博文
- DeepCE：相关性增强基因调控网络推断的深度学习框架
- DeepCE ：相关性增强基因调控网络推断的深度学习框架 单细胞技术的最新进展为同时测量数千个单个细胞的分子活动提供了强大的工具。单细胞研究的优势在于能够详细准确地表征细胞异质性。然而，大量高维和嘈杂的单细胞数据给数据分析和数学建模带来了重大挑战。单细胞数据的兴起推动了旨在重建动态细胞过程的 ...
- ULMnet：使用单变量线性模型推断细胞通讯网络
- ULMnet ：使用单变量线性模型推断细胞通讯网络 身体组织中的细胞存在于一个复杂且动态的多细胞环境中，与邻近细胞相互作用，每个细胞的功能都受到与其他细胞相互作用网络的影响。多细胞生物中的细胞通过这些动态相互作用网络，从早期胚胎发育到成年期持续进行交流。每当这些相互作用受到干扰时，细胞功能可 ...
- 整合基因调控信息和FAIR原理知识有助于发现致病基因调控变异
- 整合基因调控信息和 FAIR 原理知识有助于发现致病基因调控变异 全基因组测序（ WGS ）成本的显著下降以及健康保险计划对 WGS 覆盖范围的增长加速了 WGS 在临床领域的应用诊断与研究目的。从诊断性全外显子测序（ WES ）向 WGS 的转变，使得人们能够看到人类基因组中编码氨基酸的 ~1% 之 ...
- 人类大脑发育的单细胞蛋白质组图谱
- 人类大脑发育的单细胞蛋白质组图谱 蛋白质协调生物过程并执行维持细胞活动的重要功能。虽然遗传学研究加深了我们对复杂疾病的理解，但将这些发现转化为机制见解取决于蛋白质水平的验证。虽然 mRNA 提供了转录活动的一个便捷快照，但越来越多的证据揭示了它在准确反映蛋白质丰度方面的局限性。 ...
- BiomarkerKB：支持以生物标志物为中心的集成知识库
- BiomarkerKB ：支持以生物标志物为中心的集成知识库 生物标志物是现代生物医学研究和临床实践的基础，能够帮助识别疾病、预测治疗反应以及监测患者结果。在过去的二十年中，高通量技术、临床试验和电子健康记录（ EHR ）的快速发展导致生物标志物及其相关注释（包括遗传、蛋白质组、糖组学和代谢组测量） ...
- 癌症中的细胞领域
- 癌症中的细胞领域 正如生态位中多样物种一样，细胞和非细胞成分在局部微环境中共存并相互作用，形成复杂的生态系统。这一概念在干细胞生态位中得到了经典体现，它支持骨髓和胃肠道等系统的组织维护、再生和修复。细胞邻域被定义为组织中反复出现的空间结构，是驱动肿瘤微环境（ TME ）复杂且动态过程的基本 ...
- PC-index：单细胞数据综合指标
- PC-index ：单细胞数据综合指标 基因表达谱通常用于定义细胞身份，推断调控和代谢程序，并比较不同组织、条件和个体间的表型。几十年来，大多数转录组分析依赖于整体测量，这提供了平均表达的稳定估计，但本质上掩盖了复杂组织内部的细胞异质性。 单细胞和单核 RNA 测序将基因表达分析扩展到 ...
- 利用模糊聚类揭示基因调控网络动态
- 利用模糊聚类揭示基因调控网络动态 高通量测序技术通过实现全基因组基因表达的探究和对调控相互作用的深入评估，重塑了生物系统研究，促成了基因间相互作用的机制假说。早期方法聚焦于静态基因调控网络（ GRNs ）。单细胞和空间（转录组学）技术的快速发展，使研究焦点从样本范围的平均转向基于细胞异质性和 ...
- scPSS：量化单细胞转录组数据中的病理进展
- scPSS ：量化单细胞转录组数据中的病理进展 测量健康与疾病状态之间细胞状态转变的能力，对于理解疾病机制和进展至关重要。单细胞数据集和大规模参考图谱的日益普及能够比较不同条件下的细胞状态。然而，现有工具缺乏识别与参考状态显著变化的细胞群体的能力 —— 这是准确疾病特征分析的关键方面。 &nb ...
- 高维介导分析中的大规模推断
- 高维介导分析中的大规模推断 介导分析是解读基因组关联研究（ GWAS ）中疾病遗传关联背后的生物学机制的关键工具。通过弥合遗传变异与临床结局之间的差距，介导分析揭示了中间通路并阐明因果关系。随着 GWAS 持续揭示大量遗传关联，将这些发现转化为精准医疗和治疗开发的可作洞见变得愈发重要。例如，吸 ...
