生成过程；在不同条件下，细胞的改变过程和命运等等。因此，我们需要通过特定的分析手段实现对数据的分类和还原，并通过数据来勾画出细胞间的变化过程。在这样的背景下，拟时间序列分析（Pseudotime分析）为我们提供了来解决该问题的工具。 拟时间序列分析（Pseudotime分析）的字面意思是通过构建细胞间的变化轨迹来重塑细胞随着时间的变化过程。从具体的分类分析和复杂程度来说，可以分为细胞轨迹分析和细胞谱系分析。 细胞轨迹......阅读全文
研究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
Cell－Ranger－开源代码在分析单细胞测序数据时有哪些优点？
Cell Ranger 开源代码在分析单细胞测序数据时具有以下优点：针对性和兼容性好专为 10x Genomics 平台生成的数据设计，能很好地兼容和处理该平台产生的各种单细胞测序数据，确保数据处理的准确性和可靠性。高效的数据分析流程提供了从原始数据的预处理、基因定量到细胞聚类和差异表达分析的一站式
单细胞测序数据分析中，如何判断结果的重复性？
在单细胞测序数据分析中，可以通过以下几种方法来判断结果的重复性： 1. 重复样本测序 - 对相同的生物样本进行多次独立的单细胞测序实验。如果不同次测序得到的细胞类型分布、基因表达模式、差异表达基因等关键结果具有高度的一致性，说明结果具有较好的重复性。 2. 技术重复 - 在相
肿瘤基因专家致力挖掘单细胞大数据潜能
近年来，随着测序技术的迅猛发展，单细胞测序技术已逐渐走入人们视野。2013年，单细胞测序技术成为《自然》评选的“Method of the Year”。大多数的基于NGS的基因检测，都是在大量细胞宏观水平上，对整个细胞群进行遗传分析。单细胞测序技术则是在单个细胞的水平上，对其遗传物质进行检测，从
基于生成式人工智能的新算法MIDAS，实现单细胞多组学数据的马赛克整合
目前，单细胞多组学技术日益成熟，测序数据也在不断增长。然而，不同组学组合、不同测序技术、不同测序样本的“马赛克”式单细胞数据的整合是该领域的巨大挑战。 2024年1月23日，军事医学研究院应晓敏团队和伯晓晨团队在 Nature Biotechnology 期刊发表了题为：Mosaic inte
关于胸腺细胞的变化－过程介绍
淋巴干细胞迁入胸腺后，先发育为体积较大的早期胸腺细胞（约占3%）。它们经增殖后成为较小的普通胸腺细胞，其特点为开始出现T细胞抗原受体（TCR），且渐表达CD4和CD8抗原，此种细胞约占胸腺细胞总数的75%，它们对抗原尚无应答能力。 普通胸腺细胞正处于被选择期，凡能与机体自身抗原相结合或与自身M
数据增强会对单细胞测序数据的质量产生什么影响？
数据增强可能对单细胞测序数据的质量产生以下几方面的影响：引入噪声数据增强过程中添加的随机噪声或对数据的随机变换可能会在一定程度上干扰原始的基因表达信号，从而影响数据的准确性。潜在的生物学失真如果数据增强的方法不合理，可能会导致生成的数据偏离真实的生物学过程和细胞状态，从而使分析结果产生偏差。数据分布
应晓敏/伯晓晨团队开发基于生成式人工智能的新算法MIDAS，实现单细胞多组学数据的马赛克整合
研究提出了一种用于单细胞多组学数据马赛克整合及知识迁移的计算工具——MIDAS，首次实现了通用的单细胞多组学马赛克数据的模态对齐、数据补全、批次校正等整合功能。 军事医学研究院应晓敏团队和伯晓晨团队在 Nature Biotechnology 期刊发表了题为：Mosaic integratio
基于序列的药物设计新方法
20世纪90年代以来，基于蛋白质结构的药物设计（SBDD）一直是创新药物发现的主流方法，在针对具有明确靶标的疾病治疗方面取得了进步。这种方法一般涉及多个步骤的复杂流程，包括建立蛋白质的三维（3D）结构，识别潜在的配体结合位点，并通过虚拟筛选或全新设计发现活性化合物等。SBDD流程中的每个步骤都有
