CATFISHR整合转录组与推断CNV识别恶性细胞
热点事件观察中
CATFISHR整合转录组与推断CNV识别恶性细胞
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Shukla P等研究团队开发了恶性细胞识别流程CATFISHR,并在八个队列中评估:六个队列的平衡准确率超过0.85,六个队列的F1评分超过0.80,结果发表于预印本。 该半自动化流程结合RNA表达相似性、推断拷贝数变异(CNV)图谱和共识细胞分型,以高置信度参考细胞为依据进行分类。评估覆盖七个单细胞RNA测序数据集及一个10x Visium空间转录组样本;各数据集均有仅由CATFISHR识别的恶性细胞,其中空间转录组中抽样的此类位点获得组织学确认。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 08:00
CATFISHR:整合转录组与推断CNV图谱,全面识别恶性细胞报道时间线
沿着报道,了解事件的不同侧面。
10月27日
- 预印本 · 单细胞与空间组学CATFISHR:整合转录组与推断CNV图谱,全面识别恶性细胞
CATFISHR整合RNA表达相似性、推断CNV图谱与共识细胞分型,在八个队列中评估了恶性细胞识别性能。其中六个队列的平衡准确率> 0.85,六个队列的F1评分> 0.80。所有数据集均存在仅由CATFISHR识别的恶性细胞,空间转录组中抽样的此类位点获组织学确认。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。