STCellbin输入包括Stereo-seq空间基因表达数据,以及细胞核和细胞膜/细胞壁染色图像块。采用MFWS算法获得缝合后的细胞核和细胞膜/细胞壁染色图像。使用快速傅里叶变换(FFT)算法对这两幅拼接的染色图像进行配准。空间基因表达数据被转换成地图,然后与基于“轨迹线”信息的缝合细胞核染色图像进行分析。从而实现基因表达图谱...
改进后的分析框架 核心分析原理:通过应用核密度估计(KDE)将空间基因表达建模为密度,然后可用于整个组织的稳健和准确的细胞类型分配。计算步骤大致可分为读取数据、质量控制、数据预处理、空间基因表达建模、生成或获取特定细胞类型的基因表达模式,以及将细胞类型分配到像素生成细胞类型映射。 算法的数据验证(模拟数据) 华大...
核心分析原理:通过应用核密度估计(KDE)将空间基因表达建模为密度,然后可用于整个组织的稳健和准确的细胞类型分配。计算步骤大致可分为读取数据、质量控制、数据预处理、空间基因表达建模、生成或获取特定细胞类型的基因表达模式,以及将细胞类型分配到像素生成细胞类型映射。 算法的数据验证(模拟数据) 华大小鼠数据(性能验证...
STCellbin输入包括Stereo-seq空间基因表达数据,以及细胞核和细胞膜/细胞壁染色图像块。采用MFWS算法获得缝合后的细胞核和细胞膜/细胞壁染色图像。使用快速傅里叶变换(FFT)算法对这两幅拼接的染色图像进行配准。空间基因表达数据被转换成地图,然后与基于“轨迹线”信息的缝合细胞核染色图像进行分析。从而实现基因表达图谱...
STCellbin输入包括Stereo-seq空间基因表达数据,以及细胞核和细胞膜/细胞壁染色图像块。采用MFWS算法获得缝合后的细胞核和细胞膜/细胞壁染色图像。使用快速傅里叶变换(FFT)算法对这两幅拼接的染色图像进行配准。空间基因表达数据被转换成地图,然后与基于“轨迹线”信息的缝合细胞核染色图像进行分析。从而实现基因表达图谱...
进一步的下采样数据分析表明，测序读取量较少的细胞亚群，仍可被Stereo-seq技术轻松识别，并且Stereo-seq技术在处理具有相似表达谱的细胞亚群时，依然能保持较高的区分度，这进一步强化了其在细胞亚群识别方面的优势。尽管不同sST技术在基因检测方面各有特点，可以相互补充，但Stereo-seq在特定细胞类型标记基因识别方面的...
进一步的下采样数据分析表明,测序读取量较少的细胞亚群,仍可被Stereo-seq技术轻松识别,并且Stereo-seq技术在处理具有相似表达谱的细胞亚群时,依然能保持较高的区分度,这进一步强化了其在细胞亚群识别方面的优势。 尽管不同sST技术在基因检测方面各有特点,可以相互补充,但Stereo-seq在特定细胞类型标记基因识别方面的准确...
通过分析14例结直肠癌肝转移(CRLM)患者的Bulk RNA-seq数据,研究发现TLS+肿瘤中免疫球蛋白基因的表达水平显著提升,且差异基因主要富集于多种免疫激活途径,尤其是B细胞和CD8+ T细胞显著增多(图2. B-E)。进一步通过单细胞RNA测序(scRNA-seq)探究TLS- CRLM、TLS+ CRLM及肝组织的细胞构成,结果显示浆细胞(PCs)在肿瘤...
Stereo-seq数据分析显示,牙周炎风险基因,如IFI16、TM9SF2和WNT5A,在牙龈中高水平表达(图6A)。研究人员利用Stereo-seq来研究全基因组关联分析(genome-wide association studies,GWAS)鉴定的健康和牙周炎牙龈中的牙周炎相关基因的表达模式(图6B),发现IFI16是牙龈中表达最高的牙周炎风险基因,在内皮细胞中表达尤其高。
Stereo-seq的检测分辨率高达500 nm,能实现对单个细胞及分子信息进行空间定位和检测。安诺优达已成功打通3D重构实验-数据分析全流程服务,以三维/四维方式揭示生物体复杂结构特征,为当前尚未攻克的“黑匣子”难题提供前所未有的洞察视角。 安诺优达3D重构服务流程 ...