百花齐放的单细胞分析技术
世界上没有完全相同的两片树叶，世界上也没有两个相同的细胞，单个细胞都是dute的，它们在大小、蛋白质水平和所表达的RNA转录子方面都可能相差甚远。单细胞分析（Single Cell Analysis ，SCA）即是对单个细胞进行研究，研究单个细胞不仅可以很好的认识到细胞异质性，而且可以更好的对疾病进
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，
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，
抗血栓药物引起的血小板钙流变化检测过程详解
血小板是从骨髓成熟的巨核细胞胞浆解脱落下来的小块胞质，虽然仅占骨髓有核细胞总数的0.05% ，但是它在血管损伤后的止血过程中起着重要作用。除了自然止血外，它还影响着血管中血栓的形成，进而形成血栓性疾病，如心梗和缺血性中风等。 正常生理条件下，未受伤的血管系统中血小板不发生粘附、活化和聚
9364万－南京医科大学公开一批设备采购意向
南京医科大学（本部）2026年2月(第2批)政府采购意向公告 为便于供应商及时了解政府采购信息，根据《江苏省财政厅关于做好政府采购意向公开工作的通知》等有关规定，现将南京医科大学（本部）2026年2月(第2批)政府采购意向公告如下：编号项目名称采购需求概况采购预算(万元)预计采购月份是否专门面
基于可寻址动态液滴阵列的单细胞测序技术发布
单细胞基因组测序是生命科学与生物技术的共性使能技术之一，但其推广应用面临诸多瓶颈。一方面，单个细胞的核酸含量低，为满足测序所需核酸量通常须大幅增加扩增循环数，这将极度放大基因组DNA扩增的偏好性，从而大幅度降低单细胞全基因组覆盖率；同时，单细胞的分离获取、裂解、扩增等过程通常十分繁琐，其操作困难
视界：研究HIV治疗过程的单细胞免疫反应
Mario Roederer博士的团队通过研究单细胞来更好地描述在HIV治疗过程中免疫系统的特征。该团队使用非人类灵长目模式动物，用单细胞基因表达分析提高T细胞的鉴定。他们使用了先进的技术，包括18色 FACS系统和Fluidigm BioMark™ 系统进行单细胞基因表达分析。基本研究内容包括
单细胞蛋白的生产过程和营养特性
生产过程 单细胞蛋白的生产过程也比较简单：在培养液配制及灭菌完成以后，将它们和菌种投放到发酵罐中，控制好发酵条件，菌种就会迅速繁殖；发酵完毕，用离心、沉淀等方法收集菌体，最后经过干燥处理，就制成了单细胞蛋白成品。 营养特性 单细胞蛋白是一类凝缩的蛋白类产品，含粗蛋白50%~85%，其中氨基
单细胞分析技术的应用前景
单细胞分析技术具有广阔而令人振奋的应用前景：在医学领域：疾病的早期诊断：能够在疾病症状出现之前检测到细胞层面的细微变化，实现超早期诊断。例如，在癌症的萌芽阶段，识别出具有恶变倾向的单个细胞，大幅提高患者的生存率。精准医疗：根据患者肿瘤细胞的单细胞特征，为其定制个性化的治疗方案，包括选择最有效的药物和
结肠癌亚型单细胞分析
一项由新加坡（通讯作者Shyam Prabhakar和Iain Beehuat Tan）、印度、美国（通讯作者Paul Robson）三国共同开展的计算基因组学项目，鉴定了11种结肠癌肿瘤和附近临近的非癌细胞的细胞组成。为更有针对性的结肠癌诊断和治疗开启了一扇门。 来自杰克逊实验室的科学家，本
单细胞分析技术的应用前景
单细胞分析技术具有广阔而令人振奋的应用前景，主要体现在以下几个重要方面：癌症研究与治疗：肿瘤异质性分析：能够揭示肿瘤内部不同细胞的基因表达、突变和细胞周期状态等的差异，帮助理解肿瘤的发生、发展、转移机制以及耐药性的产生。精准治疗：指导个性化的癌症治疗方案，例如确定对特定药物敏感的肿瘤细胞亚群，从而提
