深圳先进院等建立单细胞轨迹推断技术
7月31日，中国科学院深圳先进技术研究院合成生物学研究所胡政课题组与厦门大学数学科学学院周达课题组合作，在《自然-生物技术》（Nature Biotechnology）上，发表了题为PhyloVelo enhances transcriptomic velocity field mapping using monotonically expressed genes的研究论文，提出了新颖的单细胞分化轨迹推断的算法框架，并命名为PhyloVelo。该方法通过联合单细胞转录组数据和谱系示踪数据，鉴定随细胞分裂而表达量呈单调递增或递减的基因即单调表达基因，并利用演化方法估计单调基因的RNA转录变化速度，以构建单细胞转录组速度场（RNA velocity fields），实现对细胞分化轨迹的高精准推断。 细胞分化和命运决定是生命的奥秘之一，也是生命科学领域的核心问题，揭示其规律和机制对于探索生命现象和促进医学发展具有重要意义。然而，......阅读全文
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
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
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
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
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
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。
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
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
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
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
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
北京基因组所发布癌症单细胞表达图谱数据库CancerSCEM
近日，中国科学院北京基因组研究所（国家生物信息中心）国家基因组科学数据中心开发的癌症单细胞表达图谱数据库CancerSCEM上线。该研究成果以CancerSCEM: a database of single-cell expression map across various human can
北京基因组所发布癌症单细胞表达图谱数据库CancerSCEM
近日，中国科学院北京基因组研究所（国家生物信息中心）国家基因组科学数据中心开发的癌症单细胞表达图谱数据库CancerSCEM上线。该研究成果以CancerSCEM: a database of single-cell expression map across various human cance
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，
单细胞统计数据体细胞归类与作用发掘的遗传基因
触碰过单细胞转录组统计数据的朋友们都了解，统计数据的关键結果取决于依据每一体细胞的基因的表达统计数据，来对体细胞开展“分类”归类。目前通用性的剖析构思给出：最先依据转录组稀疏矩阵，根据测算和剖析，寻找不一样的体细胞Cluster，并寻找每类别集群服务器的Marker遗传基因。依据现有对体细胞特殊
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
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
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
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
百奥智汇推出一站式单细胞数据分析软件-OmniAnalyzer
2021年8月3日，百奥智汇发布首款一站式单细胞数据分析软件OmniAnalyzer。该软件内置多种算法，包含从原始数据处理、批次效应校正到细胞分群、细胞类型识别、差异表达分析、轨迹推断等全套数据分析流程，无需任何代码编程，在普通电脑点击按钮即可高效完成各项分析，拿到可发表的数据图表。 自20
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
CloneSelect 单细胞分离系统 OR 传统单细胞克隆方法
CloneSelect™ Single-Cell Printer™ f.sight™ （ f.sight ）被开发用于满足这些需求， 它可以柔和地接种单个细胞至微孔，同时记录整个细胞接种过程，提供单克隆性的图像证据以及优异的接种后细胞生长用于细胞株开发在这个研究中，我们开展了六组实验，用无血清培养基