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
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
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
基于单细胞数据理解细胞变化过程—拟时间序列分..（二）
图3 细胞轨迹图（按阶段分类）当然，通过以上的分析结果，我们无法判断出来轨迹的开始，因此无法确定轨迹路线。所以，我们需要结合已有认知，通过函数识别包含时间为零的大多数细胞的状态，绘制拟时间轨迹图：图4 拟时间轨迹图得到上述拟时间轨迹图后，我们就可以根据不同的阶段分类，分别进行分类绘制，得到以下结果
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
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。
流形学习在单细胞组学数据分析中的运用
以10x Genomics为代表的单细胞组学检测技术的发展，为我们从细胞层面去理解生命体的发育过程，疾病发生和发展过程提供了重要的手段。以单细胞转录组(scRNA-Seq)为例，我们可以发现，单细胞组学数据具有横向细胞数量巨大，纵向数据分布稀疏的特点。因此，针对单细胞数据，从分析的角度提出了巨大
流形学习在单细胞组学数据分析中的运用
以10x Genomics为代表的单细胞组学检测技术的发展，为我们从细胞层面去理解生命体的发育过程，疾病发生和发展过程提供了重要的手段。以单细胞转录组(scRNA-Seq)为例，我们可以发现，单细胞组学数据具有横向细胞数量巨大，纵向数据分布稀疏的特点。因此，针对单细胞数据，从分析的角度提出了巨大
流形学习在单细胞组学数据分析中的运用
以10x Genomics为代表的单细胞组学检测技术的发展，为我们从细胞层面去理解生命体的发育过程，疾病发生和发展过程提供了重要的手段。以单细胞转录组(scRNA-Seq)为例，我们可以发现，单细胞组学数据具有横向细胞数量巨大，纵向数据分布稀疏的特点。因此，针对单细胞数据，从分析的角度提出了巨大
基于深度学习的时间序列预测研究获进展
时间序列预测是大规模数据无损压缩和极端天气预报等领域的核心技术。随着应用场景多样化和数据复杂性提升，现有模型在异构数据的统一表达、长序列结构依赖建模、极端天气波动捕捉等方面存在挑战。中国科学院计算机网络信息中心人工智能团队围绕上述挑战开展研究，提出一系列创新算法与模型，并在实际系统部署应用。
通过序列杂交和条形码进行单细胞原位分析
现代系统生物学有两种革新技术：基因组学和单细胞生物学，前者具备同时监测生物体中所有基因和蛋白质的能力，后者则可以在自然微环境中跟踪单细胞的一些特定基因。 两种技术都很强大，但具有互补的局限性：基因组学平均了一个细胞群的异质性和空间复杂性，而单细胞技术一次只能探测几个基因。因此，将基因组学与单细
我国学者发表基于单细胞转录组测序数据的小鼠细胞图谱
在国家自然科学基金项目（项目编号：31722027）等资助下，浙江大学医学院干细胞与再生医学中心郭国骥教授团队在单细胞组学技术及哺乳动物全细胞表达谱系分析研究中取得突破性进展。相关成果以“Mapping the Mouse Cell Atlas by Microwell-seq”（利用微孔板测序
我国学者发表基于单细胞转录组测序数据的小鼠细胞图谱
在国家自然科学基金项目（项目编号：31722027）等资助下，浙江大学医学院干细胞与再生医学中心郭国骥教授团队在单细胞组学技术及哺乳动物全细胞表达谱系分析研究中取得突破性进展。相关成果以“Mapping the Mouse Cell Atlas by Microwell-seq”（利用微孔板测序
单细胞测序基准数据集对单细胞分析方法的发展有哪些影响？
单细胞测序基准数据集对单细胞分析方法的发展具有多方面的重要影响：促进方法的比较和评估为不同的单细胞分析方法提供了共同的测试平台，使得研究人员能够客观地比较各种方法的性能，从而筛选出更优的方法。推动方法的改进和优化当新的分析方法在基准数据集上表现不佳时，能够促使开发者反思和改进算法，以提高准确性和可靠
揭示整合单细胞和群体细胞转录组数据推断细胞分化时间
近日，中国科学院上海生命科学研究院（人口健康领域）马普计算生物学伙伴研究所韩敬东研究组，中科院生物化学与细胞生物学研究所景乃禾研究组，与清华大学沈沁研究组合作发表的论文，以Inference of differentiation time for single cell transcriptom
单细胞转录组测序（scRNAseq）的十个问答解惑
高通量组学研究已经发展了快20年，从最开始的基因芯片到二代测序，从编码基因到lncRNA，circRNA，从三代测序的出现到单细胞组学研究的火热，相信在这个领域中共事的小伙伴们都深有感触。大家都知道高通量单细胞测序现在很火，但是不是所有的研究都适用，是不是所有的样本都能进行单细胞测序呢？本期小编带来
单细胞转录组测序（scRNAseq）的十个问答解惑
高通量组学研究已经发展了快20年，从最开始的基因芯片到二代测序，从编码基因到lncRNA，circRNA，从三代测序的出现到单细胞组学研究的火热，相信在这个领域中共事的小伙伴们都深有感触。大家都知道高通量单细胞测序现在很火，但是不是所有的研究都适用，是不是所有的样本都能进行单细胞测序呢？本期小编
构建单细胞癌症基因组时间序列模型，可预测乳腺癌细...
