新的证据表明,t-SNE和UMAP更适用于scRNA-seq数据,这些数据已广泛用于单细胞分析,用于数据可视化和细胞群体识别。然而,t-SNE通常受到限制,例如大规模scRNA-seq数据集的计算时间慢,并且全局数据结构没有得到保存。UMAP具有上述两个方面的优势,目前成为最流行的降维选择。 细胞亚群的鉴定 scRNA-seq的关键应用之一是基于细...
在诱导MM细胞凋亡中的作用,与CFZ或CsA单药治疗相比,联合治疗组的细胞凋亡显著增加(图7c-d)。 为了进一步明确细胞对CFZ的响应和CFZ+CsA协同响应的分子机制,研究人员对CFZ、CsA处理后4、8小时的组合进行了scRNA-seq分析,富集得到了7个细胞亚群(图7e-f)。发现响应药物处理的细胞中与内质网应激反应(如ATF3,ATF4,BAG...
scRNA-seq单细胞测序技术可对分散的单个细胞分别进行基因组、转录组、表观遗传组或多组学测序,可从较少的肿 瘤细胞中获得取可能多的信息。其过程和原理,首先就是给一个bead表面合成无数含有polyT的反转录引物(一个磁珠上含有的polyT引物数量可以高达10的8次方个),然后将每一个磁珠和一个单细胞通过微流控技术放到...
单细胞RNA测序（Single cell RNA sequencing, scRNA-seq）是一种在单细胞水平上利用RNA测序对特定细胞群体进行基因表达谱定量的高通量实验技术；空间转录组测序（Spatial Transcriptomics sequencing, ST-seq）是一种将测序和成像技术相结合，用于检测整个组织空间系统中所有或大多数基因表达水平的方法。前列腺癌的致病机制...
scRNA-seq在哮喘研究中的应用 scRNA-seq是近年来迅速发展的生命科学前沿技术,能够在单细胞水平揭示细胞的基因表达状态,反映细胞间的异质性,为研究异质性疾病提供了新的研究思路和技术手段。通过分离肺组织单细胞,进行转录组测序分析,有助于准确理解细胞分化、信号转导等生物学过程及相关的基因调控网络,深入阐明哮喘的发...
肿瘤微环境(TME)由异质细胞组成,影响癌细胞行为,从而影响所采用的治疗方法(如免疫疗法)的疗效。单细胞RNA测序可(scRNA-seq)揭示肿瘤微环境的特征,更好地将这些特征与癌症预后联系起来,对制定癌症治疗方案具有指导意义。 scRNA-seq在TME中的重要研究结果[1] ...
②从Tabula Muris和Tabula Sapiens图集中采样数据,创建了具有一系列数据属性的scRNA-seq数据集,并评估了传统和基于深度学习的特征选择方法在细胞类型分类、特征选择的可重复性和多样性以及计算时间方面的性能。 ③ 该研究为未来开发和应用基于深度学习的特征选择方法进行细胞组学数据分析提供了参考。
(1)scRNA-seq:从14例BC患者中取原发肿瘤病变及周围正常组织进行单细胞转录组测序,质控后获得124587个高质量细胞。 (2)bulk RNA-seq:公共数据库中BC队列(GSE7390, GSE58812)数据。 研究结果 1.单细胞转录组识别乳腺癌的肿瘤微环境 对单细胞数据进行无监督聚类,鉴定出7个细胞类型,细胞频率分析发现这些细胞类型在...
1、scRNA-seq数据处理中的挑战 单细胞RNA测序(scRNA-seq)技术正带给生物医学领域新的发展,研究者利用这一技术能细致分析单个细胞层次上的信息。 过去几年中,用于scRNA-seq数据分析的生物信息学技术得到了飞速发展,但仍有一些尚未解决的挑战,比如缺失事件(dropout event)、批次效应(batch effect)、噪音(noise)、高维度...