Alpha Spatial:语言引导的基于组织学图像的单细胞空间基因表达预测
Alpha Spatial通过语言引导,从组织学图像预测细胞级基因表达,表现优于所评估方法。匹配的生物学背景与多组织联合学习改善预测;在乳腺癌中,该框架重现了POSTN相关基质程序及HER2相关分子与空间差异。探索性患者分析显示,CXCL14相关空间状态的丰度与含曲妥珠单抗(trastuzumab)治疗无应答及更大残余浸润性肿瘤相关。
Alpha Spatial通过语言引导,从组织学图像预测细胞级基因表达,表现优于所评估方法。匹配的生物学背景与多组织联合学习改善预测;在乳腺癌中,该框架重现了POSTN相关基质程序及HER2相关分子与空间差异。探索性患者分析显示,CXCL14相关空间状态的丰度与含曲妥珠单抗(trastuzumab)治疗无应答及更大残余浸润性肿瘤相关。
研究者开发计算框架CIPI,依据相似的细胞类型表达模式,为长读长单细胞RNA测序发现的新基因和异构体推断通路背景。该框架构建基于表达的邻域,结合GO、KEGG或Reactome通路分析,为新型异构体的研究优先级排序和功能假设生成提供依据。
在DNA甲基化定量和特征选择前屏蔽变异位点,可减少单细胞DNA甲基化分析中的基因型偏倚。研究使用10名遗传背景多样的健康个体的血液细胞核sciMET数据(25,674个细胞核),发现该策略减少聚类中的供者相关混杂及同类细胞内虚假的样本特异性差异甲基化区域,并改善批次混合与生物学变异保留。
Nature Protocols刊载多重单细胞简化代表性亚硫酸氢盐测序(Msc-RRBS)实验方案,可并行分析数百个单细胞的DNA甲基化。该方案采用流程精简、可扩展的方法,用于全基因组DNA甲基化分析。
NetMap 将单细胞自编码器与可解释人工智能结合,联合推断细胞级基因调控网络,并按共享调控程序聚类细胞。
研究者基于DNA甲基化数据构建机器学习预测工具EpiDiff,发现多种细胞的分化指数随年龄增加,并呈现以间充质谱系方向最突出的表观遗传漂移。该工具在单细胞、分选细胞、整体组织及体外实验中得到验证,应用于正常组织时可预测致癌暴露和癌症风险。
Long等整合人类胚胎发育过程中的单细胞转录组构建参考图谱,并以互补指标评估四种类囊胚构建方案,发现模型间存在差异。差异涉及细胞身份、发育时序和谱系结构,为系统比较和优化类囊胚模型提供了依据。
研究者提出一种框架,通过筛选在多物种单细胞RNA测序数据中均保守的细胞类型特异性与表达,提炼精简的标志基因特征。来自四种小鼠的骨髓微环境及造血祖细胞特征,可在两种外群灵长类物种中稳健辨识细胞身份,捕捉高度保守且具有生物学意义的信息。
Trace-n-Seq 将逆行荧光示踪、支配靶组织的外周神经元分选与单细胞测序相结合。页面正文未能加载,现有内容仅能确认标题所述方法,无法获取具体实验流程、样本量或验证结果。