单细胞测序数据分析中重复性差的原因有哪些？
单细胞测序数据分析中重复性差可能由以下原因导致： 1. 实验技术差异 - 样本采集和处理方法不一致，例如细胞解离的条件、时间和力度不同，可能导致细胞状态的改变和细胞类型比例的差异。 - 测序平台和试剂的差异，不同的测序技术和试剂可能引入系统偏差。 2. 生物样本本身的异质性
用单细胞测序绘制人胚胎脊髓发育“时间表”
中国科学院遗传与发育生物学研究所研究员戴建武再生医学团队与南京鼓楼医院教授胡娅莉团队合作，首次通过单细胞转录组技术对早中孕期的人胚胎脊髓进行单细胞测序分析，为了解人类脊髓发育、研究脊髓再生修复、探索体外脊髓制造策略中种子细胞的选择提供了理论支持。相关研究近期发表于EMBO Reports
有哪些常用的基准单细胞测序数据集？
以下是一些常用的基准单细胞测序数据集：Human Cell Atlas（HCA）：这是一个大规模的项目，旨在绘制人体所有细胞类型的图谱，包含了来自多个组织和器官的单细胞测序数据。10x Genomics 提供的一些公开数据集，例如 PBMC（外周血单核细胞）数据集。Mouse Cell Atlas：
单细胞数据挖掘算法方面取得新进展
图 SEVtras高效识别单细胞转录组数据中的胞外小囊泡 在国家自然科学基金项目（批准号：32025009、32130020等）资助下，中国科学院北京生命科学研究院赵方庆团队在单细胞数据挖掘算法方面取得新进展，研究成果以“SEVtras识别单细胞转录组中液滴分辨率的胞外小囊泡（SEVtras de
单细胞测序基准数据集的标注方法有哪些？
单细胞测序基准数据集的标注方法主要包括以下几种： 1. 基于已知标志物的标注 - 利用已被广泛认可的特定细胞类型的标志物基因进行标注。例如，某些基因在特定细胞类型中特异性高表达，通过检测这些基因的表达水平来确定细胞类型。 2. 免疫组化或荧光染色验证 - 对组织样本进行免疫组
如何评估单细胞测序基准数据集的质量？
评估单细胞测序基准数据集的质量可以考虑以下几个方面： 1. 数据完整性 - 检查基因表达矩阵中是否存在大量缺失值，以及细胞数量和基因数量是否符合预期。 2. 测序深度和覆盖度 - 评估每个细胞的平均测序深度，确保能够充分捕获基因表达信息。低测序深度可能导致基因表达定量不准确。
常用的基准单细胞测序数据集有哪些？
以下是一些较为常用的基准单细胞测序数据集：PBMC（外周血单核细胞）数据集：由 10x Genomics 等平台产生，常用于评估免疫细胞的分析方法。小鼠大脑数据集：例如艾伦脑科学研究所发布的相关数据集，有助于研究神经细胞的类型和功能。肿瘤相关数据集：如某些特定癌症类型的单细胞测序数据，可用于评估肿瘤
评估单细胞测序基准数据集质量的方法
评估单细胞测序基准数据集的质量可以从以下几个方面考虑：数据完整性检查基因表达矩阵中是否存在大量缺失值，以及细胞和基因的覆盖范围是否足够全面。测序深度和灵敏度评估每个细胞的平均测序深度，确保能够检测到低丰度的基因表达。细胞质量查看是否有指标用于评估细胞的质量，如线粒体基因比例、核糖体基因比例等，以排除
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
基于单细胞RNA测序绘制人类大脑高分辨率免疫细胞图谱
近日，在德国弗赖堡大学医学中心科学家的指导下，一个联合研究团队利用单细胞RNA测序技术绘制了首个人类大脑高分辨率免疫细胞图谱！有史以来第一次证明大脑中的小胶质细胞（即吞噬细胞）具有相同的核心特征，并会根据大脑功能需求进行适应性表达，揭示了小胶质细胞的时间和空间异质性。2月14日，相关研究成果发表