构建单细胞癌症基因组时间序列模型，可预测乳腺癌细胞克隆适应性不同生物会随着时间的推移不断进化，环境压力可促使具有某些特征的个体在群体中变得更加普遍。癌症也不例外，在不断增殖的肿瘤中，具有最佳竞争资源和抵御环境压力的癌细胞会逐渐占据主导地位。癌细胞的适应性（fitness）并不是一成不变的。在化疗药物
单细胞测序数据的分析有什么意义
单细胞测序可以分析一个细胞里面的基因组序列这个主要适用于受精卵的试管婴儿
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
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。
单细胞测序数据的分析流程是怎样的？
单细胞测序数据的一般分析流程包括以下主要步骤：数据质量控制评估测序数据的质量指标，如测序深度、细胞捕获效率、基因检测数量等。去除低质量的细胞和基因。数据预处理对原始数据进行标准化和归一化处理，以消除技术偏差。基因表达定量确定每个细胞中基因的表达水平。细胞过滤基于基因表达数量、线粒体基因比例等指标进一
单细胞测序数据分析的j技术难点
单细胞测序数据分析存在以下一些难点：数据的高维度和稀疏性每个细胞可以测量成千上万个基因的表达，但大多数细胞中只有少数基因是活跃表达的，导致数据高度稀疏且维度极大，增加了分析的复杂性。数据质量控制由于实验技术的限制，可能存在细胞捕获失败、双细胞污染、测序错误等问题，需要准确识别和处理这些低质量的数据。
单细胞动物的进化过程
当生命进化到真核细胞以后，便有了动物和植物之分。最早的动物叫原生动物，是最低等的一类动物，它的个体是由一个细胞构成的。仅管如此，“麻雀虽小却五脏俱全”，这是一个完整的生命活动体，拥有作为一个动物应具备的主要生活机能，如新陈代谢、刺激感应、运动和繁殖等，它的体内有了原始的分化，各具一定功能，形成了
单细胞测序绘制首个人胚胎造血和免疫系统发育图谱
2019年10月10日，来自英国Newcastle University和Wellcome Sanger Institute等机构的科学家在Nature上以长文形式发表了题为“Decoding human fetal liver haematopoiesis”的研究，首次报道了由胎肝驱动的人胚胎
单细胞测序绘制首个人胚胎造血和免疫系统发育图谱
2019年10月10日，来自英国Newcastle University和Wellcome Sanger Institute等机构的科学家在Nature上以长文形式发表了题为“Decoding human fetal liver haematopoiesis”的研究，首次报道了由胎肝驱动的人胚胎
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
美实验揭示单细胞变多细胞过程
从单细胞生物到多细胞体这一过渡是怎么发生的？据美国物理学家组织网1月16日报道，5亿多年前，地球表面的单细胞生物开始形成多细胞簇，最终变成了植物和动物。美国明尼苏达大学研究人员在实验室用普通的啤酒酵母菌复制了这一关键进化步骤，演示了这一过渡的发生过程。相关论文发表在近期出版的《美国国家科学院院刊
科研人员开发基于分子网络特征整合单细胞数据的新方法
随着单细胞测序技术的快速发展，多个全球性的、大规模的细胞图谱项目相继启动，例如人类细胞图谱计划等。然而，把来自于不同组织、不同发育阶段或者只有很少重叠细胞类型的单细胞转录组数据集进行准确有效的整合仍然具有非常大的挑战性。因为当前整合单细胞数据的方法需要校正批次效应从而达到整合分析的目的，而上述所