研究团队提出跨平台空间转录组注释工具BiNVaST
热点事件观察中
研究团队提出跨平台空间转录组注释工具BiNVaST
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Zhang J等研究团队在预印本中提出细胞类型推断工具BiNVaST，并报告其在四类组织、六份标本的基准比较中改善了高分辨率空间转录组的细胞分型及跨平台一致性，评测覆盖Xenium、CosMx、Stereo-seq和Visium HD。 该工具结合待分析的空间转录组数据与用户提供的已注释单细胞参考数据，生成适配平台的模拟训练数据，再结合分子相似性和空间邻近关系预测细胞标签。研究团队称，BiNVaST可识别不同肿瘤细胞状态，并区分疾病特异性的肿瘤与非肿瘤细胞亚群。
AI 根据报道生成 · 1 小时前更新
最新进展10月21日 08:00
BiNVaST：保留生态位边界、以合成数据引导的变分自编码器，实现高分辨率空间转录组平台间的一致推断报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- 预印本 · 单细胞与空间组学BiNVaST：保留生态位边界、以合成数据引导的变分自编码器，实现高分辨率空间转录组平台间的一致推断
BiNVaST结合保留生态位边界的双分支变分自编码器与统计模拟器，改善高分辨率空间转录组的细胞分型及跨平台一致性。研究使用四类组织的六份标本，在Xenium、CosMx、Stereo-seq和Visium HD平台上与现有方法开展基准比较。该工具可识别不同肿瘤细胞状态，区分疾病特异性肿瘤与非肿瘤细胞亚群。
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。